基于CRFs边缘概率的中文分词

将分词问题转化为序列标注问题,使用CRFs标注器进行序列标注是近年来广泛采用的分词方法。针对这一方法中CRFs的标记错误问题,该文提出基于CRFs边缘概率的分词方法。该方法从标注结果中发掘边缘概率高的候选词,重组边缘概率低的候选词,提出FMM的奖励机制修正重组后的子串。在第四届SIGHAN Bakeoff中文简体语料SXU和NCC上进行闭式测试,分别在F-1值上达到了96.41%和94.30%的精度。

基于边缘概率尺度的激光干扰效果评价方法

以现有的目标获取性能模型NVESD为基础,分析杂波对于"人在回路"系统目标获取性能的影响,并针对激光干扰图像的特点,将杂波修正后的目标获取性能模型运用到激光干扰图像研究中,提出一种基于图像边缘概率尺度的激光干扰效果评价方法。该方法结合人眼的目标获取任务,从激光干扰如何影响人眼的搜索探测概率角度来研究激光干扰效果。对于CCD探测器的干扰实验结果表明,该方法能够反映激光干扰图像对于搜索探测概率的影响,较好地反映了激光干扰效果,从而验证了方法的有效性。

应用Gabor滤波器和局部边缘概率直方图的全局纹理方向性度量

为了构建人机识别纹理方向性模型,提出了一种图像全局纹理方向性的度量算法。首先,设计Gabor滤波器以减小次要方向分量,增强描述纹理的全局方向性分量。然后,构造局部边缘概率直方图,描述纹理方向性的整体分布,定量给出全局方向性度量值。最后,在Tamura纹理模型实验集以及Brodatz纹理图像库上,测试比较了用不同测度算法度量全局纹理方向性的精度。结果显示,在两类纹理图像库上所获得的测试值均与人类视觉感知保持了较高的一致性,其精度比其它算法可高出10%,表明论文所提的全局纹理方向性度量算法可以满足精度要求更高的人机纹理识别模型。

基于边缘概率的层次交互式图像分割算法

在基于区域合并的分割算法中,超像素分割算法过分割现象严重,不利于后续区域合并操作。文章提出了一种新颖的基于边缘概率的层次交互式图像分割算法。首先,利用一种性能优异的边缘检测算子(structured edge,SE)作为输入,得到边缘概率图,并作用于超像素分割算法进行超像素的提纯,相比于原始的超像素分割算法,该方法产生的超像素数量较少;其次,选用归一化的颜色直方图对超像素进行特征描述;最后,采用区域邻接图(region adjacency graph,RAG)和最近邻图(nearest neighbor graph,NNG)实现快速、高效的层次区域合并。仿真实验结果表明,该文方法的鲁棒性、分割质量更具有优势。

巧用区域类型求边缘概率和条件概率

利用《高等数学》中积分区域类型的方法求解《概率统计》中的边缘概率和条件概率可以取得事半功倍的效果,学生再也不会求错变量范围。文章将这个方便、简单的方法介绍给广大读者。

基于边缘概率和m-Best求解的行人再识别

指出了行人再识别应用之一是在同一场景、不同摄像头视角下,对查询集与候选集中的所有目标做出最优关联,其本质是二分图匹配问题.针对传统方法只在联合概率分布基础上寻找一个最优解,没有利用其它候选解中的有用信息,不能保证最优解的正确性的问题,提出了利用边缘分布特点,综合其它候选匹配点的信息,在联合匹配空间上使每一对匹配点的边缘分布最大化,从而提高求解质量;且对联合匹配空间的边缘分布计算不可行,采用二叉树分割算法求m个最优解,以实现边缘概率的估计.实验表明:将上述方法应用于行人再识别问题能有效改善再识别算法的精度.

利用平面域的解析表示求边缘概率密度

在课程'概率论和数理统计'中,如何快速有效地求出求边缘概率密度,既是教学的重点更是教学的难点。充分利用《高等数学》所学平面域的解析表示,得到了求边缘概率密度的有效方法。

边缘概率密度的一种解释及应用研究

论文仿照物理中的线体密度、线体质量的概念对二维连续型随机变量的边缘概率密度、边缘概率密度在一点处的函数值做出一种解释,给出求解二维均匀分布边缘概率密度的一种方法,应用实例表明论文中的方法形象直观且行之有效。

求边缘概率密度函数的一个有效方法

针对学生在学习边缘概率密度函数中存在的问题,本文对边缘概率密度函数的求法进行了分析,给出了求解这一类问题的一个有效方法,并把这一方法推广到两个随机变量和的概率密度函数问题。该方法的提出对于学生掌握多元随机变量的相关问题具有极其重要的作用。

二维连续型随机变量的边缘分布函数与边缘概率密度

二维连续型随机变量(X,Y)的边缘分布函数与边缘概率密度,能够全面地描述二维连续型随机变量(X,Y)的分布规律,是概率论与数理统计的重要组成部分.若不理解相关概念和性质就盲目求解边缘概率密度与边缘分布函数,对于学习者而言具有一定的难度.因此,本文按照题型,从求解边缘概率密度与边缘分布函数两个方面,分别归纳和总结了不同条件下的解题思路和方法.

