检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

高识别率的鲁棒ART快速图像识别算法

西南师范大学学报（自然科学版） 2016年第8期41卷 106-113页

作者：刘内美内江职业技术学院会计系四川内江641000

角放射变换(ART)形状描述符的图像匹配算法识别性能不佳且易受噪声影响,对此,提出了一种高识别率、具有强噪声鲁棒性的改进的ART图像匹配算法.首先,利用ART径向基和角度基的递推关系,快速计算出ART的转换系数;然后,对ART矩阵函数求导,... 详细信息

角放射变换(ART)形状描述符的图像匹配算法识别性能不佳且易受噪声影响,对此,提出了一种高识别率、具有强噪声鲁棒性的改进的ART图像匹配算法.首先,利用ART径向基和角度基的递推关系,快速计算出ART的转换系数;然后,对ART矩阵函数求导,并计算所有局部极小值;最终求得全局最小值.实验结果表明,本算法具有图像识别率高、强噪声鲁棒性以及低时间复杂度等优点,同时开发了快速匹配算法.

关键词：角放射变换区域形状描述符全局最小值相似性检测几何不变性数值稳定

在线全文

学校读者我要写书评

暂无评论

DICR函数的刻画及其在优化问题中的应用

数学物理学报（A辑） 2019年第1期39卷 165-171页

作者：马世贵李军西华师范大学数学与信息学院四川南充637009

在拓扑向量空间中研究DICR函数.引入该函数关于支撑集、次微分的概念,研究该函数支撑集、次微分之间的关系.也研究了与严格DICR函数相关的集合的最大元,得到严格DICR函数差的全局最小值的充要条件.

关键词： DICR函数支撑集次微分最大元全局最小值

ICR函数与DICR函数的刻画及其在优化问题中的应用

在线全文

学校读者我要写书评

暂无评论

ICR函数与DICR函数的刻画及其在优化问题中的应用

作者：马世贵西华师范大学

学位级别：硕士

本论文主要在拓扑向量空间中考虑函数φ:X×X×R++→[0,+∞],对任意的x,y∈X,α∈R++,定义φ(x,y,α)= sup{λ:0 ≤<λ≤ α,λx ≤ y}.该函数关于第一变元为DICR函数,第二变元为ICR函数.分别研究这两类函数的抽象凸性、次微分、支撑集... 详细信息

本论文主要在拓扑向量空间中考虑函数φ:X×X×R++→[0,+∞],对任意的x,y∈X,α∈R++,定义φ(x,y,α)= sup{λ:0 ≤全局最小值的充要条件.

关键词： ICR函数 DICR函数抽象凸性支撑集次微分全局最小值

Topical函数和Non-topical函数的刻画及其应用到优化问题

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

Topical函数和Non-topical函数的刻画及其应用到优化问题

作者：詹弢西华师范大学

学位级别：硕士

本论文主要是在赋范线性空间X中考虑函数l:X×X→R.对任意的x,y∈X,定义(x,y)=sup{λ:xlλ-∈1yR≤}.该函数关于第一变元是topical函数,关于第二变元是non-topical函数.分别研究这两类函数的抽象凸性,支撑集,次微分,以及相关的优化问题... 详细信息

本论文主要是在赋范线性空间X中考虑函数l:X×X→R.对任意的x,y∈X,定义(x,y)=sup{λ:xlλ-∈1yR≤}.该函数关于第一变元是topical函数,关于第二变元是non-topical函数.分别研究这两类函数的抽象凸性,支撑集,次微分,以及相关的优化问题.主要内容如下:第二章,介绍topical函数与non-topical函数的性质,研究得到其与抽象凸性的具体关系,并且给出了函数u(x,y)=inf{λ∈R:x-y≤λ1}的相关结果.第三章,研究topical函数与non-topical函数的支撑集,次微分的相关性质,以及它们与向上集、向下集之间的关系.第四章,提出严格non-topical函数的定义,引入最大元的概念,将该函数的抽象凸性和支撑集的相关性质应用到优化问题上,得到严格non-topical函数差的全局最小值的充要条件.

关键词： topical函数 non-topical函数抽象凸性支撑集次微分向上集向下集全局最小值

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

平面超配位分子设计及配体稳定化的理论研究

平面超配位分子设计及配体稳定化的理论研究

作者：严改汝吉林大学

学位级别：硕士

平面超配位分子是一类具有反常规键合模式的分子体系,又被称为反van’t Hoff和Le Bel分子,其奇特的几何和电子结构吸引了科研者的广泛研究兴趣。到目前为止,大量具有较高热力学稳定性的平面超配位分子相继被理论预测、实验合成及表征。... 详细信息

