基于相关均值的协同过滤推荐算法

针对在用户评分数据极端稀疏环境下传统协同过滤推荐算法存在的弊端,从提高邻居用户识别准确性出发,对传统相似性度量方法进行改进,在此基础上提出一种基于相关均值的推荐算法。实验结果表明,该算法能增强邻居用户在推荐中的影响力,有效提高推荐精度,改善推荐质量。

任意指定地面复杂场景图像目标的去均值相关跟踪算法

本文通过对相关系数作为相似性度量准则的匹配跟踪算法的改进,提出了去均值相关跟踪算法,采用网格搜索法进行粗匹配,以邻域法进行精匹配,减少了算法的计算量,满足机载成像光电吊舱系统目标跟踪的实时性要求。提出了自适应模板更新方法和修正的自适应模板更新方法,并对这两种方法进行仿真比较,实验表明,修正的自适应模板更新方法具有更高的跟踪精度和更好的跟踪稳定性。

均值尾部相关系数及其在金融领域的应用

传统尾部相关系数常被用于刻画变量之间的极值相关性,但这种相关系数存在对相关性信息刻画不完全的问题。为能够捕获更多的非极值相关性信息,本文提出均值尾部相关系数的概念,研究了均值尾部系数同Copula理论之间的关系,并以t Copula为例分析了4种均值尾部相关系数的变化特征。通过将均值尾部相关系数和传统尾部相关系数分别应用于沪深股市的相关性研究,从实证角度验证了这种相关系数的实用价值。

基于去均值归一化互相关方法的复合材料板低速冲击定位

为了实现无需先验知识的复合材料结构低速冲击定位,提出了一种基于去均值归一化互相关的冲击定位方法。采用归一化互相关方法,首先对所有冲击样本信号和待定信号进行去均值归一化,然后计算样本信号和待定信号的综合互相关值,最后确定定位参考区域,通过样本信号与待定信号间的互相关结果来评估冲击位置。实验结果表明该方法可以准确评估复合材料板低速冲击位置,其中最大误差为34.76 mm,平均误差为11.07 mm。

去均值归一化互相关最小二乘逆时偏移及其应用

最小二乘逆时偏移相对于常规逆时偏移具有更高的成像分辨率、振幅保幅性及均衡性等优势,在一定程度上可满足岩性油气藏勘探的需求,是目前研究的热点之一.然而由于实际地下介质的黏滞性和变密度,以及无法准确地估计震源子波等,基于振幅匹配的常规最小二乘逆时偏移算法很难在实际资料处理中取得好的效果.此外,实际数据常包含大量噪声,进一步限制了常规算法的应用.为此,本文通过修改目标泛函,提出了去均值归一化的互相关最小二乘逆时偏移算法,并给出了陆上资料的应用实例.研究表明,归一化策略减弱了算法对子波能量的苛求;互相关算法强调相位匹配,进一步弱化了子波的影响,提升了算法的稳定性和可靠性;去均值思想在处理低信噪比资料方面有较大优势.理论模型和陆上实际资料处理都验证了本算法的有效性和对复杂模型的适应性.

基于分形维与自相关函数绝对值均值的端点检测算法

在语音信号处理中,端点检测是语音处理的一个重要部分。现提出一种基于分形维数和语音帧自相关函数绝对值均值的双门限端点检测方法。根据语音信号和噪声信号分形维的不同,以及噪声信号与语音信号自相关函数的特点进行语音端点检测,并通过MATLAB仿真进行验证。实验结果表明,该方法在5 dB噪声环境下能较好地判断语音信号的起止点。

基于全局和局部相关熵活动轮廓模型的超声图像分割算法

局部相关熵K均值(LCK)模型在非高斯噪声和图像灰度不均匀时具有较好的图像分割效果,但是其计算复杂度较高,收敛较慢。针对该问题,本研究将局部相关熵能量项和全局相关熵能量项结合,提出了全局与局部相关熵K均值(GLCK)图像分割算法。其中局部相关熵力在目标边界附近起主导作用,用来吸引水平集函数曲线到达目标边界,而全局相关熵力在远离目标边界处起主导作用。对超声医学图像和人工合成图像进行了图像分割实验,并同LCK等模型进行了对比,结果表明提出的GLCK模型具有更好的鲁棒性和图像分割精度,并且计算时间也显著减少。另一方面GLCK模型对于噪声和模糊边界影响严重的超声医学图像,具有好的分割效果。

