SIFT与核局部不变映射结合的特征描述算法

为更好地实现图像跟踪,寻找更具鲁棒性和计算简便的特征描述子,提出了一种基于核局部不变映射的尺度不变特征转换(scale-invariant feature transform,SIFT)特征描述算法。该算法在继承SIFT算法良好性质的基础上,依据不同空间尺度下能量特征差异性,对尺度内的子图像层数进行细化,以提高稳定特征点的数量。此外,借助核方法的映射特性,解决了局部不变映射法丢失非线性高维特征的问题,形成一种基于核局部不变映射的非线性降维法,进而对特征描述子进行特征重划。实验结果表明,在图像尺度缩放、旋转、模糊、亮度变化等多种场景下,相较现有的主成分分析-SIFT算法,该描述子不但取得更多的稳定特征点,而且计算速度也得到大幅提升。

利用核局部保持映射分析到达时间定位问题

为降低测距误差对定位精度的影响,提出了一种基于核局部保持映射(KLPP)的定位算法。该算法以节点间的传输时间向量为输入,借助能够体现网络拓扑结构局部信息的核局部保持映射进行建模。仿真结果表明:基于KLPP的定位算法与传统基于核函数主成分分析(KPCA)的定位算法相比,在解决TOA定位问题时具有较高的定位精度,在复杂环境下能更有效地降低测量误差对TOA定位精度的影响。

Quantale上的双侧核映射

引入Quantale上双侧核映射的概念,研究双侧核映射的若干性质,证明一个核映射是局部核映射当且仅当它是双侧的、幂等的。

Quantale的最大左半可换商

通过引入Quantale上左半可换核映射的概念,用Quantale中的左准对称元给出最大左半可换商的刻画,证明了左半可换Quantale范畴是Quantale范畴的反射子范畴,并讨论了局部核映射与左半可换核映射之间的关系.