零误差密度函数准则的BP神经网络学习研究

BP神经网络的学习通常以均方误差函数(MSE)为目标函数,当目标变量不满足高斯分布时,其结果可能偏离真正最优.零误差密度函数(ZED)利用非参数估计中的Parzen窗法得到误差在零点的概率密度函数.将零误差密度函数作为BP网络的目标函数时,通过对光滑参数的选择使新的目标函数能够适用于期望输出满足任意分布.仿真实验分别以零误差密度函数和均方误差函数为目标函数的BP网络学习在函数逼近方面进行比较,结果表明零误差密度函数要比均方误差函数的适用范围更广.     

混合高斯分布的变分贝叶斯学习参数估计

针对常用于非高斯信号或系统建模的包含隐变量的混合高斯分布模型,提出利用一种变分贝叶斯学习算法进行模型的参数估计.该方法采用一个形式较为简单的自由分布,通过不断最大化边缘似然函数的下界,迭代地更新变分参数,直至近似分布足够逼近参数真实的后验分布,从而实现混合高斯分布的参数估计.文中推导了该方法对混合高斯模型参数学习过程.实验表明,变分贝叶斯学习可以有效实现高斯混合模型的多参数估计,相比采样方法更有工程应用前景.     

Gauss分布函数及其分位数的精确度

文[1]得到一般的 Gauss 分布的极大迫近式.本文在面积替代原理的基础上分析其产生误差的原因和改进的方法.从而得到精度很高的 Gauss 分布函数极大迫近式和分位数公式,并指出精确度明显优于 Hastings 和 Shannelerlan 公式.     

基于小波的图像检索方法

结合小波系数统计特性的方法进行图像检索。由于小波系数提供了重要的方向信息,图像的小波系数的统计分布具有广义高斯分布特性。利用小波变换系数的统计特性,描述图像子带小波系数统计的特征矢量。结果表明,色度矩和小波系数统计特性相结合是一种有效的图像检索方法。     

应用粒子群优化的高斯粒子滤波

针对高斯粒子滤波(GPF)在多峰高斯假设条件下不能满足贝叶斯估计精度的问题,提出一种基于粒子群优化的高斯粒子滤波算法(PSO-GPF).该算法用粒子群优化算法更新高斯建议分布的参数,解决粒子退化和多峰高斯下的粒子精度问题.同时,带压缩因子的粒子群优化算法能有效平衡粒子的全局探测与局部开采.实验结果表明,新算法的滤波精度比高斯粒子滤波精度平均可提高93.9%,具有更高的稳定性.     

基于逆高斯纹理分布的协方差矩阵估计方法

在复合高斯杂波中检测目标信号, 需要对杂波协方差矩阵进行估计, 相应的检测性能与估计精度密切相关。利用服从逆高斯分布的纹理分量来对复合高斯杂波进行建模, 可以更好地拟合高分辨杂波实测数据。本文给出了一种两步广义似然比检测器, 先假设杂波协方差矩阵已知以获得检测统计量, 再利用纹理分量的先验分布推导协方差矩阵的最大似然估计。同时，基于贝叶斯方法, 假定纹理分量和协方差矩阵均为服从某种先验分布的随机量, 推导了协方差矩阵的最大后验估计。仿真结果显示, 基于知识的自适应检测技术由于引入了纹理分量和杂波的先验信息, 其协方差矩阵的估计精度好于最大似然估计和样本估计方法, 同时具有更好的检测性能。     

自适应聚类滤波

提出了一种新的用于图像平滑处理的滤波器自适应聚类滤波．它具有以下特点：（１）滤波器对像素点邻域内的灰度进行聚类,将聚类中心作为滤波器的输出;（２）滤波器能够根据像素点周围的拓扑特征,自适应地确定平滑窗口和窗口内平滑权重系数的大小,具有输入空间和输出空间两方面的自适应性．自适应聚类滤波用于图像的平滑处理,对滤除冲激噪声特别有效,同时较好地保持了边缘信息．实验结果证明了算子的有效性     

基于非下采样Contourlet变换的图像自适应阈值去噪算法

利用非下采样Contourlet变换的平移不变性和多方向选择性,考虑非下采样Contourlet变换域内相邻尺度间和同一尺度、不同方向间图像系数和噪声系数之间不同的相关性,根据子带含有信息量的多少,自适应地调节BayesShrink阈值大小,不仅使弱的边缘细节被从噪声中提选了出来,而且避免了将较大的噪声系数判定为图像细...     

基于广义高斯分布的彩色图像检索

为了提高广义高斯分布(GGD)在彩色图像检索中的检索性能和图像识别能力,提出了利用局部特征和全局特征的方法,计算图像中心矩形区域的颜色特征作为局部特征和整个图像应用小波变换后应用统计方法,用广义高斯分布计算小波系数的准确分布,提取全局特征,在Corel和VIEW图像库中进行了检索实验.试验表明:该方法的检索能力优于其单...     

广义高斯分布在数据可视化中的应用

广义高斯分布是一类以高斯分布为特例的对称分布,在科学和工程上都有广泛的应用.利用广义高斯分布对Gabor相位进行建模,所得参数通过PCA降维到2维或3维空间,数据集的信息结构得到直观的展示,实现了数据的可视化.在COIL-100中目标可视化的实验进一步证实了广义高斯分布这一概率模型对没有直接欧几里德表示的数据集建模的可行性.