多脉冲远距离激光测距系统研究

激光测距是一种非接触式的精密测量技术,其具有测量距离远、方向性强、实时性高、精度高等优势,是测量领域不可或缺的一部分。由于远距离传输,部分微弱的脉冲信号提取存在困难,笔者采用AD高速采样,以1 GHz作为采样频率,并对高速采集后的回波信号进行数字化处理。根据噪声的非相关性,采用多脉冲互相关累加均值算法进行改进,能够较好地提升信号的强度,改善信号的信噪比。同时,采用小波奇异值滤波的方法,将累积信号的奇异点滤掉,能更精准地捕捉信号的上升沿,时钟计时更精准,降低误码率,提高测量精度,测量精度可保证在±20 cm以内,测量范围可达3 km。通过FPGA等硬件电路实现控制系统,提高测量精度和系统稳定性。该多脉冲远距离激光测距系统可广泛应用于工程和军事领域。

一种基于算法融合的运动目标跟踪算法

视频目标跟踪的重点和难点在于如何快速、准确的匹配目标。针对复杂背景下,单一模式的跟踪算法不能准确跟踪目标的问题,提出了一种基于算法融合的运动目标跟踪方法。该算法综合运用去均值相关跟踪算法(normalized cross correlation,NCC)和均值漂移算法(MeanShift)2种基本模式对输入输入视频进行处理,结果送入Kalman滤波器进行滤波与预测,最后根据最小总均方误差准则进行自适应融合。试验证明,该算法能够较好地实现复杂场景条件下的目标跟踪,提高了跟踪的鲁棒性。

基于异构多核构架的双目散斑3维重建

为提高双目立体匹配的速度和精度,提出一种基于异构多核构架平台实现的双目立体散斑3维重建方案。在构建双目立体视觉模型基础上,辅助投射白色散斑结构光,然后采集散斑变形图像并进行极线校正。对传统的ZNCC快速计算方法进行改进,运用零均值归一化互相关函数(ZNCC)作为相关算法的匹配代价函数,克服了传统立体视觉算法对弱纹理区域重建效果较差的缺点。将该算法移植到异构多核处理器Myriad2上,实现了物体快速高精度3维重建。实验结果表明借助异构多核构架处理器强劲的并行运行能力,在不损失系统重建精度的前提下,使系统运行时间大大缩短,对系统的重建效率具有较大提升。

基于图像尖锐度的角点匹配算法

从多角度拍摄同一物体所得不同视角图像中的关键点的匹配对图像三维重建至关重要。为了得到精准的角点匹配对,提出了基于图像尖锐度角点匹配的新算法。该算法分为3个步骤:第1,为最大限度避免噪声的干扰,使用Canny算子先检测图像,进而使用8邻域轮廓追踪算法追踪边缘点得到边缘轮廓线。第2,计算轮廓线的尖锐度获取图像中的关键角点。第3,先粗匹配利用零均值归一化互相关法建立不同图像角点间一对多的关系,再进行精匹配采用优化后减少迭代次数的松弛迭代法得到一对一匹配点对。实验表明,该算法能够在提高运行效率的同时提高角点匹配的精准度,最终得到角点精匹配对。

基于散斑的三维体感交互系统

为了提高基于投影散斑的体感交互算法的精度和效率,提出采用零均值归一化互相关算子(ZNCC)恢复深度信息的快速计算方法,并通过引入特征筛选的分级决策树构建了姿态分类器.首先采用ZNCC在三维场景重建中求取散斑图像的视差,由三角化测量根据视差值反算目标场景的深度图像,基于GPU并行架构和改进的计算公式,解决ZNCC的冗余计算问题;然后采用改进的随机森林算法在姿态估计中完成人体部件分类,由mean shift算法实现关节点和骨骼提取,通过特征筛选机制去除无效特征降低训练数据的特征空间维度,并根据人体姿态动作的特点在决策树的组合中用分级决策思想提高预测精度.最终实现了系统的整体集成,通过实验验证了该方法的有效性.

