儒可夫斯基函数的性质及其应用

本文主要研究了儒可夫斯基函数的映射性质,并利用其性质,给出了它在复解析动力系统与电磁学领域的两个简单应用。     

基于L_0约束的稀疏子空间聚类

大数据时代背景下,随着所获数据数量和维度的不断增加,高维数据的处理成为聚类分析的重点和难点.基于同一类别高维数据通常分布在高维环绕空间的低维子空间这一事实,子空间聚类成为高维数据聚类分析领域的重要方法.稀疏子空间聚类(Sparse Space Clustering,SSC)通过交替方向乘子法(Alternating Direction Method of Multipliers,ADMM)对数据矩阵的稀疏自表达系数进行求解,发现分布于低维子空间并集中的数据的稀疏表示并进行聚类.但是ADMM参数多、收敛速度慢,其效率难以满足对大规模数据库进行聚类分析的要求.针对这一问题提出了基于L_0约束的稀疏子空间聚类方法,该方法使用正交匹配追踪(Orthogonal Matching Pursuit,OMP)算法求解L_0约束的自表达稀疏重建问题,构建数据集中各数据之间的相关性矩阵,最终对相关性矩阵应用谱聚类方法得到聚类结果.根据OMP算法每次迭代之间的耦合关系对其进行优化,进一步降低了计算复杂度,提高了算法效率.在生成数据和Extended Yale B database人脸数据库的实验结果表明,该算法与SSC相比,在显著减少计算时间的基础上,取得了与SSC相当的聚类准确率.     

隐马尔科夫测量场在区域跟踪中的应用

为了提高复杂背景下视频对象跟踪的有效性和鲁棒性,提出了一种基于隐马尔科夫（HMMF）模型与特征一空间联合分布的视频序列对象跟踪算法,其特点是将视频序列的对象跟踪问题描述为将当前帧分割为跟踪区域和非跟踪区域的动态图像分割问题．基于HMMF模型,将最优标记场估计问题转化为连续函数最优化问题．同时,将跟踪区域和背景区域的特征-空间联合概率分布作为贝叶斯估计中的条件分布,并且引入了改进的快速高斯变换来高效地估算分布函数．实验表明,这些技术使得跟踪算法对区域的局部形变和遮挡具有很高的鲁棒性,且具有较高的效率．     

飞秒激光辅助白内障超声乳化术治疗白内障临床观察

目的：探讨飞秒激光辅助白内障超声乳化术（FLACS）与传统白内障超声乳化术（Phaco）对白内障患者视功能、角膜曲率及角膜散光的影响。方法:选取我院2020年1月到2021年12月收治普通白内障患者60人（60只眼）,根据患者意愿选择手术方式并进行分组,接受FLACS的患者为FLACS组,共30例（30眼）,接受Phaco的患者为Phaco组,共30例（30眼）。对患者术前一般情况,术中超声乳化能量释放量、有效超声乳化时间、视力、并发症情况进行比较分析。结果：两组患者术前一般资料比较无差异（P>0.05）。两组患者术后1 d,1 w,1月的视力均优于术前。术中平均超乳能量FLACS组低于Phaco组（均P<0.05）。两组有效超乳时间比较无明显差异（P>0.05）。FLACS组对比Phaco组患者术后角膜曲率、角膜散光较术前改变度小,差异有统计学意义（P<0.05）。两组患者角膜水肿发生情况比较差异有统计学意义（P<0.05）。结论：FLACS治疗白内障安全、有效,可显著降低术后内皮细胞丢失率、快速恢复视力,对角膜曲率影响小,不增加术中角膜散光,减少并发症...