基于高斯匹配滤波增强方法的真菌图像分析

通过真菌图像形态分析,提出了基于高斯匹配滤波增强的处理方法,并给出算法过程。     

基于支持向量回归和高斯过程回归的水文时间序列特征提取方法

水文时间序列受多种环境因素影响,表现出明显的综合性,传统的利用单一神经网络进行特征提取解释性不足。提出一种基于支持向量回归和高斯过程回归的水文时间序列特征提取方法。首先,罗列水文时间序列候选特征,将特征组合等价于0-1规划,并将各特征组合分别进行支持向量回归与高斯过程回归建模;其次,利用遗传算法演化求解一组最优特征组合,使得支持向量回归和高斯过程回归输出误差同时最小;最后,为了证明所提方法的高效性与准确性,以屯溪流域水文时间序列数据为对象进行验证。实验结果表明,基于支持向量回归和高斯过程回归特征提取方法的水文时间序列预测结果优于传统神经网络特征提取方法。     

多维非平稳高斯序列的超过数形成的点过程的渐近分布

{Xk,k=1,…,n}={(XK1,…,Xkp),k=1,…,n}是多维标准化的高斯序列,uki,k∞=1,…,n,i=1,…,p为正实数.定义点过程:Ni(.)=∑k=1I{Xki>uki}I{kn}(.).在一定条件下,本文得到了p个分量点过程N1(.),…,Np(.)的渐近独立性.     

多维非平稳高斯序列的超过数形成的点过程的渐近分布

{Xk,k=1,…,n}={(Xk1,…,Xkp),k=1,…,n}是多维标准化的高斯序列,uki,k=1,…,n,i=1,…,p为正实数.定义点过程Ni(·)=∞∑k=1 I|Xki＞uki|I|k/n|(·).在一定条件下,本文得到了p个分量点过程N1(·),…,Np(·)的渐近独立性.     

一种基于三维空间信息的字形匹配方法

提出一种基于三维空间信息的字形匹配方法。首先将字形轮廓Bézier 曲线的二维控制点集扩展至三维, 然后为三维点集建立高斯混合模型, 最后通过最小化高斯混合模型间的欧氏距离(L2)完成匹配。采用三维空间信息可以充分利用字形所蕴含的内在约束条件。采用高斯混合模型有利于在匹配过程中保持字形整体结构特征和局部书写特征。实验结果表明, 该方法提升了汉字单笔画以及整字字形匹配的准确度和美观度, 并且具有稳定性高、扩展性强的特点。     

基于高斯公式的图像特征匹配算法研究

在基于内容的图像检索系统中,图像特征匹配是一个影响检索效率的重要算法.对提取的特征信息进行分析,并通过高斯公式对特征向量进行归一化处理,分析不同特征间的权值和相似性度量手段,将两种不同方式的检索手段有效地结合在一起,实现图像的有效检索.仿真结果表明,与传统的单一匹配算法相比,图像检索匹配度能得到较大的提高.     

二维轮廓曲线匹配方法研究

本文论述了二维轮廓曲线的匹配方法,给出了一种基于连续曲率概念推广的多边形周期性离散曲率函数。周期性离散曲率函数具有和原有曲率相似的位移、旋转、缩放等特性,为提高匹配的准确度,利用高斯函数进行平滑处理,取得了较好的结果,同时该方法具有直观、速度快等优点,在2D轮廓曲线的匹配中,具有实用可靠的用途。     

基于高斯过程的软件开发可靠性研究

针对软件可靠性模型的统计推理和预测问题,在软件随时间而变化且软件指标信息已知的情况下,设计了一个基于高斯过程的半参数贝叶斯模型,以估算各个时间段内软件故障的发生次数。在性能评估部分,使用了三个常用的真实数据集来评估本模型的有效性。实验结果显示,与现有的方法相比,该模型能够实现较低的预测误差。。     

基于弯曲高斯过程组合方法的光伏出力预测研究

针对光伏发电功率受多种天气因素影响造成预测难度大的现状,提出了一种基于弯曲高斯过程的混合模型,可以实现一天内任意时刻的光伏出力的概率预测,获得置信区间预测值和点预测值.该算法先由多元自适应回归样条模型实现对多维输入变量的约减,同时得到待预测值的先验数据,然后利用模糊C均值算法按天气类型对训练集数据和测试集的先验数据进行聚类,得到相似样本,再利用弯曲高斯过程模型对测试集数据进行估计,最后利用Bagging算法实现对子混合模型的集成学习,得到待预测值的区间估计和点估计.仿真及试验结果验证了该混合模型的有效性和可靠性.与高斯过程估计和BP神经网络分位数估计相比,该混合模型精度更高,实用性更强.     

一种基于高斯过程的非线性PLS建模方法

提出了一种基于高斯过程(GP)和偏最小二乘法(PLS)的非线性PLS方法(GP-PLS),以更加有效地处理过程非线性、多输入和数据共线性等复杂特性,提高模型的推广能力和精度。该方法首先采用PLS进行特征提取,再用GP建立PLS的内部模型,因而具有GP与PLS的优点。对工业丙烯腈生产过程丙烯腈收率软测量建模的应用表明,采用该方法建立的软测量模型在模型精度、推广能力等方面明显优于一些传统软测量建模方法,满足工业现场应用要求。     

采用方向场配准和图匹配的指纹匹配算法

提出一种新的指纹匹配算法.在配准阶段,引入局部方向场匹配,并结合局部细节点拓扑结构匹配以进行指纹对齐;在对齐后的匹配中,首先在两个指纹的细节点集之间进行弹性匹配,得到一个由匹配的细节点对组成的相似集,然后以相似集中的细节点做顶点,以各顶点之间的连线为边,为输入指纹和模板指纹组成对应的拓扑图进行图匹配;还引入了全局方向场匹配,并与细节点集匹配进行融合,以提高算法的精度.采用FVC2002公布的指纹库进行对比实验,结果证明了算法的有效性.     

