一种变尺度参数的迭代正则去噪算法(英文)

为了降低迭代正则化中定尺度参数对快速收敛的敏感性、自适应地优化尺度参数并提高其去噪效果,提出了一种变尺度参数的迭代正则化去噪算法.首先,修改了经典的正则化项,并推导出尺度参数公式;然后,通过研究迭代次数与尺度参数序列的变化趋势,得到变尺度参数的初始值;最后,进行正则化去噪.数值实验表明:相对于恒定尺度参数的IRM算法,变尺度参数IRM算法比选取尺度参数偏小的IRM算法迭代次数大大减少;比选取尺度参数偏大的IRM算法去噪效果更为明显,并较好地保持了图像的细节.

基于改进的Mean-shift驾驶员人脸跟踪算法研究

为了实现对驾驶员人脸实时跟踪,提出了一种改进的Mean-shift算法。首先对人脸提取类Haar特征,使用类Haar特征构造弱分类器,然后根据样本的权值分布构造出强分类器,形成人脸检测分类器;由于光照变化等因素的影响,引入红外主动照明模式,通过隔离可见光照,基本上消除了光照变化对人脸检测造成的影响;针对Mean-shift算法在被跟踪目标发生快速移动时容易跟踪失败的缺点,改进了Mean-shift算法:当目标发生快速移动时,采用SSD(Sum of Square Dif-ference)算法进行全局搜索。以实际驾驶员人脸检测与跟踪实验为例进行了大量实验,提出的方法比Mean-shift算法的速度快、准确度高。

一种改进的AdaBoost算法在人脸检测系统中的应用

针对复杂背景条件下人脸检测的检测率低、速度慢的问题,提出了一种改进的AdaBoost算法,与遗传算法相结合,产生了一种识别率高、泛化能力好的强分类器,文中称之为GA-AdaBoost算法。该算法首先训练多个支持向量机作为弱分类器,然后用AdaBoost算法将多个弱分类器组合成一个强分类器,在组合的同时采用遗传算法对各弱分类器的权值进行全局寻优。最后,通过试验与传统AdaBoost进行对比,表明了该算法具有识别率高和速度快的优越性。

乐东拟单性木兰引种造林适应性效果分析

本研究对乐东拟单性木兰的引种造林适应性效果分析,结果表明乐东拟单性木兰引种造林中,不同坡位对林分生长影响较为显著,宜在山坡的中、下部,不宜在山坡上部造林;坡向对其林分生长的影响不显著,最好选择土层深厚、腐殖质含量高,水分充足,空气湿度大的迹地造林,这是由乐东拟单性木兰的生物学特性决定的。

杉木、凹叶厚朴混交林的更新效果试验研究

通过对杉木与厚朴混交林更新效果试验研究，结果表明：杉木与厚朴2：1行间混交林分中，杉木较杉木纯林的胸径、树高分别提高12．09％和8．14％；混交林中厚朴较厚朴纯林的胸径、树高分别提高2．30％和22．50％；混交林立木材积比杉木和厚朴纯林分别提高25．63％和80．90％。混交林较杉木纯林表土层（0—20cm）的水稳性团聚体含量增加9．69个百分点，而结构体破坏率则降低了12．17个百分点；混交林与杉木纯林比，表土层最大持水量及田间持水量分别增加了16．45％和24．36％。

笋用毛竹林留养母竹时间的研究

本试验结果表明:集约经营的笋用毛竹林推迟留母可增产增值,谷雨前后留母比清明、谷雨间留母,竹笋产量增加26.9%,产值增加27.8%;比清明前留母产量与产值各增加40%。新留母竹胸围与座底母竹同粗,母竹质量没有下降。