基于全卷积神经网络的无人机巡检图像边缘检测方法

由于无人机巡检图像边缘检测的距离误差大、图像清晰度低,提出基于全卷积神经网络的无人机巡检图像边缘检测方法。采用水平集量化特征分解方法,提取无人机巡检所采集图像的多尺度边缘特征;采用全卷积神经网络构建图像边缘检测模型结构,优化损失函数,完成模型的局部和整体训练,并将多尺度边缘特征输入深度学习网络;采用二阶导数计算像素边缘概率,检测图像的弱边缘并生成边缘信息概率图,计算无人机巡检图像弱边缘对象的概率值,实现图像边缘细化。实验结果表明,所提方法能有效获取图像中目标对象的边缘特征,距离误差均小于0.25,图像清晰度均在24以上,能够完整、可靠获取图像中不同位置、物体等目标的边缘结果,且边缘检测结果更为精细。

结合几何划分技术和最大期望值/最大边缘概率算法的彩色图像分割

基于区域和统计的彩色图像分割方法,提出了一种结合Voronoi划分技术、最大期望值(EM)和最大边缘概率(MPM)算法的彩色图像分割方法。首先利用Voronoi几何划分将图像域划分成不同的子区域,并假设每个子区域内的像素强度满足独立同一的概率分布,在此基础上建立彩色图像模型;利用上述模型,在贝叶斯理论架构下建模图像分割问题,然后结合EM/MPM算法进行图像分割。该方法将基于像素的马尔可夫随机场(MRF)模型扩展到基于区域的MRF,并且能同时有效地获取模型参数估计和基于区域的彩色图像最优分割。采用本文算法分别对真实彩色图像和合成彩色图像进行分割实验,定性和定量的测试结果验证了本文算法的有效性、可靠性和准确性。

典型随机动力系统的联合与边缘、条件概率密度的形态分析

本文刻画几类典型随机动力系统的二维稳态联合概率密度的形态,并通过引入"横"与"侧"认识角度观察联合概率密度这座"山峰",直观展现其与边缘、条件概率密度三者之间的联系并形成对随机变量独立性的立体认知.从而帮助学生增强对联合概率密度概念的直观认识,加深对三者概率密度相互联系的理解,也有助于相关教师对概率论教学与科研活动互动的促进.

边缘化粒子概率假设密度滤波的多目标跟踪

针对复杂情况下的多目标跟踪问题,提出一种边缘化粒子概率假设密度滤波(MPF-PHD)方法。该方法首先将复杂情况下多个目标的状态向量分别提取出其中的非线性状态与线性状态。然后利用粒子概率假设密度滤波(PF-PHD)估计非线性状态,利用卡尔曼滤波(KF)估计线性状态,并把其中与非线性状态相关的线性状态估计用来优化非线性状态估计。通过对MPF-PHD方法与传统的PF-PHD方法仿真对比,验证了MPF-PHD方法有效解决了复杂情况下多目标跟踪的漏检问题,提高了多目标状态估计精度。

3G边缘通信概率研究分析

边缘通信概率是移动台在无线覆盖区边缘进行满意通话的成功概率,它直接影响着人们的生活。而基站天线的高度、移动台的高度、建筑物的高度以及收发天线的距离等参数的变化都会影响边缘通信概率。文章主要研究了3G环境下两个参数同时变换时的边缘通信概率的情况,相对于传统的考虑,只一个参数变化的情况更能反映实际的通信概率。

应召搜潜中典型情况下潜艇分布概率的计算

针对应召搜潜过程中潜艇分布概率的计算问题,推导了潜艇的初始位置服从正态分布、潜艇航向在二维平面内服从均匀分布、潜艇航速已知或服从已知分布的潜艇分布概率的计算方法,给出了潜艇航速服从均匀分布和瑞利分布等典型情况下,潜艇分布概率的计算公式,并通过蒙特卡罗方法验证了所推导公式的正确性,同时给出了部分时刻潜艇位置联合概率密度和边缘概率密度的计算结果。通过该计算结果可以清楚地看出应召搜潜中潜艇的分布概率随搜潜时间的变化情况,这对于在搜潜过程中制定正确的搜潜策略具有一定的指导意义。

广东西江北江洪水联合概率分布研究

基于Copula函数分析了由思贤滘连通的广东西江水文站-马口和北江水文站-三水构成的两个样本的洪水联合概率分布特征,获得如下结论:经过优选的马口、三水洪水边缘分布可分别由P-III型和GEV表示;拟合优度检验指标表明二者的最优连接函数均为Archimedean copula类的Gumbel-Hougaard Copula;重现期介于10～500 a之间的马口、三水洪水边缘分布与联合分布的洪水设计值相对差值大约介于0.6%～1.5%之间;基于条件概率计算的两站相同设计频率洪水的遭遇概率都大于88%。

概率统计教学中的问题剖析

文章总结概率统计教学中的问题,如事件互不相容与相互独立之间的关系、边缘概率密度的求解、最大似然估计法思想的理解,针对这些问题,利用反例法、画图计算法、实例引入法等提高学生对抽象概念的理解力和计算能力,从而加强学生利用概率统计知识解决实际问题的能力,取得良好的教学效果.

Bayes网络最优近似下边缘分布的不变性

删除Bayes网络中的弧以减小网络结构的复杂性 ,从而降低概率推理算法的复杂度是一种对Bayes网络进行近似的方法 .该文讨论了在删除Bayes网络中的一条弧之后得到的最优近似概率分布和原概率分布之间的关系 ,证明了对满足一定条件的结点子集而言 ,其边缘概率分布在近似以后具有不变性 .

边缘加强型的彩色空间最稳极值区域

缘加强型的彩色空间最稳极值区域(EMSCR)利用对模糊变化具有较好鲁棒性的边缘信息来约束稳定极值区域的检测,通过加强边缘处像素点之间的差异性,减小区域内部像素点之间的差异性,从而提高模糊不变性;EMSCR采用具有良好光照不变性的Opponent颜色空间,使区域特征具有更好的光照不变性.实验表明,与MSCR相比,EMSCR在保持其具有丰富相关区域特征这一优点的同时,全面提高了其不变性,与MSER相比,EMSCR提高了部分不变性,尤其是对于图像模糊,不变性有大幅度的提高,且EMSCR所获得的相关区域特征明显多于MSER.