基于估计点的双窗宽核密度估计算法

针对核密度估计中窗宽确定困难的问题,提出了基于估计点的滑动双窗宽核密度估计算法。通过采用固定窗宽的密度估计函数代替假设的正态分布密度函数以及增加求解二次导数的窗宽的方法,对估计域中的每一估计点求取其最优窗宽值,实现了窗宽根据样本的分布情况,在不同的估计点自动调整窗宽的取值。文中给出了算法的具体推导以及实现步骤,给出了多组对比实验。结果表明双窗宽算法在估计结果的精度、平滑度等方面比现有固定窗宽的算法有明显提高。

基于估计点的滑动窗宽核密度估计算法

针对核密度估计中窗宽确定困难的问题,提出了基于估计点的滑动变窗宽核密度估计算法。通过采用固定窗宽的密度估计函数代替假设的正态分布密度函数的方法,对估计域中的每一估计点求取其最优窗宽值,实现了窗宽根据样本的分布情况,在不同的估计点自动调整窗宽的取值。文中给出了算法的具体推导以及实现步骤,给出了对比试验。结果表明,新算法在估计结果的精度、平滑度等方面比现有固定窗宽的算法有明显提高。

基于奇异值分解估计点扩散函数的复原算法研究

基于奇异值分解的性质,从离散退化模型出发,采用理想图像奇异值向量的平均能谱理论,得出用奇异值分解来估计点扩散函数的方法,复原过程用逆滤波法来实现。文中采用奇异值累计和函数的二阶导来确定点扩散函数估计过程中的重组阶数R1,三阶导曲线用于去噪的重组阶数R2的选取。用本文方法进行去噪复原实验,与自动选取法进行比较,去噪复原效果较好。

基于局部点云拓展的法向量估计算法

为了提高基于深度学习的点云法向量估计算法鲁棒性和准确性,提出了一种基于局部点云拓展的法向量估计算法。首先对输入每个顶点的局部点云块进行特征提取,接着利用注意力机制来选取局部点云块中辨识度更好的特征,然后使用最大池化操作对特征进行融合生成该局部点云块的全局特征,最后整合所有特征信息,得到准确性较高的表面法线向量。使用公开数据集对提出的算法进行验证,实验结果证明,相比目前先进方法 PCPNet,该方法能够从稠密点云输入中恢复出更高质量的三维网格模型。

Mntz有理逼近的点态估计

给定 M >0 ,设Λ ={λn} ∞n=1是一个实数序列 ,满足 0≤λ1<λ2 <… ,且对所有 n≥ 1,有λn+ 1-λn≥ Mn .本文得到了 Müntz系统 { xλn}有理逼近的一个点态估计 .

YOLOv3与顶点偏移估计相结合的车牌定位

深层卷积神经网络(deep convolutional neural networks, DCNN)因其能够自动学习图像有效特征,被广泛应用于视觉目标检测.为克服DCNN目标检测算法大多因采用矩形检测框,而无法有效地应对非约束环境下倾斜性车牌的准确定位问题.提出一种可同时输出矩形目标检测框与关键点的车牌定位解决方案,并具体以YOLOv3所用网络为对象,通过扩展其输出维度,增设车牌顶点相对于矩形检测输出框角点的偏移量损失,在保留其高效计算性能的前提下,训练使其可同时输出矩形检测框及车牌顶点,实现精准定位.在广泛使用的大型非约束性车牌数据集CCPD上的实验结果显示,所提算法不仅可以准确检测车牌顶点,而且能够在Base,Tilt和Weather子集上取得99%以上的定位精度.该方法还可扩展至其他需同时输出目标检测框及关键点的应用领域,具有较好的应用价值.

基于Kalman点匹配估计的运动目标跟踪

针对目前的角点匹配跟踪实时性差和抗遮挡、相似性物体等环境因素能力差的缺点,提出了一种基于Kalman点匹配估计的目标跟踪方法。通过在Kalman滤波粗定位的基础上,提取具有一定的抗几何缩放能力的多尺度Harris角点,对获得的其响应函数值进行加权以及目标区域进行恰当的分块,然后,将各块中的响应函数值求取平均值组成特征向量,在搜索域内进行点匹配跟踪。实验结果表明,该算法计算效率有很大的提高,能够用到实时的目标跟踪系统中,且对环境因素的影响有一定的鲁棒性。

基于随机分布估计的点云密度提取

针对目前密度提取方法提取的密度信息不能表现点云局部分布信息和分布随机性的缺陷,提出结合随机分布估计的密度提取方法。该方法采用分块计数法得到每个小分块的密度,结合点云总体的密集度得到一个能够反映点云局部积聚特征的参数,为判别点云分布的随机性、均匀性等提供较好的特征依据。

关于一类Müntz有理逼近的点态估计

给定M>0,设Λ={λn}n=1∞是一非负实数序列,满足λn+1-λn≥Mnlnn对所有的n≥1成立,本文给出了Müntz系统{xλn}的有理逼近在区间[0,1]之右端点1处的点态估计.

