基于尺度不变特征变换的快速图像特征区域检测

针对快速图像特征区域检测受噪声干扰和尺度空间影响, 导致图像特征区域检测精度较低、 延时较长, 检测结果不可靠的问题, 提出一种基于尺度不变特征变换的快速图像特征区域检测方法. 先通过加权核函数, 加权平滑处理图像中各像素点, 实现图像去噪; 再在此基础上通过构建图像高斯尺度空间确定图像特征点区域, 删除低对比度像素点和边缘像素点, 快速提取图像特征点, 检测特征点所在区域即为图像特征区域. 仿真实验结果表明, 该方法能高效率、高精度地实现快速图像特征区域检测的全面检测.     

基于多变量高斯过程模型的贝叶斯建模与稳健参数设计

针对模型预测偏差和波动的稳健参数设计问题,在多变量高斯过程(multivariate Gaussian process,MGP)建模的框架下,结合质量损失函数和非线性优化约束方法构建一个新的多响应优化模型.首先,利用成对估计方法获得超参数近似值,构建多变量高斯模型;其次,结合MGP模型特征,构造充分考虑响应波动因素的质量损失函数.利用蒙特卡罗模拟方法,获得响应落入指定区间的期望概率;然后,以期望概率为约束,结合本文所提质量损失函数建立优化模型;最后,利用全局优化算法进行寻优,获得考虑响应期望概率的优化结果.实际案例和软件仿真表明,该方法综合权衡了预测偏差和预测波动引起的不确定性对优化结果的影响.获得了兼顾质量损失和期望概率最优均衡解,从而实现稳健参数设计.     

基于GPC的环肋耐压圆柱壳结构失稳概率分析

为评估具有小失效概率特性的深潜环肋耐压圆柱壳结构的失稳概率,提出了一种新的基于高斯过程分类和重要抽样的自适应分析方法.该方法通过引入马尔科夫链蒙特卡洛法和欧式距离,开发了一种新的考虑预测不确定性和取样均匀性的自适应试验设计策略,以便更高效地构造高斯过程分类器;采用核密度估计构造准最优重要抽样密度函数;基于失效概率估计的稳定性,提出了一种更精确的迭代停止准则.通过某一分段函数验证了所提分析方法的准确性及高效性.应用所提方法得到某深潜环肋耐压圆柱壳结构的失稳概率约为8.242×10^-5.     

结合蝙蝠算法改进的密度峰值聚类算法

密度峰值聚类算法(Denisity peaks clustering,DPC)具有聚类速度快、实现简单、参数较少等优点,但该算法的截断距离参数需要人工干预,并且参数的选取对于该算法的结果影响较大。为了解决这一缺陷,该文提出了结合蝙蝠算法改进的密度峰值聚类算法。该算法利用蝙蝠算法较强的寻优能力,寻找合适的截断距离取值,同时对蝙蝠算法的速度更新公式加入了自适应惯性权重来加强全局搜索能力。该算法选择多种数据集进行了实验仿真,并与其他同类算法进行对比。经过对比验证,结合蝙蝠算法改进的密度峰值聚类算法在聚类准确率上要明显优于其他算法。     

基于改进混合高斯模型的前目标提取算法

前目标提取问题已经得到广泛的研究,而传统的混合高斯背模型提取的前目标含有许多误差点。针对这一缺点,本文对静态态背和动态背两种情况建立一种基于局部密度特征的改进的混合高斯模型,并设计相应的提取算法。实验结果表明,新算法可以精确地将前目标与背目标分离,得到的提取效果基本不含误差点,明显优于传统的混合高斯模型。     

基于高斯滤波下的粗糙度不确定度的计算

自由曲面的粗糙度的大小直接反映了表面加工质量的优劣.粗糙度的提取可以通过滤波过程来实现,本文选取高斯滤波来确定粗糙度评定中线,高斯滤波可以得到较为准确的粗糙度.本文将粗糙度评定中线根据波峰和波谷的位置在其临近部分分段模拟为二次曲线,最终分别得到波峰和波谷段的粗糙度评定中线的表达式.在此基础上,建立了关于粗糙度Rz的数学模型.随后采用测量不确定度的标准指南(GUM)来计算粗糙度的不确定度,并采用自适应蒙特卡罗方法(AMCM)来进行比较,得出了高斯滤波模型下通过GUM法来计算粗糙度不确定度是一种有效的方法.     

局部Fisher向量编码与交叉视角二次判别分析的人头重识别

目前行人重识别主要是基于完整人体的研究,但是某些特定场景下,完整行人图片难以获取,因此本文建立一个基于人头的重识别数据库,并提出了相关算法.算法采用局部Fisher向量编码和交叉视角二次判别分析算法,首先基于HSV颜色信息去描述特征,使用高斯混合模型对特征数据建模,然后Fisher向量加权聚合,最后对样本的低维特征子空间和度量矩阵同时进行学习.实验及分析证明了基于人头的重识别算法的可行性,其中基于Rank1的重识别率达到89.29%.     

独立两参数Ornstein—Uhlenbeck过程的无穷级数

研究了独立的平稳OUP_2的无穷级数,证明了在一定条件下,此级数在任何有限矩形上以概率1一致收敛。     

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。