基于区域重叠核加权Hu矩的SIFT误匹配点剔除算法

针对尺度不变特征变换(scale invariant feature transform,SIFT)算法在特征点匹配时容易出现误匹配现象,提出了一种基于区域重叠核加权Hu矩的SIFT误匹配点剔除算法。该算法首先通过对SIFT描述子区域内的重叠4邻域计算Hu矩,生成能够描述纹理特征与轮廓特征的种子点描述子;其次,根据描述子的区域特点利用核函数对种子点描述子进行加权,生成63维区域重叠核加权Hu矩描述子;最后用巴氏(Bhattacharyya)系数计算归一化后描述子的相似度,并剔除相似度较小的匹配点。将该算法与其他3种算法进行对比,实验结果表明,该算法的鲁棒性最强,实时性较高,综合性能最优。

变窗宽核加权估计下的变形趋势拟合方法

变形监测数据处理的方法有很多,但这些方法对数据量及数据的采集方式有特定的要求,或者计算过程复杂。针对这些问题,提出了基于变窗宽核加权估计的变形趋势拟合方法,即先用较大窗宽的核加权估计去拟合变形的整体趋势,再用较小窗宽的核加权估计去拟合残余变形量——局部趋势。并针对这一新方法,提出了一种新的窗宽计算方法,即时序间隔标准差窗宽。以某大坝某一监测点32期的高程变形拟合为例,比较了不同的窗宽以及不同变窗宽组合的核加权拟合效果。结果表明,采用时序间隔标准差窗宽的核加权拟合比经验窗宽的拟合精度高;而基于变窗宽的核加权拟合比前两者精度更高。

基于核加权类对准则的高光谱影像特征提取

针对高光谱遥感影像中相似光谱的不同地物与野类同时存在时,提取有效的非线性可分性特征的问题,提出一种核加权类对准则。首先,推导出类对形式的核线性判别分析准则,即核类对准则,将核类间和类内散布矩阵均表示为类对形式。然后,提出核加权类对准则,依据核空间中各类对的可分性分别对各类对的核类间和类内散布矩阵进行加权,使得各类对的可分性均衡地保留在特征子空间中。采用K近邻分类器和最小距离分类器评估特征提取的效果。基于两个实测高光谱遥感影像的实验结果均表明:相比原空间法、核线性判别分析方法和kernelweightedpairwiseFisher准则,所提核加权类对准则在降维的同时,通过提高可分性小的类对的识别率来提高整体地物识别率。

基于核加权KNN和多目标优化的众包平台定价系统设计

随着科技的发展,众包模式越来越受到人们欢迎,而任务定价合理程度关乎众包平台的发展。因此,本文针对任务定价问题,结合数据挖掘和多目标优化理论,设计了基于核加权KNN和多目标优化的众包平台定价系统。首先,分析影响任务定价的相关指标,构建基于核加权KNN的接单判别模型,并利用PSO算法优化参数,增加模型预测精度与鲁棒性。其次,以任务完成率最大、任务总价最小为目标函数,构建多目标优化模型。通过贪心法得出每增加1%任务完成率所需要最少的加价额度,采用有序样品最优聚类,根据最优分割点确定最佳定价方案,保证众包平台能在最小的代价下得到最好的发展。最后,提供众包平台定价系统的设计建议与改进方向。

加权核范数最小化和改进小波阈值函数的图像去噪算法

针对加权核范数最小化算法存在结构残余噪声以及无法较好地保持图像边缘结构的问题,提出基于加权核范数最小化和改进小波阈值函数的图像去噪算法。利用全变分模型对噪声图像进行初步去噪,使用噪声图像与初步去噪后的图像进行差分运算,对差分后得到的噪声残差图像使用改进的小波阈值函数去噪,将小波去噪后的残差图像与初步去噪图像叠加,将叠加后的图像使用基于残余噪声水平迭代的加权核范数最小化算法进行二次去噪。相较于当下主流去噪算法,经该算法处理后的图像的PSNR和SSIM值均有所提升,能够更好地保持图像的纹理结构,且在高噪声环境下效果更佳。

基于改进的加权核范数最小化的地震资料去噪方法

在实际的地震资料中含有各种不同类型的随机噪声,会降低地震资料的信噪比和对有效信号的分析,因此去噪是地震资料处理的首要步骤。加权核范数最小化(WNNM)作为地震资料去噪的有效方法之一,利用图像的非局部相似性,是一种低秩矩阵逼近方法,并且为不同的奇异值分配不同的权重。同时离散余弦变换(DCT)是试图对图像进行去相关,是一种稀疏变换。本文从地震数据的稀疏性和非局部相似性出发,利用局部地震资料的稀疏性和地震数据的空间信息,我们提出了一种使用稀疏性和低秩正则化的地震去噪方法(WNNM-DCT)。实验结果表明,本文提出的方法相对于WNNM和其他去噪方法,能更好的去除噪声,保留图像的有效信息。

加权右核逆及加权右伪核逆的刻画

利用代数方法考虑*-环上加权右核逆和加权右伪核逆的刻画问题.首先,引入加权右核逆的概念;其次,利用3个方程和右可逆元分别给出其刻画;最后,给出加权右伪核逆的定义和刻画.

