一种新的4阶偏微分方程图像处理方法

提出了一种新的4阶偏微分方程去噪模型,与已有4阶偏微分方程模型、各向异性扩散模型、各向异性中值扩散模型和形态学扩散去噪模型相比较,该模型有效地权衡了噪声平滑效果和边缘保持,并通过数值算例验证了该模型的优越性.     

Markov链模型在异常检测上的应用研究

Markov链模型作为一种统计分析方法是异常检测的重要分析手段，论文分别从单步、多步Markov链和基于Markov链的序列预测三个方面，研究了Markov链模型在异常检测检测上的应用。实验表明，该方法在不需要任何攻击领域知识的情况下，能很好检测出SendMail系统调用的异常行为。     

一种基于PDE提高信噪比的图像处理算法

研究了PDE在数字图像处理方面的应用.从能量分析法切入,构造变分问题,从而得到原始模型;以去噪、提升边缘、保留原图信息为目标改进了原始模型.对于图像处理的难点问题———边缘的去噪去模糊,在文中得到较好的解决.结果表明:经过该方法处理后的图像在提升信噪比方面十分显著,由此建立的扩散模型不仅产生了一种新算法,而且为人们在该领域的后续研究提供了参考.     

基于小波标架算法的非平稳信号去噪方法

针对传统小波去噪算法存在的时频分辨率低、去噪效果不佳等问题,提出基于小波标架算法的非平稳信号去噪方法.首先,对含噪非平稳信号采样并计算Hilbert矩阵对应的对偶标架,然后以对偶标架作为小波基,对含噪非平稳信号进行小波分解与重构. ricker子波合成非平稳信号的去噪实验表明:该算法能有效去除非平稳信号中混入的随机噪声.与传统小波变化算法对比,该算法的误差更小,去噪效果更好.     

基于偏微分方程的组合视频去噪方法

提出1个基于偏微分方程的组合视频去噪方法.该方法综合利用了变分运动估计方法的精确性和各向异性扩散滤波方法的保边性能等优点.方法的实施分为3步:首先,采用2维各向异性扩散滤波对噪声视频进行初始的去噪.然后,采用Brox等提出的变分光流计算方法对前1步去噪后的视频进行运动估计,目的是计算各帧的前向及后向运动场.最后,采用3维各向异性扩散滤波对运动补偿后的原始噪声视频实施最终的去噪.实验结果表明本文的方法优于经典的各向异性扩散滤波方法.     

基于改进的HDCS的图像去噪方法

针对数字图像主要含有高斯噪声和椒盐噪声的特点,提出了一种基于改进的各向异性的混合扩散模型。传统的基于边缘增强和相干增强的模型,虽然能够有效地去除噪声;但也会存在减弱相干结构和背景的对比度等问题,同时在保持图像细节纹理方面可能会出现失真。通过在扩散方程中引入一个源项;并充分考虑它对模型中各项产生的影响,使得改进后的模型既能有效去除噪声,也能有效地保持相干结构和背景的对比度;同时在模型中引入一个偏微分方程用以获取保真项,使得图像的细节保护效果更明显。实验结果表明,该方法能达到较理想的去噪和恢复图像纹理信息的结果,而且明显改善了图像的视觉效果。     

自适应最佳去噪小波基的构造及其应用

针对给定的带噪信号,在传统小波阈值去噪的基础上结合多分辨分析理论,给出了使其Stein无偏风险估计子最小的最佳去噪小波基的自适应构造方法,再利用该小波基对原始信号做小波阈值去噪处理而得到一种自适应去噪算法,并将此算法应用到地震信号这类典型的非平稳信号的去噪处理中.仿真实验表明,较传统的小波阈值去噪方法,该算法不仅具有较...     

用于图像平滑去噪的快速各向异性反扩散算法

提出一种用于灰度图像平滑去噪的基于自适应统计滤波的快速各向异性反扩散算法.该算法通过建立一种改进的异性扩散算法,对含噪图像迭代地进行反扩散作用,并在两次反扩散之间实行自适应统计滤波,以达到平滑去噪的效果.实验结果表明,新算法的性能稳定,相对于已有算法能在更短时间内达到预期效果,同时使图像边缘得到一定增强.     

一类自适应扩散方程在乘性去噪中的应用

提出一类自适应扩散方程并将其相应的模型用于乘性去噪, 该类模型能针对乘性噪声的特点, 根据局部梯度信息自适应地选择扩散模式: 其扩散速度和噪声大小成正比, 没有噪声的区域不扩散, 同时结合了热方程各向同性扩散和全变差流各向异性扩散的特点. 理论分析和实验结果表明, 该类模型能自适应地光滑区域内部, 增强边界, 避免阶梯效应.     

基于智能手机传感器和SC\|HMM算法的行为识别

在获取智能手机传感器信号的基础上, 提出一种基于谱聚类和隐Markov模型的日常行为识别算法. 该方法利用智能手机获取的加速度、 地理位置和接受信号强度等数据, 结合谱聚类分析和隐Markov模型学习, 能有效地对用户日常行为进行自动识别. 实验结果表明, 在真实的手机数据集中, 该方法具有较高的准确度.     