平面超配位分子是一类具有反常规键合模式的分子体系,又被称为反van’t Hoff和Le Bel分子,其奇特的几何和电子结构吸引了科研者的广泛研究兴趣。到目前为止,大量具有较高热力学稳定性的平面超配位分子相继被理论预测、实验合成及表征。目前理论和实验上所获得的平面超配位分子主要集中在四配位体系上,而更高配位的分子体系的获得及其稳定化机制的解析仍然非常具有挑战性。另外,由于平面超配位分子独特的键合模式及配体的高活性,从理论上探讨对平面超配位分子配体稳定化是非常重要的研究内容,为含平面超配位分子凝聚态体系的实现提供重要的理论支持。本论文通过结构搜索和高水平的能量确认,获得了几例稀少的平面六配位分子Be CM(M=Al,Ga)和Mg CM(M=Ga,In,Tl),并探讨了有效的配位稳定化策略,为丰富平面超配位分子体系及其配体稳定化机制的探索提供重要的理论线索。具体研究成果如下:1)相对于大量的平面四配位分子体系,理论上设计更高配位的平面分子是非常具有挑战性的。我们利用卡里普索(CALYPSO)结构搜索程序,对Be CM(M=Al,Ga)和Mg CM(M=Ga,In,Tl)团簇进行了系统的势能面搜索,发现Be CM(M=Al,Ga)和Mg CM(M=Ga,In,Tl)的基态结构为自旋单重态的平面六配位铍(ph Be)和镁(ph Mg)。分子动力学模拟表明Be CM和Mg CM具有良好的动力学稳定性,这归因于三个离域的σ键和三个离域的π键的(6σ+6π)双重芳香性。同时,精确的能量分解分析揭示出Be CGa的成键方式为自旋二重态的Be原子与自旋二重态的CGa片段形成了一个电子共享的π键和两个Be(d)←[CGa]π键,两个Be(p)←[CGa]σ键以及Be(s)←[CGa]σ键。更进一步,我们探讨了强σ电子接受能力的B(CF)配体对该平面分子的稳定化机制。2)平面超配位分子的配体一般具有较高的活性,这抑制了平面超配位分子的大尺寸拓展及实验室的合成。我们利用理论上已经获得的基态平面五配位碳分子CBeAu来探讨σ电子给体对其配体化保护及其稳定化机制。利用强σ电子给体(CO,N,Xe,N-heterocyclic carbene,Cycloparaphenylenes)等桥接到CBeAu外部Au原子来构建大尺寸配体复合物,高水平计算表明σ电子给体能够很好地保持平面五配位碳分子的几何和电子结构,并拥有良好的热力学稳定性。电子结构分析表明pp C CBeAu和σ电子给体形成较强的共价键,极大地保护了平面五配位的配体活性中心,是复合物稳定的重要驱动力。同时,更大尺寸的N-heterocyclic carbene(NHC)配体复合物也是势能面的极小值结构,并完美地保持了平面五配位碳结构,有利于实验室的合成及获得。

关键词：平面超配位全局最小值稳定性芳香性成键分析

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

活动轮廓模型算法研究及其生物医学图像应用

活动轮廓模型算法研究及其生物医学图像应用

作者：陈达山东大学

学位级别：硕士

图像分割作为数字图像处理算法的一个最基本的预处理步骤,其精确度直接决定着后续图像处理应用(例如识别和配准)的成功与否。但至今为止,图像分割算法尤其是针对医学图像的分割算法并不完善。由于医学图像本身固有特性的影响,利用传统... 详细信息

图像分割作为数字图像处理算法的一个最基本的预处理步骤,其精确度直接决定着后续图像处理应用(例如识别和配准)的成功与否。但至今为止,图像分割算法尤其是针对医学图像的分割算法并不完善。由于医学图像本身固有特性的影响,利用传统的分割算法对医学图像进行准确快速的分割还面临着巨大的困难。活动轮廓模型是偏微分方法在图像处理领域的一个成功的应用,因其分割结果为闭合的曲线,该类算法在医学图像分割方面得到了广泛的应用,取得了巨大的成功。针对基于偏微分方程和活动轮廓模型的医学图像分割算法,本文主要研究了以下几个方面： 1.针对传统的基于水平集函数的活动轮廓模型易陷入局部极小值的问题,我们提出了一种能够获得全局最小值的活动轮廓模型。通过在其能量函数中嵌入图像偏移场的估计,该模型能够准确的分割灰度分布不均匀的图像,如MRI和CT等。在本章中,针对图像的偏移场估计,我们提出了一种新的基于高斯函数平滑的偏移场估计算法。同时,利用图像的位于活动曲线附近的局部区域信息来计算图像的分片常数,取代了传统模型利用图像全局信息计算的分片常数的模式。最后,利用总变分范数的Dual formulation数值算法,本文的模型可以快速的得到全局最小值。实验结果表明,本文的算法在医学图像和自然图像上都取得了较好的分割效果。 2.基于水平集函数的耦合曲线活动轮廓模型的主要缺点是运算速度慢,对噪声和曲线初始化位置十分敏感。为了克服如上所述的传统活动轮廓模型的缺点,本文提出了一种基于图割理论的耦合曲线活动轮廓模型,该模型的能量函数可以通过对传统耦合曲线活动轮廓模型的能量函数进行线性变换,并且利用两个归一化参数来对线性变换后的能量函数进行非线性加权。该归一化能量函数可以克服基于图割理论的耦合曲线活动轮廓模型分割结果容易趋向于区域平均的缺点。同时,我们使用图割算法来取代水平集算法,可以快速稳定的求得归一化耦合曲线活动模型的能量函数的最小值。实验结果表明,本文的算法比水平集算法提高了超过10倍的运算速度,在医学图像和自然图像上都取得较好的效果。 3.活动轮廓模型是迄今为止最为成功的变分图像处理方法之一,在图像分割,模式分析和计算机视觉方面有着广泛的应用。但是传统的活动轮廓模型不仅耗时严重,而且对噪声十分的敏感。针对以上缺点,我们提出了一种结合轮廓波变换的新的活动轮廓模型方法。该方法首先对待分割图像进行轮廓波变换并处理其系数,然后对重建后的第二精细层图像进行两次下采样变换。最后我们在最粗糙层图像进行活动轮廓模型的初始化,并且将上一层图像的分割结果最为下一层图像的初始化曲线。实验结果表明,该方法能够在医学图像和合成图像上取得很好的结果。