基于联合加速近端梯度和对数加权核范数最小化的地震数据重建

由于地表障碍或经济限制,采样的地震数据通常是不完整的,因此地震数据重建是地震研究中的一个重要课题。本文提出一种基于联合加速近端梯度和对数加权核范数最小化的地震数据重建方法。首先通过纹理块算子对原始地震数据进行低秩预处理,然后使用加速近端梯度算法对低秩地震数据进行初步重建,最后提出对数加权核范数算法,用该算法解决优化问题并重建缺失数据。合成地震数据和真实地震数据对比实验结果表明,相比于奇异值阈值、加权核范数以及基于最大化最小化框架的非凸对数和函数算法,本文算法的重建结果在定量和定性分析上均有提升:在40%缺失率合成数据集上的信噪比为26.1357 dB,重建误差为6.7894;在30%缺失率Mobil Avo Viking Graben Line 12数据集上的信噪比为17.2478 dB,重建误差为4.7625;在60%缺失率Netherlands F3数据集上的信噪比为26.0581 dB,重建误差为7.4641。

基于加权核范数与3D全变分的背景减除

针对鲁棒主成分分析模型(Robust Principal Component Analysis,RPCA)一般将前景看作背景中存在的异常像素点,从而使得在复杂背景中前景检测精度下降的问题,提出一种基于加权核范数与3D全变分(3D-TV)的背景减除模型。该模型以RPCA为基础,利用加权核范数来约束背景的低秩性,考虑了不同奇异值对秩函数的影响,使其更接近实际背景的秩;然后利用3D-TV来约束前景的稀疏性,考虑了目标在时空上的连续性,有效抑制了复杂背景对前景提取造成的干扰。实验结果表明,与其他4种算法对比,所提模型的F值基本上是最优的,且能准确地分离图像中的背景和前景。

Clifford分析中一类具有加权k-正则核的奇异积分算子的性质

首先定义了Clifford分析中一类具有加权k-正则核的奇异积分算子,然后讨论了这个算子的一致有界性,给出了几个重要的不等式,并用这些不等式证明了这个算子的H?lder连续性,最后证明了这个算子的γ次可积性.这些结论为研究相关偏微分方程的边值问题奠定了基础.

城市交通事故时空聚集特性分析——利用网络加权核密度估计方法

交通事故是一类重要的地理事件,对交通事故的空间模式进行分析一直是学术界研究热点,基于核密度估计及其扩展的网络核密度估计方法被大量用于交通事故路网空间聚集模式分析,但交通事故具备丰富的语义属性,仅考虑其时空属性较难全面反映其空间分布特性,采用融合事故语义属性与空间属性的网络加权核密度估计方法,对武汉市江汉区2021年交通事故空间聚集模式及其随时间变化规律进行可视与探索性分析。实验结果表明,考虑事故语义属性的方法更能全面反映交通事故空间聚集特性及其随时间变化特性。

{A,W}加权核-EP分解下的矩阵加权Drazin逆的刻画与表示

主要讨论{A,W}加权核-EP分解下的矩阵加权Drazin逆A^(d,W).将矩阵对{A,W}进行核-EP分解,得到A^(d,W )的刻画,进而推导出A^(d,W)的表示,最后讨论了A^(d,W)的极限表示和积分表示,并给出一个算例.

结合加权核范数与3D全变分的目标检测

针对现实复杂场景使目标检测精确度下降的问题,提出了一种结合加权核范数与3D全变分的目标检测模型。基于扩展的鲁棒主成分分析模型,首先将视频分解为低秩静态背景、稀疏平滑前景和稀疏动态背景,利用加权核范数对背景进行低秩约束,考虑了不同奇异值对秩函数的影响;为加强前景的时空连续性,利用3D-TV来约束运动目标,有效抑制了复杂背景的干扰作用。实验表明,所提算法检测运动目标的准确率较高,能有效抑制复杂背景的干扰作用。

基于可区分性加权的模糊核说话人识别

针对训练和识别语音数据较少的情况,本文提出了一种新的说话人识别算法.通过核映射,在高维特征空间对说话人的语音特征进行模糊矢量量化.为了增加说话人之间的可区分性,提出了一种基于高维特征空间的码字矢量的权值分配方法,对具有较强区分性的码字矢量分配较大的权值,并将产生的权值和说话人的码书一起形成说话人数据库.识别时,提出一种模糊核加权最近邻近分类器,在高维特征空间中对说话人进行匹配.实验表明,该算法在训练语音少于8s,识别语音为1s时,能够得到较好的识别结果.