酵母基因启动子序列结构与转录频率的关联性分析

分别基于Markov链模型、频率分析和加权Markov链模型分析k-mer(主要考虑k=6的情形)在DNA序列中的使用情况,并以此定义模糊相对熵度量2个DNA序列结构的差异程度.将转录频率较低的启动子序列作为对照,分析其它转录频率不同的酵母基因启动子序列与对照序列中k-mer隶属度的模糊相对熵的变化,发现基因转录频率与模糊相对熵存在线性正相关关系.一般地,转录频率相差越大的基因,其启动子序列结构的差异越明显.这提示酵母基因启动子序列结构与基因转录频率有一定关联性.与Markov链模型和频率分析法比较,加权Markov链模型的模糊相对熵能更有效地度量基因启动子序列结构的差异.     

基于局部投影方法的混沌信号去噪

提出一种以Takens嵌入定理和影子定理为理论依据的对混沌信号较有效的去噪方法，该方法先根据Takens嵌入定理将待处理的含噪时间序列嵌入到合适的相空间M'中，由于混有噪声，相空间中的点将偏离真实动力学系统嵌入的流形M，去噪的目的就是估计M的位置，并将偏离M的点移近它。从而更新原时间序列。实验比较了局部投影去噪方法和小波函数方法的去噪效果，结果表明本文的方法对混沌信号的去噪很有效，且比单纯利用小波函数去噪的效果更好。     

基于广义隐马尔可夫模型的网页信息抽取方法

针对网页所特有的基于版面结构的特点，利用基于视觉的网页分割算法VIPS对网页分块，得到一种新的状态转移序列，取代了传统的状态转移序列。通过二阶Markov链改进广义隐马尔可夫模型（GHMM）的状态转移和输出观测值假设条件，提出了二阶的广义隐马尔可夫模型。最后通过实验说明改进的GHMM对于网页信息抽取有很高的精确率。     

基于小波变换的扩散滤波模型数值解的收敛性

证明了基于小波变换的扩散滤波模型数值解的收敛性.结果表明,如果假定该模型的弱解存在惟一并满足一些正则性假设,则用半隐迭代格式得到的数值解收敛到原方程的弱解.考虑到图像边缘的多尺度效应,该模型用小波变换模代替以往模型中的梯度模,在去噪的同时较好地保持了图像的边缘信息,并克服了经典去噪模型不能有效地除去图像边缘处噪声的弱点.该模型在医学图像处理中展现了良好的性能.     

隐马尔可夫模型的拓朴应用

以非齐次隐马尔可夫模型(Inhomogeneous Hidden Markov Mode1)出发,用自适应函数链神经网络与非齐次隐马尔可夫模型相结合,训练出适用环境变化的HMM模型,并应用该混合模型进行语音识别.实验结果表明,该模型适合于对噪声背景下的语音进行识别,该模型具有更好的鲁棒性,在信噪比较低的情况下,可以提高识别率.     

基于非凸范数的低维图像去噪问题研究

基于传统低秩去噪模型,利用非凸函数对模型中的秩函数进行替换,取得了对秩函数更好近似的效果.对于非凸问题的求解,利用凹函数超梯度定义,对原始问题进行松弛,得到松弛问题的显式解.实验表明,提出的非凸去噪方法相比传统方法具有更好的去噪效果.     

基于紧支撑和正交非分离小波的图像去噪算法

提出了一种基于紧支撑、正交的非分离高维小波去噪方法.首先,根据非分离小波理论,构造了一个非分离、具有二阶消失矩的小波滤波器组,然后结合非分离小波变换与单小波去噪方法中的VisualShrink方法进行图像的去噪,并与多小波、单小波的去噪效果进行比较.实验结果表明,该方法不但峰值性噪比的增幅值要明显高于CDF53单小波方法、GHM多小波、D4单小波的HeurShrink方法,而且具有更好的视觉质量.     

波动率服从Markov链的亚式期权定价

在亚式期权定价方法中,对常数波动率进行改进,引入服从Markov链的随机波动率,得到该模型下期权价格为各随机状态波动率下价格的加权和.     

用于机械故障诊断的门限自回归模型盲辨识

提出了一种门限自回归(AR)模型的盲辨识算法,并与常用方法进行比较分析。该算法的特点在保证辨识精度上可大大提高其运行速度,而且阶次越高,该算法的优势越明显。将该方法与隐Markov模型结合,以门限自回归模型各区间的AR子模型系数作为特征向量,以隐Markov模型作为分类器,应用到旋转机械升降速过程的故障诊断中。实验结果表明,这种方法有很好的实用性。     

改进的小波变换阈值去噪方法

针对Donoho的阈值去噪方法有时去噪效果不能令人满意的问题,提出了一种二次小波变换阈值去噪的方法--对小波变换各个尺度上的小波系数都进行二次小波变换,并进行去噪处理后重构小波系数,再由重构的小波系数重构原信号,此时原信号中已去除大部分随机噪声,此后再对重构后的原信号进行小波域阈值去噪.仿真结果表明:该方法具有良好的去噪效果,而且对信号的主要细节保留较好.