最大绝对误差结合微遗传算法优化径向基概率神经网络

使用最大绝对误差算法 (MAEA)优选径向基概率神经网络 (RBPNN )隐中心矢量 ,将MAEA与求解RBPNN最优核函数控制参数的微遗传算法 (μGA)相结合 (MAE μGA)来共同实现RBPNN的全结构优化 实验结果显示 ,对比其他几种算法 ,MAE μGA优化后的RBPNN结构最简 ,而且在推广能力方面略好于其他几种优化方法 另外 ,MAE

最小绝对误差和回归的递推辨识算法

本文首先介绍最小绝对误差和回归方法中的BR算法,然后根据线性规划中的灵敏度分析,对最小绝对误差和回归提出两种分别按样本点和阶进行递推的快速辨识算法,为最小绝对误差和回归的在线辨识和实时控制奠定基础。

基于起点预测和SAD分布的快速运动估计算法

基于块的运动估计是视频压缩国际标准中广泛采用的关键技术 .文中提出了结合相邻块运动向量相等和SAD值比较的起点预测方法 ,减少了起点预测时计算 SAD的开销 ;利用 SAD分布的方向性 ,对 SAD值偏小部分重点搜索 ,加速了块匹配的快速搜索策略 .在此基础上设计了一种新的快速运动估计算法 ,该算法在大幅度提高搜索效率的同时 ,得到了与全搜索非常接近的搜索结果 .

一种基于自适应权重SAD与Census融合的匹配算法

立体匹配算法中的SAD算法与Census算法较为常用,本文分析了两种算法的特点,在改进SAD算法后,将其与Census算法融合,提出了自适应权重的SAD-Census算法。试验表明,与SAD算法和Census算法相比,该算法匹配效果更好,对实际场景拍摄图像的匹配也有较好的稳健性。

基于SAD矢量合成的1/4像素精度运动估计快速算法

H.264作为新一代的视频标准,对基于块匹配法的运动估计做了新的改进。运动估计是视频编码过程中极其重要的一个环节,它的算法效率对整个编码效率有很大的影响。针对H.264标准中提出的1/4像素精度的运动估计,对其基本算法以及几种快速算法进行分析比较,并在此基础上提出了一种快速的矢量合成算法。实验结果证明,这种算法在提高搜索速度的同时,也保证了图像质量。

支持向量机回归算法在机器人误差补偿中的应用研究

研究了支持向量机回归算法,并将该算法运用于机器人绝对误差的补偿。针对机器人绝对误差补偿多输入、多输出的特点,提出了用多个支持向量机回归算法实现多输出的解决策略;提出了基于支持向量机回归算法误差的2种补偿方法,并进行了仿真与实验,验证了所提方法的有效性。仿真结果表明运用该方法可以使机器人的定位精度平均提高95%以上。

一种改进的SAD目标跟踪算法

针对SAD算法在目标跟踪的过程中目标易受遮挡、形变等干扰而造成跟踪失败的问题,提出了一种改进的SAD算法。该算法在原SAD算法的基础上,以SAD遍历得到的矩阵为模板,通过SAD矩阵中的最小值及其邻域矩阵的相关值来构造模块矩阵,使之包括SAD遍历过程中的所有与目标图像有交集的数值。通过对SAD矩阵进行分块处理并对每块模板设置不同的权重系数,极大程度地削弱了背景图像对目标图像的干扰。利用SSD算法对构造的SAD矩阵进行匹配跟踪,再通过MCD算法对跟踪效果进行判定,采用多帧融合的方法,当MCD值小于设定值时对目标模板进行更新。通过对初始模板、前一帧模板和当前帧模板分别设置不同权值的系数,融合生成一个新的目标模板。实验结果表明,与传统SAD算法相比,本算法在抗遮挡、抗形变的能力上有显著的优势。

粒子自旋薛定谔方程辛算法解的相对误差研究

利用辛算法求解粒子自旋问题的薛定谔方程,得到波函数的数值解,对于计算结果的相对误差进行了较为详细的研究与分析。发现波函数的实部和虚部的相对误差周期性地在正数和负数之间来回变动,它们之间有类似于不确定关系的特点:一个相对误差趋向于无穷小时另一个相对误差趋向于无穷大,两者的乘积为一稳定的小负数。随着时间的推进这一乘积按抛物线规律增大。这种误差变化的规律性可以由误差理论给出基本解释。