基于仿射参数估计的迭代点匹配算法

本文提出了一种新的迭代点匹配算法。算法建立点集间仿射映射关系,把匹配问题转化为函数优化问题,通过点集间匹配对应关系和仿射变换参数的反复迭代最终求出问题的解。文中提出了构造虚拟点对和最小方差两种仿射参数估计方法,并利用改进最近点原则求解点集匹配关系,且证明了算法的收敛性。本文算法较好地解决了由仿射带来的非刚性形变点集匹配问题,且有很好的抗噪声和点性能。实验证明了算法的有效性和鲁棒性。

三点定位估计算法在WSN定位中的优化研究

在WSN中通常使用RSSI进行节点定位,在大部分研究中存在所假设的锚节点的移动轨迹相对理想化等问题。为了提高定位精度,文中提出了三点定位估计算法,设定初始时锚节点以随机角度做直线运动,任意未知节点在锚节点转向之前,随机选取两组RSSI值进行一次坐标计算,转向之后,每收到一组RSSI值就对坐标计算结果进行一次确定,最后对每次的确定结果进行加权估计,最新的确定结果所占权重最大。对比常见的PI算法和DuRT算法进行仿真分析,在锚节点以随机角度作直线运动轨迹情况下,三点定位估计算法在收敛速度表现较好的情况下,能够得出相对更高的定位精度。

分母为正系数多项式的有理函数逼近的整体和点态估计

对任意定义在[0,1]上的非负连续函数f(x)(f■0),该文证得:存在一个正系数多项式P_n(x)∈Π_n(+),使得其中A_n(x)=(x(1-x))^(1/2)+1/n^(1/2),0≤λ≤1,而Π_n(+)表示由所有次数不超过n的正系数多项式构成的集合.当f(x)在(0,1)内恰好改变l次符号时,该文构造了有理函数r(x)∈R_n^l(+)。

利用公共耦合点电压估计的微电网逆变器下垂控制策略

孤岛运行是微电网的一种典型运行模式。针对该模式下低压微电网配电线路阻抗不匹配会导致网内并联逆变器间无功功率分配不平衡、从而使公共点电压、频率产生波动的问题,本文提出了一种利用公共耦合点电压估计的微电网逆变器控制算法。具体策略是采用公共耦合点电压估计提供dq旋转坐标变换测量值,同时结合PI电流内环、电压外环的双环控制策略,可以有效解决配电线路阻抗不匹配时微电网逆变器间无功功率的合理分配问题,保证了供电电能质量。最后采用PSCAD仿真软件搭建了微电网控制模型并进行仿真,验证了该控制方案的合理性与有效性。

Bernstein算子线性组合同时逼近的点态估计

借助于光滑模ωrφλ(f ,t) (0≤λ≤ 1 )给出了

正系数多项式倒数逼近的点态和整体估计(英文)

利用Ditzian Totik光滑模对于 [0 ,1 ]上定义的非负连续函数f(x) ,且f(x) 0 ,文中证明存在正系数多项式Pn(x)及常数C ,使得 f(x) - 1Pn(x) ≤Cwφλ f,n-1/ 2 φ(x) + 1n1-λ .当λ=1时 ,上述结果导出已有的整体估计 ,而当 0 ≤λ <1时 ,得到倒数逼近一个新的点态局部估计 .

第三型S.N.Bernstein插值多项式算子逼近阶的点态估计

主要研究了以第一类Chebyshev多项式的零点作为插值节点而构造的第三型S .N .Bernstein插值多项式算子Hn(f ;x)对于C[- 1,1]连续函数类一致收敛 。

关于Müntz有理逼近的点态估计

给定M>0,0<α<1,非负实数序列{λn}n-1满足λn+1-λn≥mn^1+n以地所有n≥1成立，给出了Müntz系统{x^λn}有理逼近在区间[0，1]之右端点1处的点态估计。

误差方差不等的变量含误差直线回归模型──参数的驻点似然估计及强相合性

本文讨论了含有一个自变量且自变量误差方差与因变量误差方差不等的变量合误差线性回归模型。由于对这种模型最大似然估计失去作用，文中提出了一种新的估计方法──驻点似然估计。这种方法就是，用使似然函数达到驻点的参数值作为参数真值的估计。作为此估计法的实际应用，本文导出了所讨论模型的参数的驻点似然估计。然后证明了所得到的估计在一定条件下是模型参数的强相合估计。

Szász-Kantorovick概率型算子的点态估计(英文)

利用新的Ditzian光滑模导出了Szász-Kantorovick概率型算子的点态估计.

有界泊松曲面约束的曲面样点法向稳健估计

对存在噪声、非均匀采样等缺陷的曲面样本,基于样点及其邻近样点构成的局部样本通常无法稳健逼近曲面局部区域,导致样点法向难以准确估计。为抑制样本缺陷对样点法向估计的影响,提出一种以有界泊松曲面逼近局部样本作为约束的样点法向加权估计算法。对待估计法向的样点,该算法对其所属曲面局部样本作增益优化处理,使得曲面局部样本具备边界保护区域;在样点的Frenet标架中以泊松曲面逼近该样本,基于样本的边界保护区域将泊松曲面的离散网格转化为有界形式,从而建立样点邻域的曲面约束,以有界泊松曲面离散网格中距样点最近的网格面片作为样点的参考面片,基于顶点邻域面的正则度及邻域面到该顶点的测地距离估计参考面片顶点法向,将参考面片各顶点法向的加权求和结果作为样点法向的估计结果。实验结果表明:曲面样本噪声水平不高于20%时,可将法向计算误差控制在π/18以内,且所得法向过渡较为光滑。证明了该算法适用于复杂曲面样本,可稳健处理存在噪声以及采样不均匀等缺陷的曲面样本的样点法向估计问题,实现曲面样点法向的光滑过渡。