判别贝叶斯网络的CEM学习算法

当数据存在缺值时,通常应用EM算法学习贝叶斯网络.然而,EM算法以联合似然作为目标函数,与判别预测问题的目标相偏离.与EM算法不同,CEM(Conditional Expectation Maximum)算法直接以条件似然作为目标函数.研究了判别贝叶斯网络学习的CEM算法,提出一种使得CEM算法具有单调性和收敛性的Q函数.为了简化计算,在CEM算法的E步,应用Q函数的一种简化形式;在CEM算法的M步,应用梯度下降法的一次搜索结果作为最优值的近似.最后,在UCI数据集上的实验结果表明了CEM算法在判别贝叶斯网络学习中的有效性.

一种改进的高光谱图像CEM目标检测算法

约束能量最小化(Constrained Energy Minimization,CEM)目标检测算法广泛应用于高光谱目标检测中。本文在分析CEM算法的推导过程后,发现图像像元的选择,可以改善自相关系数,因此提出一种改进的CEM目标检测算法。该方法首先对高光谱数据集进行光谱重排、一阶微分,增加目标与背景的差异性;计算目标光谱与数据集中光谱点的相似度,求取CEM算法的自相关矩阵时去除与目标相似度高的像元,减少自相关矩阵对目标的抑制。为进一步抑制背景,增加算法的普适性,加入对数算子。最后对合成高光谱数据和真实高光谱数据进行试验,结果表明,与传统算法相比,提出的算法可以对伪装目标进行有效识别,而且对小目标和大面积目标检测都具有适用性。

一种结合AOTF的偏振光谱目标检测算法

针对高光谱图像目标检测算法对目标先验信息敏感度过高的问题,提出了一种偏振高光谱图像约束能量最小化目标检测方法。从基于声光可调谐滤光器(AOTF)的光谱成像仪工作原理及系统结构入手,在约束能量最小化目标检测算法(CEM)中采用经过处理的偏振高光谱数据代替原始高光谱图像数据作为检测样本,并对检测结果进行连通区域判断及轮廓提取处理。利用AOTF偏振成像系统采集到的偏振光谱数据进行目标检测实验,结果表明,替换样本数据后的目标检测算法检测精度显著提高。

动态立方体纹理生成算法

CEM算法使用六张2D纹理图来构建虚拟场景中的背景环境。通常其生成的背景环境是固定不变的,不能满足某些需要背景变换场景的需求。针对这个问题,提出一个动态立方体纹理生成算法,采用映射变换的方法动态的生成立方体纹理图,实验结果表明该算法可以构建实现实时、动态的背景场景。

一种结合AOTF的偏振光谱目标检测算法

要改善高光谱图像目标检测的算法对目标先验信息的敏感度过高的问题,发现了一种偏振高光谱图像约束的能力变得最小的检测方法。从声光可调谐滤光器光谱成像仪的工作原理和系统的结构方面入手,在约束能量最小化目标检测算法中运用一种处理过的偏振高光谱数据替代掉传统的高光谱图像数据作为检测的样本,对检测结果实行连通的区域进行判断和轮廓进行提取和处理。采用AOTF偏振成像系统进行采集的偏振光谱数据来完成目标检测试验,试验结果证明,替换样本数据后的目标检测算法的精准度得到了很大程度的提高。

基于模型的圆形边界识别方法

为了有效识别圆形边界,构造了圆形空间点模式产生的概率密度函数,并以此概率密度函数为基础,建立了由噪声点去除、混合概率密度函数参数估计与基于BIC的聚类个数自动判别3部分组成的圆形边界识别方法.该方法克服了模糊C球壳聚类算法的缺点.仿真结果表明,该方法能有效地识别圆形边界.

复杂背景下小目标恒虚警检测技术研究

为了实现复杂背景下的弱小目标恒虚警检测,提出了一种基于CEM算法的恒虚警探测算法。在分析CEM算法滤波处理结果分布规律的基础上,采用TM-CFAR方法选择恒虚警探测门限,并结合形态学方法克服了背景虚警概率曲线中的拖尾现象。以ETM数据为例进行了计算机模拟。结果表明,该方法在信干比为-5dB和虚警率为10^(-4)的条件下,可以有效地检测出被探测目标。