基于自回归的高斯混合模型

聚类问题是当今统计学习界的热点研究问题,针对一般情形的聚类分析已经有具有了kmeans、高斯混合模型等,由于目前各种数据的细化,人们提出的聚类算法更多的倾向于研究某种特定的数据.在本文中,笔者提出了基于自回归的高斯混合模型,它假设模型是由符合自回归模型的高斯分布混合而成,算法利用EM算法,可以精确地估计混合模型中的自回归系数以及方差系数.     

浅论混合高斯背景建模方法

基于混合高斯背景模型的目标检测方法对场景的动态变化具有较强的鲁棒性,其基本思想为:定义每个像素点的分布模型为由多个单高斯模型组成的集合,根据每一个新的像素值更新模型参数,按照一定的准则判断哪些像素点为背景点,哪些为前景点,从而实现对运动目标的检测。     

基于改进MPA优化的高斯混合模型算法

针对高斯混合模型算法（GMM）对初始参数敏感、易陷入局部最优的问题,提出一种基于改进海洋捕食者算法优化的GMM算法（MMPA-GMM）。首先基于混沌序列和伪对立学习策略初始化种群,引入非线性收敛因子平衡MPA算法的全局与局部搜索,同时提出融入社会等级制度的位置更新策略;然后从搜索能力和收敛速度对改进的MPA进行分析;最后以S＿Dbw指标作为算法的适应度函数,利用改进的MPA优化GMM算法的初始参数。实验结果表明,改进的MPA在4种测试函数上表现良好,并且MMPA-GMM算法对4个数据集的聚类效果均有改善,有效避免了GMM算法陷入局部最优的问题。     

基于改进的混合高斯背景模型的运动目标检测研究

针对传统混合高斯背景建模（GMM）在一些复杂场景下未能有效地描述背景,目标容易出现错误的检测,本文提出一种改进算法。该算法先对视频帧进行分块处理,然后对单模区域和多模区域采用不同的更新速率进行更新,最后在空域上对检测结果进行数学形态学的处理,从而提取运动目标。实验结果表明,该算法能够提高背景建立和运动目标检测的速率,在多种场景下运动目标的检测都具有良好的鲁棒性。     

基于混合高斯模型与差分法的运动目标检测

视频监控涉及计算机视觉、模式识别和人工智能等多个领域,它是指在不同环境下对人和车辆进行的实时观察,根据观察对象的动作、行为进行分析,为用户提供信息。视频监控过程分为运动目标检测、目标跟踪、目标分类和目标分析。     

基于混合高斯模型的运动目标跟踪算法

视频帧序列中实时运动目标分割的一般方法是背景差分或者是对于背景图与当前帧的阈值公差。不同的方法之间的区别在于对于背景图的建模和模型的更新策略。本文讨论对每个像素进行混合高斯模型建模和使用在线近似的方法更新模型。自适应混合高斯模型的分布用来评估决定哪些像素点最有可能来自背景处理过程。每个像素点根据最有效代表它的高斯分布是否为背景模型的一部分进行分类。本文最后得到一个稳定、实时并且对于轻微变化不敏感和长时间的场景变化的跟踪器,满足24h×7的基本工业要求。     

基于DM642的混合高斯模型运动目标检测系统设计与实现

运动目标检测是智能视频监控技术的重要环节,精确的分割出运动目标是后续监控技术得以实现的重要基础。该文以强大运算能力的DM642为核心搭建了运动目标检测系统硬件平台,实现和优化了基于混合高斯模型的检测算法。实验表明,该系统能有效地检测出运动目标,实时性较高。     

基于高斯混合模型的时空大数据挖掘算法

时空大数据在各领域中得到了持续的运用,推动着新研究模式的产生。但是,传统数据存取中、分析与挖掘方法则很难支持新研究模式的形成。时空数据的探索性增长以及社交媒体和位置传感技术的出现,使得为分析大数据而开发新的、高效的计算方法十分必要。传统的数据挖掘算法大多是基于小型数据集开展的研究,通常忽略了计算效率,而是更侧重于识别能力的研究。针对传统算法的不足,本文介绍了基于高斯混合模型(GMM)的时空大数据挖掘算法,在GPU上并行了GMM聚类算法,结果显示,模型具有较高的可扩展性和较低的计算成本,但仍需要新的方法来有效地模拟空间和节奏的限制。     

基于高斯核的KSOFM聚类算法研究

文章提出了一种基于高斯核的KSOFM聚类算法,通过核函数将输入空间中的样本映射到高维特征空间中,并在特征空间中进行聚类。核函数的应用使得在原空间中未曾体现的信息得以展现并被聚类算法所运用,使得聚类算法在性能上有较高的提升。     

