灰度图像二维最小类方差递推及差分演化的快速分割

为克服Otsu法阈值偏离及一维最小类方差法在含噪图像分割中性能不佳的问题,基于图像灰度级二维直方图,提出一种二维最小类方差快速阈值化方法.通过递推方式计算得到图像前景及背景在不同阈值向量上的灰度级类概率及类均值,在此基础上,应用差分演化算法搜寻使图像类方差最小的阈值向量,并用该阈值向量对图像实施分割.在合成及真实图像上的实验结果表明,采用文中方法可获得良好的分割性能,有效地克服了Otsu法及一维最小类方差法的不足;采用递推及差分演化算法使计算时间大幅降低,可满足工程应用需求.

基于最小二乘的最小类方差支撑向量机

针对最小类方差支撑向量机(MCVSVM)在小样本情况下仅利用类内散度矩阵非零空间中信息的问题,提出基于最小二乘的最小类方差支撑向量机(LS-MCVSVM)算法,通过牛顿优化法迭代求解LS-MCVSVM的优化问题,从而有效解决了小样本问题。实验结果表明,相对于MCVSVM,LS-MCVSVM算法可进一步提高泛化能力,减少训练时间开销。

基于排列熵和聚类方差的僵尸网络检测方法

提出了一种基于多维排列熵和聚类方差的僵尸网络检测方法:根据僵尸主机在传播阶段的通信流量特点,采用多维排列熵计算网络流量时间序列的复杂性,再用聚类方差检测排列熵模型的自相似程度,进而判断网络中的异常。实验证明,该方法可检测出已知和未知的僵尸网络,具有较高的检测率。

B类方差在量传与溯源体系下的数学和测量学意义

基于量传与溯源体系,通过对B类方差的数学分析,给出了在不确定度评定中,B类方差的测量学本质就是系统误差平方的估计量,进而给出了三种对B类方差进行估计的数学方法,并对JJF1059-1999测量不确定度评定与表示中的示例进行了相应的解释。

最小类方差支持向量机与零空间分类器的集成

最小类方差支持向量机(MCVSVM)充分考虑数据的分布信息,但是在小样本情况下却仅利用类内散度矩阵非零空间中的信息.为了综合利用类内散度矩阵非零空间和零空间中的信息来进一步提高分类性能,文中首先在零空间中建立一种分类器——零空间分类器(NSC),然后再把MCVSVM和NSC进行融合,从而进一步提出集成分类器(EC).不同于MCVSVM和NSC,EC综合考虑非零空间和零空间中的信息,体现出更强的泛化能力.最后通过实验验证算法的有效性.

基于类间方差的MODIS森林火灾火点检测方法

提出一种基于火点与背景的类间方差和烟雾掩膜的红外光谱火点检测算法。该算法的潜在火点判定阈值设为305K,再利用MODIS热红外光谱通道亮温数据的类间方差值将森林火灾火点从背景中区分出来,并对低温闷烧火点采用烟雾掩膜进行识别。应用该算法对福建省和黑龙江地区的林火数据进行探测处理,与传统MODIS火点检测方法比较分析表明,该算法使用简单高效,在不同环境适应性较强,可以更准确地检测到高温明火点和一些低温闷烧火点,降低了火点的误报率和小火点的漏报率,检测效果更理想。

基于类内方差最小化及模糊控制算法的小波边缘检测技术

应用传统的小波技术对图像进行边缘检测时,需要采用阈值对模非极大值抑制后的候选边缘点进行筛选,求取边缘.但是,目前阈值的求取是凭借人们的经验人为的设定,需要反复的试凑比较才能得出最后结果,另外,当前的单阈值自动求取方法还无法实现精确的边缘检测,这些缺陷限制了小波边缘检测技术在实际中的应用.针对这一问题,提出基于类内方差最小化原理自适应的求取双阈值的算法,不需要人为的设定任何系数和参数.采用模糊控制技术连接边缘像素,理论推导和实验结果证明了该算法的正确性和有效性.

