基于重建图像全角度前投影的硬化校正方法

现有的硬化效应校正方法依赖于射线频谱等先验条件,校正过程较为复杂,因此提出一种基于重建图像全角度前投影的硬化校正方法.对重建后的图像进行区域分割,提取出杯状伪影主要影响的组织区域;然后进行基于像素点的全角度前投影,获得校正基算子;再将校正基算子及其高次方乘积进行线性组合获得校正算子,并将此校正算子应用于原图像从而达到校正的目的.水模、头模和西瓜的校正结果显示,本方法对单物质及近人体的物质重建图像的硬化效应均有较好的校正效果.     

改进的梯度去伪控制算法

针对梯度去伪控制算法中存在的易卡于极点,以及收敛速度慢的缺陷,给出了一种改进的梯度去伪控制算法.在自适应律中加入形式为上一时刻参数变化量的动量项时,当参数为局部极点时就能够跳出极点,而且能够有效地提高系统的收敛速度.该算法只需利用采集的数据,而不依赖于系统模型.仿真结果验证了所给出的改进的梯度去伪控制算法的有效性.     

关于伪Drazin可逆的算子矩阵

元素a∈A称为伪Drazin可逆的,如果存在某个元素b∈A,使得ab=ba,b=bab,ak-ak+1b∈J(A)对某个正整数k成立.文章得到了一系列能保证算子矩阵是伪Drazin可逆的新条件,并且给出一些数值例子,来说明所得结果.     

一种鲁棒的半监督图聚类方法

考虑到?1范数度量比?2范数平方度量更鲁棒,基于?1度量提出了一种更鲁棒的半监督图聚类模型,针对该模型中非光滑目标函数不易优化的问题,利用Majorization-Minimization框架提出了一种新的求解算法并证明了其收敛性.实验结果表明,在监督信息有噪声或错误时,所提出的模型能提高半监督聚类的鲁棒性和有效性.     

求解变分不等式与不动点问题的惯性次梯度外梯度算法

提出了一种求解变分不等式与不动点问题的惯性次梯度外梯度算法,证明了其弱收敛性定理,通过数值实验验证所得的理论结果.     

基于多模块关系网络的2D足迹分类

由于足迹数据的样本量有限,类间差小、类内距大,一般方法难以获取有效的足迹特征表示,导致足迹分类准确度不高.针对双模态2D足迹分类问题,文中提出一种基于小样本学习的多模块网络算法(MulRN),该算法在嵌入单元与关系单元使用了多个模块来提高网络的特征提取能力与特征度量能力,使用具有多分支结构的Inception模块与MR...     

基于学习行为时间序列相似性模型的研究

以学习者学习行为为研究对象,提取了学习行为特征,构建了一组学习行为时间序列数据,提出了一种学习行为时间序列相似性模型;通过学习行为相似性模式的表示、度量和聚类,验证模型的有效性;结果表明,能够很好地对学习行为进行分类,对无效样本有效检验。     

基于自适应MEDLL的伪卫星室内多径估计算法

在室内环境下,室内伪卫星定位系统受多径效应影响严重。针对该问题,提出一种基于自适应多径估计延迟锁定环路(multipath estimating delay lock loop, MEDLL)的伪卫星室内多径估计算法。该算法在MEDLL的基础上增加了一个参考相关器,用参考相关器相关值的标准差作为衡量标准,与其他相关器经过MEDLL算法消除所有信号后的噪声相关值的标准差进行比较,进而得到多径条数。实验结果表明,所提算法对不同时延、幅值的多径适应性都较好,在低信噪比条件下仍能正确估计多径条数。直射信号幅值估计误差均方根相比网格化MEDLL算法最高可以降低59%,相比Teager-Kaiser(TK)-MEDLL算法最高可以降低43%,更加适用于伪卫星室内定位系统抗多径。     

仿射流形上的Monge-Ampère度量

作者研究了仿射流形上的Khler仿射度量,其势函数满足仿射超球方程,证明了满足此条件的Khler仿射度量是Monge-Ampère度量.     

基于多模态共享网络的自监督语音-人脸跨模态关联学习方法

现有的语音-人脸跨模态关联学习方法在语义关联和监督信息方面仍然面临挑战,尚未充分考虑语音与人脸之间的语义信息交互。为解决这些问题,提出一种基于多模态共享网络的自监督关联学习方法。首先,将语音和人脸模态的特征映射到单位球面,构建一个公共的特征空间;接着,通过多模态共享网络的残差块来挖掘复杂的非线性数据关系,并利用其中权重共享的全连接层来增强语音与人脸特征向量之间的关联性;最后,使用K均值聚类算法生成的伪标签作为监督信号来指导度量学习,从而完成4种跨模态关联学习任务。实验结果表明,本文提出的方法在语音-人脸跨模态验证、匹配和检索任务上均取得了良好的效果,多项评价指标相较于现有基线方法提升1%～4%的准确率。