一种基于遗传算法的指纹比对算法

指纹比对在身份验证与身份识别中具有非常重要的应用。该文提出了一种基于遗传算法的指纹比对算法。该算法针对指纹比对的特点 ,设计了相关的目标函数与遗传算子 ,搜索了两幅指纹间可能存在的平移、旋转等几何参数变化关系 ,并在此基础上确定了二者之间的特征点匹配关系 ,从而可判断两幅指纹匹配的程度。实验结果表明 ,该方法可以在变换与局部变形存在的情况下 ,正确判定两幅指纹之间对应的特征点。与直接利用遗传算法搜索特征点对应关系的方法相比 ,新搜索方法收敛所需的迭代次数仅为遗传算法的1/ 5 ,速度得到了提高     

基于点模式匹配和能量最小化的模板定位算法

阐述了分步利用点模式匹配和能量最小化实现模板定位的原理和算法．介绍了利用点模式匹配实现模板快速粗定位的原理,以及利用能量最小化实现模板精确定位的原理和算法．试验结果表明：此模板定位算法充分地利用了点模式匹配的特点,提高了定位的效率和通用性;能量最小化算法有效地实现了模板在输入图像中的精确定位．     

遥感影像配准中控制点的自动提取

针对遥感影像的处理应用中,传统的手工选取控制点速度慢、精度低和强度大等缺点的问题,提出了一种基于影像灰度和影像特征混合自动提取控制点的新方法。在进行控制点的自动提取时,该方法速度快、错误匹配率低、精度高。方法内容包括特征点提取、构造影像金字塔以及基于金字塔数据结构的互相关匹配。     

ICP算法在双目结构光系统点云匹配中的应用

双目结构光系统在测量物体时有更好的效果,测量物体视野是单目测量系统的两倍。该文根据针孔成像理论给出了双目结构光重构的数学表达式,并通过Zhang氏标定法给出了标定结果。在双目系统中,投影仪和摄像机的标定误差、仪器设备的系统误差,都会导致得到的两组三维点云数据不能很好地重合。因此,该文提出将标定获得的两个摄像机关系矩阵做为点云匹配的初值,使用改进的最近迭代点(iterative closest points,ICP)算法,加速点云匹配时间,并对经过初值变换的点云数据进行再次匹配,进一步减小系统在标定过程中的误差,从而达到对标定误差进行补偿的目的。实验结果表明:改进的ICP算法使标定后的点云能够很好地重合,并对标定值进行了修正,点云匹配的时间缩短为0.3s。     

一种基于圈基的谱匹配算法

提出一种基于圈基的谱匹配算法.利用两幅待匹配图像的特征点分别构造一组圈基,根据圈基构造赋权邻接矩阵,并进行SVD分解,然后利用分解所得到的特征向量构造反映特征点之间匹配程度的关系矩阵和匹配概率矩阵,最后通过交替归一化将匹配概率矩阵转化为双随机矩阵的形式以获得匹配结果.模拟与真实图像实验结果均表明该方法具有可行性和有效性.     

基于多尺度增量符号相关的图像匹配算法

将影像多尺度分解思想和增量符号相关方法相结合,提出了一种图像匹配算法.首先使用非线性的关键点滤波算子将参考图和待匹配图分解为不同尺度的子图;然后采用增量符号相关方法对影像进行二值化编码并进行相似性度量;最后通过由粗至精的逐层匹配得到最终的匹配结果.实验结果表明;在匹配区域存在一定灰度反差的条件下,该算法有效地解决了噪声干扰、光照差异大和阴影遮挡等条件影响下的匹配问题,同时大大的缩短搜索时间,提高了匹配定位速度.     

分块法的模式匹配算法的研究

为提高模式匹配算法性能,介绍经典的模式匹配算法Byoer-Moore和Sunday,分析它们改进后的效率,根据分块法的特点,提出一种新的分块模式匹配(block pattern matching,BPM)算法?BPM算法在预处理阶段先确定模式串的首字符在文本串的位置,再确定此字符后长度等于模式串长度的字符是否等于模式串的尾字符,若符合条件,采用单链表存储结构进行存储,在匹配阶段,利用单链表信息进行双向匹配?实验结果表明,BPM算法大大减少了匹配次数和字符比较个数,从而提高匹配效率?     

一种基于Bagging算法的高斯过程集成建模方法

针对单一高斯过程在化工过程软测量建模中存在估计精度不高的问题,利用Bagging和高斯过程回归算法,提出一种基于Bagging算法的集成高斯过程软测量建模方法.该算法使用Bagging技术从训练样本集中选取若干子训练样本集,利用该若干子集形成多个高斯过程模型,并通过加权组合方式进行集成,得到最终的模型输出.将该方法应用...