空地电视成像制导武器仿真系统的设计与实现

本系统以空地成像制导武器为典型的模拟对象,以"转台支撑单图像传感器(CCD)"模拟真实制导武器系统中"机载光学瞄准系统"和"弹载导引头CCD",以双数字信号处理器(DSP)并行处理电路模拟真实导弹精确制导图像跟踪器,以伺服转台模拟制导武器弹载导引头伺服系统,以经过改进的去均值相关算法作为复杂背景下目标跟踪的手段,以综合显示控制终端(PC机)模拟机载计算机,并能通过终端PC机上的综合显示与控制软件对仿真过程的信息数据进行记录,对真实作战环境下的空地精确制导武器跟踪算法性能分析有一定的现实意义。

基于当前统计模型的强机动目标跟踪算法

当前统计模型算法将当前加速度均值作为输入控制项引入一步预测方程,实质上变为方差自适应变化的匀加速直线运动模型,虽然单位阶跃加速度输入的稳态误差为零,但对变加速度运动的机动目标跟踪效果变差。本文提出一种改进算法,在保留修正瑞利分布描述机动加速度统计特性的基础上,选择零均值时间相关模型,并与当前统计模型算法进行比较。仿真结果表明,本算法对变加速机动目标的跟踪性能明显优于当前统计模型算法。

我国房地产市场的价格动态研究

房价通常表现出序列自相关和均值回归的特性。本文以1998-2010年房地产销售价格指数的季度数据为对象,并采用采用了H-P滤波法分离出房价指数的趋势成分和波动成分,通过建立自相关均值回归模型对我国房地产市场的价格动态进行研究。研究结果表明房价的走势主要受长期趋势价值引导,并且在价格波动值为正时,房价有加速上升的趋势。在波动值为负时系数变得显著,对房价走势的作用表现出一定的不对称性,这说明我国房地产价格容易受到消极的价格波动的影响。

基于投影散斑的实时场景深度恢复

为了解决传统匹配算法重建散斑图像时在视差不连续区域误匹配较多的问题,提出一种在网格顶点处选择种子点、渐进增长的区域生长匹配方法,以完成散斑图像的深度信息恢复.针对传统区域生长方法种子点选取速度低、覆盖性差的问题,提出在网格顶点处选择种子点的快速定位方法;在生长策略方面,采用逐步放宽种子点选择标准和生长标准的方式,渐进地增长区域;为克服散斑图像亮度不均衡的问题,采用零均值归一化互相关算子作为相关测度算子,并针对该算子冗余计算较多的问题,运用积分图结合其改进计算公式加速计算,确保算法的实时性;最后插值细化视差图,并根据三角测量原理转化视差值为深度值.实验结果表明,该方法深度恢复结果鲁棒性强、速度较快.

基于运动优化语义分割的变分光流计算方法

针对光照变化和大位移运动等复杂场景下图像序列变分光流计算的边缘模糊与过度分割问题,文中提出基于运动优化语义分割的变分光流计算方法.首先,根据图像局部区域的去均值归一化匹配模型,构建变分光流计算能量泛函.然后,利用去均值归一化互相关光流估计结果,获取图像运动边界信息,优化语义分割,设计运动约束语义分割的变分光流计算模型.最后,融合图像不同标签区域光流,获得光流计算结果.在Middlebury、UCF101数据库上的实验表明,文中方法的光流估计精度与鲁棒性较高,尤其对光照变化、弱纹理和大位移运动等复杂场景的边缘保护效果较优.

图像匹配算法研究

文本讨论了常用图像匹配算法,在介绍了序贯相似性检测法、不变矩法及去均值归一化相关法的基础上,提出了一种以去均值归一化相关法为主的改进匹配算法,该改进算法不但在处理旋转目标的匹配时具有较高的精度,而且通过改进其搜索策略,使改进算法具有了算法速度快、误匹配率低的优点。

一种离散纵向数据相依结构建模的Cholesky因子模型

对一类响应变量为离散型的平衡或非平衡纵向数据,提出了均值-相关系数联合回归模型框架,并且使用Cholesky分解方法对模型的相关结构进行参数化,使其具有良好的统计解释性.为了解决似然推断中高维积分计算的难题,提出了一种高效的蒙特卡罗期望最大化(MCEM)算法,并证明了参数估计的渐近性质.模拟实验和实际数据分析表明提出的方法是高度有效的.

复杂背景环境下运动目标的检测算法研究

首先对运动目标检测的理论和方法以及如何从背景图像中有效提取出前景物体做了简要概述,并结合传统的背景相减法容易受环境光线等外界因素影响这一弊端,提出了一种零均值归一化互相关的方法来实现对运动目标的检测判断。同时,采用了累积直方图的方法获得了一个理想阈值,实现了运动目标物的精确提取。实验证明,该方法较传统的背景相减法有明显的提高,在识别精度上也能达到较满意结果。