一类有理Bezier曲线的类de Casteljau算法及de Casteljau-型子分割

Bezier曲线的一个良好性质是 de Casteljau算法不仅可以用于升阶 ,而且可以用于子分割 .本文主要研究基于有理调配函数的一类有理 Bezier曲线的类 de Casteljau算法及 de Casteljau-型子分割方法 .第一部分从一类有理 Bezier曲线的递推关系出发 ,讨论这一类有理 Bezier曲线的类 de Casteljau算法 .第二部分给出了这一类有理 Bezier曲线的 de Casteljau-型子分割方法 .

等高线数据压缩的量子分割方法

一、引言 数字化的等高线数据占据了很大的计算机存贮空间。同时,基于这些数据的显示和处理也需要花费大量的时间。因此,数字化等高线数据的压缩,对于地理信息系统的数据处理是非常重要的。为此,本文提出了等高线数据压缩的量子分割方法,同时进行了实验性研究。该方法编程简单、使用方便且适用于微机。 当大量的等高线数据经过计算机处理、输出显示时,采用全部数据点进行插值的方法是非常耗费时间的。但是从处理过程看,还没有更合适的方法。在各种坐标数据中,假设有多组同方向矢量,那么从通过等高线的具有同一方向矢量的连续数据群中,起始点与终点之间可以插值。

SmartSequence与SlidingWnd两种子野分割算法的比较

目的:本研究试图比较Elekta Xio TPS(版本:4.62)计划设计中使用SmartSequence和SlidingWnd两种子野分割算法的特点。方法:对9例宫颈癌患者优化计划设计后的射野通量分布,分别用两种子野分割算法分别分割子野,将剂量归一到95%ptv=5000 cGy。然后利用剂量体积直方图(DVH)、靶区和危及器官的剂量分布、子野数、机器跳数(MU)以及治疗时间,对两组计划进行比较。结果:两种子野分割算法得到的计划均满足临床要求,剂量分布基本一致,DVH接近。相对于SlidingWnd子野分割算法,SmartSequence分割算法得到的子野数数目平均减少了28%,总MU数减少了20%,但是在治疗时间上没有明显优势。结论:在维持治疗计划方案质量相同的条件下,与SlidingWnd子野分割算法相比,SmartSequence分割算法可以显著减少子野数和总MU数。

基于投影最小二乘回归子空间分割的基因表达数据聚类

子空间分割方法是一种重要的机器学习方法,现有的子空间分割方法一般在原样本空间上进行研究.文中借鉴现有的降维方法将投影技术与最小二乘回归子空间分割方法结合,提出投影子空间分割的基因表达数据聚类方法.该方法通过交替优化求解投影矩阵和重构矩阵,同时实现降维和聚类.在6个基因表达数据集上的实验表明文中方法的有效性.

基于双阈值滑动窗口子镜头分割和完全连通图的关键帧提取方法

随着多媒体技术的发展,当今工作和生活中的多媒体信息日渐丰富。如何通过分析海量视频快速有效地检索出有用信息成为一个日益严重的问题。为了解决上述问题,提出了一种基于双阈值滑动窗口子镜头分割和完全连通图的关键帧提取方法。该方法采用基于双阈值的镜头分割算法,通过设置双阈值滑动窗口来判断镜头的突变边界和渐变边界,从而划分镜头;并采用基于滑动窗口的子镜头分割算法,通过给视频帧序列加一个滑动窗口,在窗口的范围内利用帧差来对镜头进行再划分,得到子镜头;此外,利用基于子镜头分割的关键帧提取算法,通过处理顶点为帧、边为帧差的完全连通图的方法来提取关键帧。实验结果表明,与其他方法相比,提出的方法平均精确率较高,并且平均关键帧数目较低,可以很好地提取视频的关键帧。

潜在最小二乘回归子空间分割方法

子空间分割已逐渐成为高维数据聚类的有效工具,但数据缺失或噪声干扰将直接影响子空间分割方法中仿射矩阵的构造,进而影响聚类效果.为解决这一问题,文中提出潜在最小二乘回归子空间分割方法,分别从行和列两个方向重构数据矩阵,并交替优化两个重构系数矩阵,充分考虑两个方向的表示信息.在6个基因表达数据集上的实验表明文中方法优于现有子空间分割方法.

