动态数学神经网络模型及其应用

本文在［１］的基础上建立了广义数学神经元，并引入动态机制，形成动态数学神经网络，由网络当前状态决定网络结点数．从而在一定程度上解决了前向神经网络隐层结点数无法确定的难题，并成功地将其运用于解决用多项式逼近连续函数的魏尔斯特拉斯定理，并建立了龙贝格求定积分的动态数学神经网络模型．     

复杂背景下一种有效的Mean Shift目标跟踪算法

提出了一种改进的Mean shift目标跟踪算法,该方法能够有效的排除非目标点对跟踪结果的影响,并且得到新的权值,增强了该像素属于目标的可能性,削弱了背景信息对目标模型的影响,提高了在复杂背景下对运动目标跟踪的鲁棒性.实验表明该方法能够有效实现复杂场景下的目标跟踪.     

基于小波变换与改进维纳滤波的SAR图像分割

图像分割在图像识别与计算机视觉中起着举足轻重的地位.为了提升合成孔径雷达(SAR)图像的分割质量,提出一种基于小波变换与改进维纳滤波相结合的SAR图像分割算法.首先用改进的维纳滤波对含有噪声的SAR图像进行去噪.接着对处理后的图像进行小波多层次分解,在每次重构前都对低频部分进行分割,保留前景并将背景置为0,同时对水平、垂直与对角分量的三个高频分量进行阈值降噪,再逐层重构.最后采用Canny微分算子对重构图实行边沿的检测.实验最终体现,该方法与已有方法相比能更好地索取图像的边沿信息,有更好的抗噪效验.     

基于HSI颜色模型的运动目标检测方法

针对灯光和背景的亮度不同,通过HSI空阃提取亮度信息,使用自动阈值对光源和运动目标进行区分,降低因光源变化而产生的运动目标误检．实验结果表明,该算法可以显著提高运动目标检测在有光源影响下的准确性,减少将背景误判为前景的情况．     

模糊聚类的一次定位算法

相似矩阵的传递闭包是模糊聚类的重要方法,根据在求相似矩阵的等价矩阵中取大取小运算的特征,得出相似矩阵的上三角形中的任一元素值在其等价矩阵中出现的位置,由计算过程中,当前比它大或等于的元素所在位置决定。在此基础上,将上三角形中的所有非零元素按降序排序,从第二个元素开始,按顺序计算每个元素可传递到的位置,得所求的等价矩阵。这种通过一次计算可得等价阵的最终结果的算法称为一次定位法。该算法的时间复杂度小于等于n平方级,空间复杂度为n平方级。     

有限离散属性网络模型及分类搜索方法

记忆是思维的源头,如何高效组织与存储信息是机器智能活动的前提,利用神经网络的结构思想、数据库表的映射作用、属性论的事物表达思想构造的属性网络模型能有效组织与存储信息,从根本上解决存储容量和渐进学习问题,使分类搜索变得非常简单.     

无穷维随机微分方程的稳定性

本文主要考察确定性ｋ值随机微分方程（Ⅰ）ｄｘｔ＝Ａｘｔｄｔ和关于Ｈ值Ｃ．Ｂ．ｍ的随机微分方程（Ⅱ）ｄｘｔ＝ＡＸｔｄｔ＋Ｇ（Ｘｔ）ｄＢｔ及（Ⅲ）ｄｘｔ＝ＡＸｔｄｔ＋Ｇ（Ｘｔ－Ｘｔ－τ）ｄＢｔ（其中τ为充分小常量）的几种稳定性之间的关系     

改进的分数阶微分Tiansi算子图像增强

为了提升图像纹理细节的信息,对已有图像增强模板的频率响应图进行特征分析,发现影响增强效果的根本原因是保证高频信息通过的同时更多的保留了低频信息.对分数阶微分Tiansi算子模板的频率响应图及滤波效果做了对比分析,发现已有分数阶微分Tiansi算子滤波效果图的全局平均灰度较低,视觉效果较差,原因在于低频信息保留太少.为此对已有分数阶微分Tiansi算子的模板做了调整,提高低频信息的通过率,得到新的分数阶微分Tiansi算子.实验表明改进的算子比其他的算法增强效果好.     

基于复杂度和模板匹配人眼定位方法

生物识别技术是利用人自身具备的生物特征进行身份鉴别的技术.与其他的生物认证技术相比,人脸识别具有更直接、友好、方便的优点.而人眼的自动定位是人脸识别研究中一个基本且非常重要的课题,特别对背景复杂、倾斜、旋转、脸部表情、姿势变化的人脸灰度图像,提出了一种改进的人眼快速定位的算法,该算法首先使用最大类间方差阚值方法确定人脸上下边界,然后利用垂直积分投影确定人脸上下边界,再利用复杂度分析在人脸区域中生成包含眼睛的极小人眼区域,最后在这候选小区域内利用模板匹配的方法精确定位眼睛.这样可以大大减小模板匹配时的计算量.在BioID_TEST_V1.2人脸数据库中实验,该算法的准确定位率95%以上.     

一种改进的Mean Shift目标跟踪算法——针对视频对象部分遮挡和光照变化

针对经典的Mean Shift算法在目标部分遮挡或者场景光照变化时容易出现跟踪目标丢失的问题,文章运用一种基于分块权重的方法处理目标部分遮挡问题,每一部分的权重系数由来自不同的块和背景颜色信息共同决定.为了适应场景光照的变化,提出快速并且稳定的更新机制.实验分析,该方法可实现快速有效的跟踪.