融合明度特征的V-SAD立体匹配算法

针对SAD算法难以对图像中纯色与弱纹理部分进行准确匹配的问题,提出了将HSV空间明度特征与SAD算法相融合的立体匹配算法,称为V-SAD算法。首先将图像从RGB空间转化至HSV空间,并根据H、S、V值将像素点按照颜色分为10类,同时得到明度特征图。然后结合SAD算法需要的灰度特征图计算匹配代价,得到初步的视差图。接着,根据HSV空间的颜色信息对图像进行分割,结合数学形态法求解分割区块中的独立连通域。再利用边缘生长法对每一个连通域的视差进行恢复。最后,使用左右一致性检测方法对视差图进行优化。实验结果表明,利用图像的明度信息衡量纯色与弱纹理区域的匹配点的相似度是有效的,该V-SAD算法有效改善了SAD算法在弱纹理和纯色区域的匹配效果,平均误匹配率下降了13.02%。

边缘面积值绝对差数累积运动检测算法

运动目标检测是一种基于图像处理技术发展起来的新技术,它是计算机视觉、视频信息处理等应用领域的重要研究课题。针对摄像头固定,只对视场内的目标进行检测这种情况,提出利用两帧图像之间运动目标边缘面积值的差数累积来检测是否运动的算法。该算法主要作用是能减低因背景亮度变化而引起的误判。

融合边缘特征的SAD立体匹配算法

为保证SAD算法的立体匹配效率,提高匹配精度,提出一种融合边缘特征的立体匹配算法Edge-Gray.通过边缘计算得到边缘特征图,在进行匹配的过程中,根据当前点与领域点的差值确定匹配窗口大小和匹配源图,在此基础上进行视差优化得到视差图.实验结果表明,与传统的SAD算法相比,Edge-Gray算法的平均误匹配率较低,对于边缘较多的Cones图像立体匹配效果较好,其误匹配率可降低10.52%.

基于SAD的立体匹配算法研究

基于对双目摄像机获取的图像对进行立体匹配的目的,采用SAD算法,针对在匹配过程中模板图像易受待匹配图像中区域相似性较高的点干扰而造成错误匹配的问题,通过对不同的窗口大小进行实验,得到更适合本文的视差图。SAD算法作为匹配代价函数来进行评估两个图像块的相似度,得到的视差图具有较好深度感,为下一阶段的三维重建工作打下了基础。

基于SAD的直方图匹配算法在超声弹性成像上的应用

超声弹性成像自提出以来成为一个研究热点,但由于弹性成像的成像原理,弹性图像上一般都有弹性噪声,为了降低噪声,提高弹性图像质量,研究基于SAD的直方图匹配算法在超声弹性成像上的应用,通过改进相似度的计算方法,提高弹性图像的去噪质量。

一种基于用户聚类的协同过滤推荐算法

为解决传统协同过滤算法在生成推荐时的速度瓶颈问题,提出了一种基于用户聚类的协同过滤推荐算法。该算法将推荐过程分成了离线和在线两个部分。离线时,算法对基本用户数据进行预处理,并对基本用户聚类;在线时,算法利用已有的用户聚类寻找目标用户最近邻居,并产生推荐。实验表明,基于用户聚类的协同过滤推荐算法不仅加快了推荐生成速度,而且提高了推荐质量。

基于领域最近邻的协同过滤推荐算法

协同过滤是目前电子商务推荐系统中广泛应用的最成功的推荐技术,但面临严峻的用户评分数据稀疏性和推荐实时性挑战.针对上述问题,提出了基于领域最近邻的协同过滤推荐算法,以用户评分项并集作为用户相似性计算基础,将并集中的非目标用户区分为无推荐能力和有推荐能力两种类型;对于前一类用户不再计算用户相似性以改善推荐实时性,对于后一类用户则提出"领域最近邻"方法对并集中的未评分项进行评分预测,从而降低数据稀疏性和提高最近邻寻找准确性.实验结果表明,该算法能有效提高推荐质量.