基于高斯混合模型的图像检索算法研究

通过研究聚类算法在图像处理上的应用,提出了一种基于高斯混合模型聚类的图像检索方法。该检索方法首先提取每幅图像的特征,并以特征值为数据集建立高斯混合模型,得到所有图像的高斯混合模型。再以所有图像的混合模型参数集作为数据集,用基于高斯混合模型的聚类算法进行聚类。最后输出检索例图所在的类,即得到检索结果。     

基于小波域高斯-柯西混合模型的SAR图像降噪声算法

(Symmetric alpha-Stable)模型是小波域一种精确的图像模型 ，但是其计算复杂性高,本文在分析 模型的基础上，提出了高斯-柯西模型，将此模型作为图像的小波域先验模型信息，并用Bayesian估计器，算法复杂性上有显著的降低。另外，图像对数变换后的统计特性发生变化 ，需要在变换过程中加入均值调整的过程。实验结果表明，本文的算法模型在较好的保持了SAR图像结构的基础上，能较好的保留图像边缘信息和纹理特征，并能有效的抑制图像的斑点噪声，取得了良好的效果。     

带约束的非线性回归混合模型的一阶和二阶诊断统计分析

均值漂移和方差加权的混合线性回归模型,已有研究得到了相应的诊断统计量,这里我们将推广到带约束的非线性回归模型中,分析其一阶和二阶诊断统计量。     

基于非高斯AR模型的脉象信号分析

针对海洛因吸毒者和正常人的脉象信号的特征差异,本文成功地运用非高斯AR模型对15例吸毒者和15例正常人的脉象信号进行了判定分析。运用非高斯AR模型估计了脉象信号的双谱,并选用水平切片上双谱和的相位作为区分吸毒者和正常人脉象信号的特征量,得到了初步的判据。据此判据,仅正常人Z15被误判。实验结果表明,应用基于非高斯AR模型的双谱估计能较好地分析吸毒者和正常人脉象信号的差异,是一种分析脉象信号的有效方法。     

请彻底清洁你的手机和平板电脑

你知道你的手机或者平板电脑有多脏吗？请看看你的移动设备：你看到手机触摸屏上油油的指印和细小的纤维了吗？还有灰尘与细屑在边边角角结成的霜状物？在平板电脑屏幕的边缘是不是卡着一根头发？     

基于CAXA制造工程师的手机模型加工

在实际生产中。需要加工的机械零件各式各样,有大约25%的零件采用大批量生产,其余采用单件或小批量生产。小批量生产的特点是加工准备时间长,机床使用效率底。零件或材料处理过程长。计算机辅助制造就是在这样的背景下产生的。随着CAM的发展,学校也适应社会的发展需要开出了针对不同软件的CAM教程,CAXA制造工程师就是其中一种较为流行的CAM软件。     

基于线性混合模型的目标对象变形方法

针对基于单一的节点或骨架模型变形方法会产生局部扭曲现象的问题,提出了一种基于图形边界提取与基于边界变形相结合的方法。在手动指定变形定位点后,根据源图像与指定图像中变形点的对应,将源图像中的图形按照变形点变换到指定图像中。实验结果表明,该方法快速、灵活、有效,且变形后的目标对象具有光滑、自然的特点。     

基于二步法的脉冲-高斯混合噪声去除研究

本文提出一个处理图像脉冲-高斯混合噪声的二步法。该二步法将噪声图像中的脉冲噪声和高斯噪声区别对待。首先,根据噪声模型的定义,我们可以利用一些现有的脉冲噪声探测算法将图像中的脉冲噪声探测出来,再利用算法去除脉冲噪声;然后,在第一步的基础上利用高效的高斯噪声去除方法去除剩下的高斯噪声。根据不同的实验对象和不同的噪声水平,第一步和第二步可以采取不同的方法,从而达到最优效果。     

基于高斯混合模型和NSCT的图像边缘检测方法

为了能够获取到定位准确和连续的边缘,高斯混合模型和局部模极大值方法在非下采样轮廓波(NSCT)高频子带系数中被使用。NSCT高频子带系数具有"高尖峰,长拖尾"特点。高斯混合模型(GMM)被用获得奇异线信号。局部模极大值方法被用来细化奇异线信号。与常见的方法相对比,实验表明本文方法能够获取到更多的边缘信息且具边缘的定位准确性更高。     

基于非线性高斯随场动态模型的石油价格波动影响研究

本文通过分析我国石油价格的时间序列数据,发现石油价格存在杠杆效应,并采用非线性高斯随机场动态模型,考察石油价格波动对GDP增长的影响。我们的研究结果表明,不断上涨的石油价格对GDP波动影响存在不对称性,对产出存在明显的滞后冲击。