L-fts中强Hausdorff分离性

直接使用的概念见[1],强Hausdorff简记为强H.本文得到如下刻画: 定理1(L~x,δ)为强H的x_λ,y_μ∈M~*(L~X),当xy时,P∈η(x_λ),Q∈η(y_μ)使Q≥x_((supp)(P))(p′的承集的特征函数). 定义1 设S={S_n,n∈D},T={t_n,n∈D}为二收敛的分子网,且n∈D,supp(S_n)=supp(t_n),则称S与T为同族的收敛网.     

相似比α∈[1／4，1／3）的泛Sierpinski垫片的精确Hausdorff测度

讨论了泛Sierpinski垫片的精确Hausdorff测度计算问题．当相似比a∈[1／4，1／3）时．记s=-log3／log α为泛Sierpinski垫片的Hausdorff维数，该文证明了泛Sierpinski垫片的s—Hausdorff测度为1．     

Banach空间中具有非局部条件的积分微分方程

讨论了Banach空间中一类具有非局部条件的半线性积分微分方程,利用Banach空间中半线性微分方程理论和方法、Hausdorff非紧测度性质和不动点技巧,在空间无需可分的条件下,得到当半群失去紧性时上述方程在不同条件下适度解的存在性,改进和推广了该领域的一些已知结果.     

基于布朗模型和小波变换的镀锌钢板表面缺陷分形特征的研究

图像的纹理特征是图像的重要特征之一,图像的分形维数是描述图像纹理特征的一个有效方法.本文在对镀锌钢板图像进行小波变换的基础上,结合分形布朗模型,计算小波分解得到的不同频率下的小波系数图像分形维数,以此作为区分边浪与划痕缺陷的特征。实验结果表明,该特征对区分边浪和划痕两种缺陷很有效。     

基于车辆轮廓定位匹配的车型识别方法

采用背景减法提取运动车辆目标的轮廓,用外接矩形对目标轮廓进行定位,选取轿车、客车和货车3种车型的侧面轮廓作为标准样本,分别计算待识别车辆的侧面轮廓与3种标准样本的匹配程度系数,保留系数较小的两类标准样本,然后采用Hausdorff距离算法计算待识别车辆轮廓与剩余两类样本之间的匹配程度,认定Hausdorff距离较小的两者具有相同的车型.实验结果表明,该方法准确、有效且实时性较好,在高速公路收费站、自动收费停车场等场合具有较大的实用价值.     

带非紧测度的Banach空间中半线性非局部微分方程

本文讨论了可分 Banach 空间中具有非局部初值条件的半线性微分方程在 Hausdorff 非紧测度条件下广义解的存在性.     

Multiple-Instance Learning with Instance Selection via Constructive Covering Algorithm

Multiple-Instance Learning （MIL） is used to predict the unlabeled bags＇ label by learning the labeled positive training bags and negative training bags.Each bag is made up of several unlabeled instances.A bag is labeled positive if at least one of its instances is positive,otherwise negative.Existing multiple-instance learning methods with instance selection ignore the representative degree of the selected instances.For example,if an instance has many similar instances with the same label around it,the instance should be more representative than others.Based on this idea,in this paper,a multiple-instance learning with instance selection via constructive covering algorithm （MilCa） is proposed.In MilCa,we firstly use maximal Hausdorff to select some initial positive instances from positive bags,then use a Constructive Covering Algorithm （CCA） to restructure the structure of the original instances of negative bags.Then an inverse testing process is employed to exclude the false positive instances from positive bags and to select the high representative degree instances ordered by the number of covered instances from training bags.Finally,a similarity measure function is used to convert the training bag into a single sample and CCA is again used to classification for the converted samples.Experimental results on synthetic data and standard benchmark datasets demonstrate that MilCa can decrease the number of the selected instances and it is competitive with the state-of-the-art MIL algorithms.     

地图综合中几何相似性的度量

根据综合前、后地图的几何变化情况,建立了综合地图几何相似性的度量方法.首先提出了度量几何相似性的5个指标（即传统的空间目标距离、Hausdorff距离、对称差面积、旋转函数距离和曲面距离）,然后根据地图综合前后的几何变化建立了这5个几何相似性指标的度量函数,最后提出了面目标几何相似性度量的实现方法.     

不完备轮廓图像小天体三维重构算法

受光照角度的影响,探测器拍摄的小天体图像不完整,三维重构困难。针对此问题,本文提出一种基于不完备轮廓的小天体三维重构算法。该算法利用太阳的方位信息,确定图像上二维太阳光的矢量方向,结合不完备轮廓,计算出扩展轮廓,然后计算出三维包围盒,划分体素,进行三维重构。利用平均半径对重构结果与参考模型的豪斯多夫距离进行归一化,评价重构质量。仿真结果表明,重构误差小于4%的分布概率占95%以上,并对光照角度变化具有一定的鲁棒性。