Cauchy-Schwarz散度在图像分割中的应用

基于Cauchy-Schwarz散度,提出了一种新的主动轮廓线图像分割模型。该模型能量泛函有两部分组成:几何正则项和数据拟合项。其中,数据拟合项通过图像灰度的概率密度函数之间的Cauchy-Schwarz散度来加以构造,并且对概率密度函数进行了非参数估计。为了快速获得新模型的全局最优解,采用了模型的凸化及Split-Bregman快速迭代技术。通过一些图像的分割实验,验证了该模型可取得令人满意的分割效果且具有较快的收敛速度。

一类非散度型非线性抛物方程组Cauchy问题解的性质

研究一类非散度型非线性抛物方程组Cauchy问题解的性质.在不同条件下,构造了此方程组一系列整体解与一系列爆破解;在某些条件下,证明了这个问题的弱解具有局部化性质,从而推广了已有文献中的一些结果.

加权Laplacian分类器

传统的Laplacian分类器通过Parzen窗估计概率密度函数,而后基于Cauchy-Schwarz散度(Cauchy-Schwarz Divergence,CSD)定义分类准则进行分类,主要强调了小概率类别,致使对较高概率的类的分类效果较一般.针对此,提出了一个改进方法.关键是对小样本类用加权代替无权的Parzen窗概率密度估计,并用CSD作为代价函数优化相应的权值,而后依据Laplacian分类准则设计出加权Laplacian分类器(Weighted Laplacian Classifier,WLC).在所用测试数据集,尤其是不平衡数据集上的实验表明,WLC的结果明显优于Lapalcian分类器.