结合子层分割和自适应函数引导的规定化图像增强

为了更好地辨别低照度图像中的目标，提高图像的对比度并增强纹理细节信息，采用子层分割规定化算法对图像进行增强处理，提出一种结合子层分割和自适应函数引导的规定化图像增强算法。首先根据原始图像直方图的特点对直方图进行子层分割，之后通过对分割后的子层进行灰度区间拉伸来提高图像的亮度，以增强图像的对比度；为了增强图像中的细节信息，在每个子层求取自适应函数来对每个子层做规定化处理；最后对子层直方图合并，得到增强后图像。实验结果证明，经过增强后图像的灰度平均梯度值为原始图像的3～4倍，信息熵也明显增大；该算法在增强图像细节、提高图像的对比度上具有优越性。

基因表达数据的低秩投影最小二乘回归子空间分割

基因表达数据具有高维、小样本、多噪声和高冗余的特点,使传统聚类方法效率较低.子空间分割是高维数据聚类的有效手段,但直接对基因表达数据进行子空间分割会降低聚类性能.为了更有效地聚类,文中提出低秩投影最小二乘回归子空间分割方法.首先利用改进的低秩方法将数据投影至潜在子空间,以便去除数据中可能的毁损,得到较干净的数据字典.然后采用最小二乘回归方法获得数据低维表示并构造仿射矩阵,利用该仿射矩阵实现聚类.在6个公开基因表达数据集上的实验表明文中方法的有效性.

基于核最小二乘回归子空间分割的高维小样本数据聚类

针对基于线性表示理论的子空间分割方法没有考虑高维小样本数据的非线性性质,借鉴核理论,提出核最小二乘回归子空间分割方法,使子空间分割方法适合高维小样本数据的非线性性质.经6个基因表达数据集和4个图像数据集上的实验,表明该方法是有效的.

融入距离信息的最小二乘回归子空间分割

有效分类基因表达数据有助于癌症的诊断,而基因表达数据的高维数、小样本特点使基因表达数据分类困难。针对这个问题,在最小二乘回归子空间分割算法中考虑距离信息,提出融入距离信息的最小二乘回归子空间分割算法。融入距离信息的最小二乘回归子空间分割模型除了考虑数据之间的相关性,还考虑了数据之间的距离信息。在基因表达数据集上的实验结果表明,所提出的算法是有效的聚类方法。

基于子网络结构属性的网络分割研究

Girvan和Newman等人提出了一种基于"中间状态边"概念的网络分割算法,成为研究网络结构的代表性算法。根据"中间状态边"概念,提出了一种新颖的网络分割算法:该算法通过分析构成子网络的两个结构属性,给出了一种划分子网络的方法。根据计算机生成的随机网络和一些真实世界网络的子网络划分实验表明,该算法具有划分准确、计算量小的优点。

基于子段分割的人脸识别方法

针对视频序列中人脸识别效率低、扩展性差的缺陷,提出一种基于子段分割的人脸识别方法。以任务需求为牵引,将识别系统划分为前端处理子段和功能实现子段。前端处理子段实现目标行人的检测、跟踪以及特征提取;功能实现子段主要实现特征匹配及人脸识别任务。采用蝙蝠优化算法对前端处理单元进行负载均衡优化,平衡各子单元的处理时间和视频任务分配,优化CPU的利用率,降低硬件系统成本。实验结果表明,所提方法在保证人脸识别精度的同时,提升了系统的识别效率,增强了系统的扩展性能,CPU占用率改善了49.5%。

权自适应最小二乘回归子空间分割法

基于表示理论的子空间分割方法有着广泛的应用。经典的子空间分割方法通过不同的正则项求解仿射矩阵,而忽略了特征属性对子空间分割的影响。针对这些问题,通过特征权重自适应的思想对最小二乘回归子空间分割方法进行改进,提出权自适应最小二乘回归子空间分割方法。在6个数据集上的实验结果表明该方法是有效的。