一种类内方差与相关度结合的特征选择算法

为了解决现有特征选择算法没有同时考虑特征之间以及特征与类别之间的相关性,且存在计算量大、适用范围窄等问题,从均方误差最小的分类训练准则出发,并借鉴线性鉴别分析的思想,提出了一种类内方差与相关度结合的特征选择算法,并使用核方法将其推广到可以解决非线性分类的特征选择问题.该算法不仅同时考虑了样本特征之间以及特征与分类标号之间的相关性,而且使得类内方差最小,有效地提高了分类器的性能.仿真实验表明:该算法适用于对特征数量多、特征相关性强的数据集进行特征选择,其选择的特征子集能够显著提高分类精度,具有较大的优越性.

基于改进型类间方差分割的红外目标提取算法

文章对最大类间方差法进行了改进,利用计算图像类间方差的约束条件,通过构造罚函数,把求最大类间方差问题转换为求带约束条件的函数最优解问题,再用迭代法对图像进行分割,从而有效地弥补了最大类间方差法对图像噪音和目标大小敏感不足。仿真实验结果表明,该方法效果良好。

基于类间和类内方差的快速二维阈值分割法

为了提高二维阈值分割法的处理速度,提出二维类间方差最大法的快速实现方法.首先,将二维最佳阈值(s*,t*)的求解拆分成两个一维最佳阈值s*和t*的求解,并引入类内距离的定义,提出新的最佳阈值判别式.其次,将原二维直方图分成M×M个区域,合并每个区域为一点,并构建新的二维直方图,在其上应用本文改进的阈值判别式D(s*,t*)求解,得到分割阈值所在的区域编号.最后,在该区域内再次使用D(s*,t*)求解得到原始图像的最佳分割阈值.理论分析及针对不同信噪比的多幅图像的实验结果表明,本文方法的分割错误率低于原始二维Otsu法,且将原算法的时间复杂度由O(L4)降为O(L1/2),空间复杂度由S(L2)降为S(2L).

基于梯度幅度直方图和类内方差的边缘提取方法

针对复杂背景中目标边缘提取的问题,提出一种基于梯度幅度直方图和类内方差进行边缘提取的新方法———CAGH(cluster algorithm based on gradient histogram)算法。该算法先分析经“非最大梯度抑制”后的梯度幅度直方图的特征,确定边缘集中区域,再通过类内方差确定梯度阈值,并利用该阈值确定边缘。在车牌识别中运用该方法提取复杂背景中的车牌边缘,并与Sobel、Canny等算法进行了比较。结果表明,CAGH算法适应性强、提取效率高,提取的是连通性、独立性好的单像素边缘,有利于后续的特征提取和模式识别。

基于二维类间方差多门限阈值分割的石块识别方法

月球环境感知是未来月球车在月球表面自主导航的关键。石块作为月球表面的一种地理特征,将成为月球车行驶的障碍物。文章从模式识别的分类理论出发,提出了改进的二维类间方差的多门限阈值石块分割方法。在获取分割图像后,利用石块底部阴影信息和原始图像的灰度直方图分布特征,将分割图像二值化。然后,结合形态学滤波算法和二值图像投影变换,实现了对部分场景下的石块识别和定位。

最小类内方差和区域生长相结合的图像分割法

针对视频车辆检测中,光照不均匀、对比度不强的多目标图像分割,提出了一种基于最小类内方差和区域生长相结合的快速阈值分割算法.首先对最小类内方差法进行改进,快速确定差分图像的最佳分割阈值,再用区域生长法分割得到目标.理论分析和实验结果表明,该分割算法不仅适用于简单的车辆图像分割,而且对于复杂的车辆图像也取得了较好的分割效果.该算法计算量小,分割精度有一定优势,有助于下一步的目标识别.