关键词：活动轮廓模型全局最小值图割水平集函数医学图像处理轮廓波

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于粒子群优化的非平滑非负矩阵分解算法

计算机工程 2013年第1期39卷 204-207,212页

作者：戴华平王旭胡红亮王玉涛浙江大学工业控制研究所杭州310027

传统的非平滑约束的非负矩阵分解算法(nsNMF)在处理高光谱数据时,存在对初始值敏感、容易陷入局部最优值等缺陷。为此,提出一种基于粒子群优化(PSO)的nsNMF算法。采用传统nsNMF算法迭代的结果作为初始值,以避免PSO的盲目搜索。通过PSO... 详细信息

传统的非平滑约束的非负矩阵分解算法(nsNMF)在处理高光谱数据时,存在对初始值敏感、容易陷入局部最优值等缺陷。为此,提出一种基于粒子群优化(PSO)的nsNMF算法。采用传统nsNMF算法迭代的结果作为初始值,以避免PSO的盲目搜索。通过PSO搜索端元光谱矩阵,利用nsNMF算法更新端元光谱矩阵和丰度矩阵,以缩小搜索空间,降低计算复杂度,避免陷入局部最优。在合成数据集和真实数据集上的实验结果表明,与传统nsNMF算法相比,该算法能获得更好的全局最优解,端元光谱和丰度值更接近真实值。

关键词：非负矩阵分解粒子群优化算法高光谱线性光谱模型全局最小值稀疏性

基于混合水平集的脑组织自动提取及参数设定研究

在线全文

学校读者我要写书评

暂无评论

基于混合水平集的脑组织自动提取及参数设定研究

作者：万红平南昌航空大学

学位级别：硕士

随着医疗水平的提高，磁共振成像技术在人类大脑成像方面发挥着越来越重要的作用，磁共振成像技术不仅提供清晰的解剖学形态，而且能够有效的区分软组织。从T1加权MRI图像中提取脑组织是脑容量测定、脑组织分割、脑萎缩诊断等的重要预... 详细信息

随着医疗水平的提高，磁共振成像技术在人类大脑成像方面发挥着越来越重要的作用，磁共振成像技术不仅提供清晰的解剖学形态，而且能够有效的区分软组织。从T1加权MRI图像中提取脑组织是脑容量测定、脑组织分割、脑萎缩诊断等的重要预处理过程。而脑组织提取可分为手动和自动方法，其中手动方法耗时，且对操作人员专业技能的要求较高，具有主观性。自动方法只需要设置好一些相关参数后其余的提取过程都可自动进行，故自动方法是当今的主流方向。常见的自动方法参数较多且不固定，故本文采用随机森林分类器来达到自动设定参数的目的。本文提出一种新的基于活动邻域模型的混合水平集方法，采用改进BET方法的结果作为初始轮廓，通过形态学处理得到脑组织边界周围的带状区域称为CN（Contour Neighborhood），使用混合水平集法在CN内得到的全局最小值即是最接近脑组织边界的轮廓。活动邻域模型ACN（Active Contour Neighborhood）是由当前轮廓进行小范围的膨胀得到的，ACN和这最接近的轮廓不断进行迭代直至到达脑组织边界。且为了解决边界泄露问题，在ACN内引入了非线性加速因子。针对参数设置问题，本文提出一种基于随机森林分类器的脑组织提取参数设定方法，该方法先对训练样本进行脑组织提取和特征提取，根据相应参数采用随机森林法对样本进行分类，对于测试样本进行类别判别，根据该类别实现自动设定参数。

关键词：脑组织提取随机森林改进BET方法活动轮廓邻域模型全局最小值

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

随机技术在瞎子爬山法中的应用与实现

计算机工程与设计 2002年第2期23卷 60-61,64页

作者：毛卫英谌明贺贵明武汉大学集成媒体研究中心武汉430072

介绍了启发式搜索方法瞎子爬山算法及其缺陷，着重论述了随机技术与瞎子爬山算法的结合，对于目前的搜索策略，这是一种很大的改进。

关键词：瞎子爬山法启发式搜索全局最小值局部极小值随机技术人工智能