“雨燕”中风暴算法在北京奥运天气预报示范项目中的应用及改进

介绍了临近预报系统"雨燕"中的风暴系列算法,包括风暴识别、风暴追踪、基于TREC技术的风暴位置预报,以及预报位置实时评分算法等。利用2008年北京奥运期间出现的多个强对流天气,统计出该风暴产品在30 min和60 min预报时效的绝对距离误差分别约为13 km和23 km。分析了北京奥运天气预报示范项目期间该风暴产品误差较大的原因,主要集中于TREC技术本身及其适用范围,以及风暴预报方案中处理细节的不足,具体为TREC技术不适用于孤立的回波单体,雷达探测边界对TREC技术的影响,TREC矢量有时呈现出一定的空间不连续性,以及对孤立少动单体的不当处理等。针对上述原因,提出了一系列的改进方案,包括对用于风暴位置预报的TREC矢量增加一致性检验,利用风暴的历史轨迹校正不恰当的TREC矢量;对TREC技术中象素阵列大小进行统计分析,选择最适合北京地区的阵列大小;风暴预报位置超出回波范围时新的处理技巧等。利用北京奥运期间的强对流资料,对改进后的风暴算法进行评估。结果表明,一方面,改进后的算法能较好地控制风暴预报位置的绝对误差,在30 min和60 min预报时效,绝对误差分别减小了25%和26%。另一方面,由于预报位置精度的提高,能够提升相邻时刻风暴匹配的效率,使得与以前算法相比有更多的风暴样本参与了各个预报时效的评分。

信息推荐系统中的朋友关系预测算法设计

伴随着互联网规模的不断扩展,信息过载问题越来越突出。信息推荐系统被视为解决信息过载问题的最有效方法。然而目前的方法大多数仅考虑用户独立的反馈,而忽略用户的社会属性对推荐的重要作用,这对信息推荐系统的性能会造成巨大的影响。为此,本文提出了基于朋友关系预测的信息推荐算法,将用户的社会关系预测引入信息推荐过程中,分别基于用户的拓扑信息及历史交互信息建立用户社会关系的存在性判定及关系类型判定,并利用线性回归分析方法和逻辑回归分析方法实现了基本特征的融合。最后,通过在Epinions和Slashdot真实数据集上的实验证明,本方法能够有效提高用户社会关系预测的准确性。

基于反色均值化的非参数Census立体匹配算法

针对传统非参数Census变换过分依赖于变换窗口的中心像素灰度值的问题,提出了一种新颖的非参数Census变换的立体匹配算法。首先,该文研究了非参数Census变换并分析了其局限性;其次,考虑到像素空间位置,对于变换窗口进行反色处理后,求取邻域均值的反色来替代中心像素灰度值进行Census变换,提高了算法的抗干扰能力;最后,采用绝对误差和(SAD)方法和汉明距离作为相似性测度进行立体匹配,减少误匹配率,并通过左右一致性检测和亚像素插值来增大匹配的准确度。实验结果表明,此算法能够提高光照变换下匹配的鲁棒性,尤其对于深度不连续区域,适用于实时的立体匹配。

基于用户兴趣子类的协作推荐算法

随着电子商务规模的进一步扩大,用户数目和文档资源急剧增加,导致用户数据的极端稀疏性。传统协作推荐算法都无法很好地解决数据稀疏性问题。本文提出一种基于兴趣子类的协作推荐算法,通过子类处理思想的引入,使得某两个用户即使整体不相似而因为“局部点”的相似产生有用的推荐,“最近邻居”的发现变得更容易更准确。实验结果表明,该算法能有效地解决用户数据的极端稀疏问题,在同等条件下,相对于传统协作推荐算法有更好的推荐质量。

基于多层相似性用户聚类的推荐算法

为了降低数据稀疏性的影响,提高推荐系统的推荐生成质量,提出了一种基于多层相似性用户聚类的协同过滤推荐算法。该算法采用新的多层用户相似性度量,并将推荐过程分成了离线和在线两个部分。离线时,算法对基本用户数据进行预处理,并对基本用户聚类;在线时,算法利用已有的用户聚类寻找目标用户最近邻居,并产生推荐。实验表明,该算法不仅加快了推荐生成速度,而且提高了推荐质量,降低了约6%的平均绝对误差。