自适应加权核范数最小化的图像去噪

针对加权核范数最小化算法在图像去噪过程中存在难以分离低秩信息与噪声、参数选取过度依赖经验值的问题,提出了一种自适应加权核范数最小化的图像去噪算法。首先,利用图像非局部相似先验构建加权核范数最小化图像去噪模型,然后引入改进Gerschgorin理论从观测矩阵中准确估计出低秩矩阵的秩。在此基础上,结合秩估计方法提出自适应思想,通过奇异值分解与软阈值算子对自适应加权核范数最小化图像去噪模型进行求解,得到最终的去噪图像。实验结果表明,文章算法与现有的多种经典去噪算法相比具有更高的峰值信噪比值和结构相似性值,有效提高去噪性能的同时保持了图像的边缘纹理等细节信息,具有良好的鲁棒性和泛化性。

基于加权张量低秩约束的多视图谱聚类

现有基于图的多视图聚类方法通常难以同时考虑不同视图的潜在高阶相关信息和每个视图内的全局几何结构,导致聚类性能受限。为此,提出一种基于加权张量低秩约束的多视图谱聚类方法(WTLR-MSC)。根据多视图数据构建概率转移矩阵,将所有的概率转移矩阵构建为三阶张量,并借助鲁棒主成分分析思想将其分解为目标张量和误差张量。使用加权张量核范数约束目标张量的旋转张量,利用奇异值先验信息准确挖掘多视图数据的潜在高阶相关信息,并利用核范数约束目标张量的每个正切片以刻画每个视图内的全局几何结构。基于此建立数学模型,并设计有效的求解算法。在BBCSport、BBC4View、COIL20、UCI Digits 4个常用数据集上的实验结果表明,WTLR-MSC较ERLRT、MCA~2M、MGL-WTNN等聚类方法的性能有显著提升,准确率、标准化互信息、F1值、精确率、召回率相较于次优方法最高提升约1.3、1.0、1.2、1.6和0.8个百分点,大幅增强了多视图聚类的稳健性。

粒子群优化的加权核范数低秩矩阵补全算法

针对加权核范数最小化矩阵补全方法存在阈值决策函数单一、收敛精度不高等问题,提出一种粒子群优化的加权核范数最小化低秩矩阵补全算法。改进算法利用粒子群的启发式智能搜索能力,为待恢复矩阵的奇异值自适应地匹配恰当的阈值,以提升算法的收敛性能。改进工作主要包括:(1)设计多种奇异值阈值决策函数,为矩阵提供多种阈值分配策略;(2)改进粒子群的速度迭代公式,提出基于余弦函数的速度惯性调节公式以增强粒子群的全局搜索性能;(3)利用改进的粒子群优化算法为阈值决策函数搜索最优的参数组合,然后再通过阈值决策函数生成奇异值的阈值,重构恢复结果并提升算法的收敛精度。在人工数据和图像数据上的实验结果表明,与加权核范数最小化方法、奇异值阈值化方法以及低秩矩阵拟合方法相比,改进方法具有收敛精度更高、恢复结果更清晰等优势。

求解大规模谱聚类的近似加权核k-means算法

谱聚类将聚类问题转化成图划分问题,是一种基于代数图论的聚类方法.在求解图划分目标函数时,一般利用Rayleigh熵的性质,通过计算Laplacian矩阵的特征向量将原始数据点映射到一个低维的特征空间中,再进行聚类.然而在谱聚类过程中,存储相似矩阵的空间复杂度是O(n2),对Laplacian矩阵特征分解的时间复杂度一般为O(n3),这样的复杂度在处理大规模数据时是无法接受的.理论证明,Normalized Cut图聚类与加权核k-means都等价于矩阵迹的最大化问题.因此,可以用加权核k-means算法来优化Normalized Cut的目标函数,这就避免了对Laplacian矩阵特征分解.不过,加权核k-means算法需要计算核矩阵,其空间复杂度依然是O(n2).为了应对这一挑战,提出近似加权核k-means算法,仅使用核矩阵的一部分来求解大数据的谱聚类问题.理论分析和实验对比表明,近似加权核k-means的聚类表现与加权核k-means算法是相似的,但是极大地减小了时间和空间复杂性.

采用灰度加权核函数的动态背景运动目标检测算法

针对动态图像序列中的运动目标检测存在的运算速度慢、虚警率高等问题,提出了一种基于灰度加权核函数的检测算法。算法首先利用图像中的平均梯度最大块实现了图像序列的快速配准,然后将图像分为32×32的子块,分别计算每一子块图像的灰度加权核函数(GWK),利用bhattacharyya系数作为配准后图像对应子块GWK函数的相似性度量,确认灰度加权核函数发生变化的子块,进而完成图像中的运动目标检测。实验结果表明,基于灰度核函数的运动目标检测算法运行速度快,可以有效抑制图像配准误差以及灰度起伏的影响,实时实现运动目标检测,具有较好的实时性和鲁棒性。

α-混合误差下回归函数加权核估计的强相合性

设{yi}是固定在点{xi}的观察值,适合模型yi=g(xi)+iε.其中g(x)是[0,1]上的未知函数,{iε}是均值为0的随机误差序列.文献[1]中,在{iε}为独立同分布的条件下,通过构造新的函数gn(x),对g(x)进行了估计.笔者将{iε}推广至α-混合误差序列的情形,通过附加适当的条件和精细的计算,获得了用gn(x)估计g(x)的同样结论.