基于最小类内方差的快速阈值分割算法

最小类内方差法分割图像时需要计算二次统计量,运算量大,效率不高。以减小运算量为目标,对最小类内方差的方法进行改进,提出一种基于最小类内方差的快速阈值分割算法。从图像的灰度直方图出发,推导出简单的迭代公式,然后利用基于最小类内方差的快速阈值分割算法求出阈值。该算法获取阈值速度快,实时性强,用所获取的阈值分割图像有较好的分割效果。理论分析和实验结果表明,该算法运算速度快,分割效果好,具有较高的实用价值。

基于类间方差参数活动轮廓模型图像分割

提出了基于类间方差参数活动轮廓模型图像分割法.该方法将气球力参数活动轮廓模型中的恒定气球力替换为包含区域信息的变力,最大化目标和背景两区域类间方差,引导轮廓曲线进化.实验结果表明:对于初始轮廓位置不论是处于目标区域内部,或者是处于背景区域内部,还是与目标和背景区域相交,该模型都能获得正确分割结果.

基于最小类内方差的蛇形机器人多阈值分割

针对传统最小类内方差分割方法计算量大、效率低、单阈值分割、不能多目标分割的缺点,提出了一种改进的基于最小类内方差的蛇形机器人多阈值分割方法.通过提取整幅图像的感兴趣区域(ROI),有效减小算法搜索的范围和整体计算量;根据直方图的多峰值特点,把ROI区域划分成多个子区域,采用改进的最小类内方差分割法搜索各个局部最优阈值,最终实现蛇形机器人关节组的多阈值分割.实验结果表明,该方法分割效率高,分割效果明显,且在保证实时性的同时提高了目标识别对光线变化的鲁棒性,降低了对步态变化的敏感性.

承接产业转移背景下我国区域知识获取能力的差异性研究——基于面板数据的聚类与方差分析

以2007～2011年我国地区知识获取能力的测算为基础,综合使用面板数据的多维尺度分析、聚类分析和方差分析技术,全面展示在承接产业转移背景下,我国各地区知识获取能力的区域聚集情况与差异性水平,并深度刻茴我国区域知识获取能力差异性与产业转移之间的协同变化程度.结果表明：伴随着产业承接转移的进程,我国知识获取能力差序的格局已经形成,未来全国范围内由工业经济向知识经济转型已初见端倪;现阶段中西部承接东部知识转移仍面临挑战;传统视角下的经济区域划分与现实经济发展的区域聚集态势存在一定差异,理论研究与政策制定要予以充分关注.

基于最小类内方差优化算法的遥感图像分割

为有效提高最小类内方差算法在遥感图像分割中的实时性,在分析最小类内方差算法和k-均值聚类算法原理的基础上,证明两者判别准则函数的等效性,利用k-均值聚类算法的高效性对最小类内方差算法进行优化。实验结果表明,优化的最小类内方差算法搜索空间小,获取阈值速度快,具有较强的实时性。

极值方差聚类法在测井分层取值中的应用——以莫北油田莫005井区为例

在准噶尔盆地莫北油田莫005井区地质导向钻井中,采用极值方差聚类分析法,实现了对数字化测井曲线的自动分层取值。该方法首先是在数字化测井曲线上找出层间方差最大、层内方差最小的点作为分层点,同时考虑到上下围岩对薄层的屏蔽影响和测井曲线的波动性,对所有分层点按照深度值排成一组有序数组,然后用聚类分析法对其进行并界处理。更加突出了层间非均质差异性和层内均一性,其结果与实际的岩性剖面分层十分吻合。而且,整个分层取值过程是基于上述理论方法采用VB(V6.0)语言编制的自动分层取值程序,由计算机自动完成。为砂泥岩剖面的自动测井相分析建立了一套有效的分层取值方法。

基于空间注意力和类协方差度量的小样本学习

近年来,小样本学习逐渐被学术界广泛研究,其旨在使模型在给定样本较少的情况下完成一系列任务。目前基于度量学习的元学习算法被广泛应用于小样本学习中,本文利用度量学习的思想,对基准元度量学习算法原型网络进行改进,提出了注意力类协方差原型网络。首先,为增加模型的泛化能力,提出IBN-Resnet12作为特征提取器;接着,在特征提取模块后加入了空间注意力模块,有效地增强了局部特征;最后提出类协方差度量作为最终的度量分类器,完成了对图像特征维度间相关性的建模。本文在小样本学习经典数据集上进行实验,证明了模型的有效性;同时还进行了大量消融实验,证明了模型改进中各个部分的有效性。