大范围求解非线性方程的加速迭代法

为了解决一些传统方法不能解决的非线性方程求根问题,提出一种大范围求解的加速迭代法,利用卷积实现了大范围内选用初值,并加速过渡到根的邻域中,由于在局部迭代求根的过程中采用了松弛参数,局部迭代过程得到加速,加速效果非常明显.相关算例显示这种加速迭代算法不仅能在大范围内选取初值,不用计算导数,而且计算量和迭代步数少,收敛速度快,计算精度高.     

涉及Fibonacci数和Lucas数的多重卷积公式

根据Fibonacci数{Fn}和Lucas数{Ln}的递归关系,研究了关于Fibonacci数和Lucas数的生成函数∑∞n=1Fn2xn和∑∞n=1Ln2xn.利用第一类Stirling数和第二类Stirling数,获得了涉及Fibonacci数和Lucas数的多重卷积公式,推广了WChu的相关结论.     

基于生成对抗网络的海马子区图像分割

海马子区体积很小且结构复杂,传统分割方法无法达到理想分割效果,为此引入生成对抗网络模型用于海马子区图像分割.该方法构建一个生成对抗网络模型,通过构建生成网络和对抗网络并对其进行交替对抗训练实现对脑部海马子区图像的像素级精确分割.实验选取美国旧金山CIND中心的32位实验者的脑部MRI图像进行海马子区分割测试,在定性和定量方面分别对比了所提方法基于稀疏表示与字典学习方法和传统CNN的分割结果.实验结果表明,该方法优于基于稀疏表示与字典学习和CNN方法,海马子区分割准确率有较大提升.该方法提升了海马子区的分割准确率,可用于大脑核磁图像中海马子区的分割,为诸多神经退行性疾病的临床诊断与治疗提供依据.     

具卷积核和Cauchy核的奇异积分方程的求解

本文综述介绍了关于具卷积核和Ｃａｕｃｈｙ核的奇异积分方程的求解研究，提出了几个需在今后研究中进一步讨论的问题．     

基于深度卷积网络与空洞卷积融合的人群计数

利用空洞卷积设置不同空洞率,得到不同感受野的特点,提出一种基于深度卷积Visual Geometry Group19(VGG19)和空洞卷积相融合的结构.所采用的结构不受输入图像尺寸以及分辨率影响,通过设置锯齿状空洞率,扩大网络的感受野,在保持分辨率良好的情况下,可以较为精确地定位目标,提高检测准确性.经验证,该算法在Shanghai-tech标准数据集上具有较高的实验准确率.     

基于卷积滤波三维形貌光学检测中频谱自动移位的实现

在投影栅相位法测量三维物体形貌技术中 ,利用栅线图像的条纹灰度值分布具有极大极小的特性 ,提出了一种有效算法 ,其特点是基于卷积滤波技术实现频谱的自动移位 ,而不需要利用频谱分析和频谱图来进行 ,提高了图像处理的速度和形貌检测技术的自动化程度     

基于纠错码的ADSL信道信噪比估计算法

通过卷积编码的信息来估计信道信噪比 ,以利于ADSL网络的自适应传输 ,由于算法简单实用 ,且可以在传输过程中实时地更新信道信息 ,故非常适合于实际运用 .文中的仿真结果表明 ,该基于循环纠错码的信道信噪比估计算法在实际系统中具有很好的性能 .     

一种抗旋转、抗尺度变化的图像匹配算法

在研究圆投影、参数化模板、直方图不变距的基础上,提出了一种基于圆投影矢量和变换与参数化模板相结合的图像匹配算法.首先用计算量较小,并具有旋转不变性的圆投影矢量和变换的方法对输入图像进行投影,将图像投影到矢量空间当中,然后采用参数化模板的方法对图像进行可变尺度的匹配选出可能性较大的匹配点,最后利用图像的直方图的不变矩做进一步的匹配.解决了模板图像与待测图像之间存在旋转和尺度变化的问题,同时采用欧氏距离进行匹配,避免了传统方法中计算相关函数的巨大计算量.实验表明这种算法不仅提高了匹配的速度,而且在目标图像发生     

基于奇偶交叉卷积的轻量级图像语义分割网络

传统轻量级图像语义分割网络中的跨步下采样卷积导致感受野呈现刺状分布，使得像素点利用率出现系统偏差，影响分割精度的提升。为此，针对传统的轻量级图像语义分割网络设计一种奇偶交叉卷积的下采样模块，在跨步奇数卷积模块前增加单步偶数卷积模块，在一定程度上缓解了刺状分布带来的不良影响，消除了分割网络中不同空间位置上像素利用率的偏差，最终提高了模型对像素点的分割精度。通过7种不同轻量级图像语义分割网络的对比可以看出，所提模型可以明显消除刺状分布，使分割网络的精度进一步提高，同时也证明了该模型适用于不同的轻量级网络，具有普适性。     

q-Kampé de Fériet函数的简化和求和公式

利用著名的Jackson变换和Heine变换公式建立了几个一般形式的双变量q-级数变换公式。经过参数特殊化,推导出一系列关于q-Kampé de Fériet函数的简化与求和公式。