HDTV视频编码器系统子图分割并行处理单元的设计与实现

设计了遵循 MPEG-2 MP@HL压缩标准的 HDTV视频编码器基于水平条状分割系统方案的协议结构、实现模型和控制流程 ,同时也提供了后端并行编码的各子编码器压缩子码流合成的实现机理。分割并行处理方案必须处理两个关键问题 :子图序列编码及拼接的同步、子图压缩码率的分配。本文着重就前者的设计实现进行了详细分析 ,根据设计的分割方案定义了特定的图像数据接口协议 ,确保从基本物理层结构到应用层规范都符合 HDTV视频编码器的性能。同时在尽可能满足图像质量一致性的基础上 ,基于几种码率分配策略提供了系统测试结果。

基于小波域混合状态隐马尔科夫树模型的文本图像子带分割算法

针对文本图像提出了一种基于小波域混合状态HMT(H idden M arkov Tree)文本图像子带分割算法.该算法在充分考虑经二维小波变换后各子带之间相关性的同时,分别对背景、文字、图片三种纹理建立了不同状态的HMT模型,并且通过计算机仿真实验说明了该算法的有效性.

基于子图分割和BP神经网络的人脸识别方法

人脸识别是指利用计算机分析人脸图像,在安全系统、刑侦方面有非常大的应用空间,本文主要分析基于子图分割和BP神经网络的人脸识别研究,证明该方法运行速度快、效果好,具有使用价值。

基于局部强化最小二乘回归子空间分割的基因表达数据聚类

利用局部约束协同表示法改进最小二乘回归子空间分割方法,提出局部强化最小二乘子空间分割方法(LSLSR)。该方法通过近邻样本的协同作用强化重构系数使得LSLSR有更好的抗噪能力,结果表明该方法有较高的聚类准确率。

流形降维最小二乘回归子空间分割

子空间分割方法一直是一种重要的机器学习方法,这些方法在人脸识别和基因表达数据识别等研究中有较好的聚类准确率。然而,这些方法在对高维小样本数据进行聚类时难以取得理想的结果。为了解决这些问题,借鉴流形降维中的局部保持投影法和最小二乘回归子空间分割法,提出流形降维最小二乘回归子空间分割法。该方法通过局部保持投影进行降维,再利用最小二乘回归子空间分割方法实现聚类。在6个生物基因表达数据集和2个图像数据集上的实验表明了该方法的有效性。

基于子段分割的人脸识别方法

随着我国经济的快速发展,国家越来越重视人脸识别的方法研究。人脸识别是模式识别领域的一个重要分支,在人类的生产生活各方面的应用十分广泛,与其他识别方式相比人脸识别具有唯一性和稳定性。基于此,本文主要针对现阶段的子段分割下的人脸识别方法进行简要分析,并提出了相应合理化建议。

基于子图分割和自适应噪音方差的2D移动机器人定位方法

基于子图分割和自适应噪音方差的2D移动机器人定位方法,不仅能有效地检测闭环,而且能更精准地估计移动机器人的位姿。首先,子图分割能够有效提高移动机器人的定位效率,通过匹配局部子图也能提高闭环检测的准确性,减少测量噪音的影响。与之前工作不同的是,根据2D几何特征点的个数来分割子图,使得子图中有足够的特征点,进而提高闭环检测的准确性。其次,在利用unscented卡尔曼滤波(UKF)模型时,使用自适应的噪音方差来估计移动机器人运动路径,使得每次UKF的预测方差与移动机器人当前环境有关,当检测到闭环时,通过UKF融合闭环定位信息,可以更准确地估计机器人位姿。在实验中,首先使用两组经典的移动机器人地图数据来比较基于特征点分割子图的方法与基于帧数分割子图的方法在闭环检测时的准确性;然后使用真实的移动智能车在室内环境进行实验,证明了自适应方差比常量方差有更高的定位精度。