基于三参数模型的快速全局运动估计

提出了一种新的全局运动估计方法——基于三参数模型的快速全局运动估计.新的参数模型在保证准确性的同时,使用更少的参数来描述和估计全局运动,从而简化了计算复杂度.此外,对光流场计算做出了两方面改进：（1）提出了宏块预判的方法,计算光流场前对宏块的梯度信息进行预分析,通过减少参与计算的宏块数目提高光流场的计算速度;（2）提出了快速估计宏块运动向量的方法,在块匹配的过程中同时考虑图像的梯度和灰度信息,通过引入更多的约束提高运动向量的计算速度.实验证明了该方法的有效性.     

基于纹理约束和参数化运动模型的光流估计

提出了一种基于局部小平面运动的光流估计新方法。目的是获得精确致密的光流估计结果。与以往采用亮度一致性区域作为假设平面的算法不同，本算法利用序列图像的纹理信息，在纹理分割区域的基础上，进行运动估计。该算法首先通过微分法计算粗光流，可以得到参数化光流模型的初始估计，然后通过区域迭代算法，调整初始估计，从而得到精细的平面分割及其对应的参数化光流模型。基于纹理信息的部分拟合算法被用于算法的每一步当中，保证了纹理边缘位置的光流估计值的准确性。实验采用了标准图像序列，结果表明，可以得到更为精细的光流估计结果，特别是对于那些有着丰富纹理信息的室外环境的图像序列，而且在运动边界处的结果改善尤为明显。     

由双目图象流无对应地估计3—D运动参数

本文设计用并行立体摄象机产生的图象流作为输入，通过解系数由图象速度和两图象内坐标构成的线性系统等式，不需左、右两图象流场间特征点的对应就以有复原的３－Ｄ运动参数。经用综合图象流场测验已经证明我们算法的可行性以及具有功能强、速度快的特点。     

LDA模型参数有偏估计方法

LDA(Latent Dirichlet Allocation)等基于隐含topic的模型在离散数据处理中的应用逐渐增多.然而LDA使用Dirichlet分布作为隐含topic的分布函数,未能很好表示各topic之间相互关系.目前常见改进方法是通过DAG(Directed Acyclic Graph)图或对数正态分布等其他分布函数表达topic之间的关系.本文通过参数有偏估计的方法,考虑topic混合过程中词项上的重叠关系,改变topic内部词项分布,最终改进LDA模型性能.在回顾一些基础内容后,重点介绍参数有偏估计及简化计算方法.最后通过LDA模型在信息检索中的实验验证这种改进的有效性,并初步分析模型参数选用规律.     

布料运动模型参数学习方法

为了在布料运动仿真中通过调整其中的模型参数表现不同材质布料的运动差异,提出一种基于实例的布料运动模型参数学习方法.该方法利用运动捕获设备获取布料样本的运动实例数据;通过仿真数据与实例数据对比,利用遗传算法逐步进化、学习得到布料运动模型的全部参数.采用文中方法对6种不同材质布料的运动模型参数进行学习,并利用学习结果合成相应的布料运动模拟数据.实验结果表明,每段布料运动模拟数据(时间长度为5 s)与实例数据间的相对位置误差小于6%;在相同外力驱动下,不同材质布料的运动模拟结果能够较好地反映不同材质布料的运动特性.     

一种三维运动参数的鲁棒估计方法

本文提出了一种估计三维运动参数的线性算法,利用两帧图象之间点匹配的信息,算法给出了鲁棒性较好的解。该算法的关键之处是引入必要的先验知识,使得先验知识直接参与数值计算,以解决所谓不适定问题,实验结果表明:本文的算法在多方面优于现存的算法。     

带白色观测噪声的ARMA模型参数的无偏估计

本文研究了如何利用受白色噪声污染的观测数据辨识ＡＲＭＡ（ｐ，ｑ）模型参数数据的问题，提出了一种递推辅助变量法．利用这种方法首先辨识出ＡＲ（ｐ）部分的参数及观测噪声的方差，然后根据所得的估计利用常用的Ｎｅｗｔｏｎ－Ｒａｐｈｓｏｎ方法确定ＭＡ（ｑ）部分的参数。     

一种基于点对的深度和运动估计方法

针对基于模型的姿态估计问题提出了一种新颖的深度和运动估计方法．估计过程分为两步．首先根据由3个模型点构成的3个点对估计旋转矩阵．然后,根据3个点对中的一个计算平移和深度．本文还提出了一种简单而有效的优化算法用于提高估计结果的精度．该估计方法的特点是独立地估计旋转矩阵,而且只需少量的模型点就能获得好的估计结果．模拟试验和实际试验结果表明了该方法的有效性．     

基于网格模型的运动估计技术研究

运动估计技术是视频压缩技术的关键。将基于网格模型的运动估计方法分为两类,即优化搜索路径和保持形变,论述了几种运动估计的方法,对主要的估计算法进行详细论述。结合规则网格运动估计技术的发展,重点分析了不规则网格顶点的运动估计技术的特点和发展前景。     

结合运动矢量和像素递归的全局运动估计方法

全局运动估计是计算机视觉、视频处理等领域中一项重要研究课题。结合运动矢量和像素递归提出一种新的全局运动估计方法,该方法根据块运动矢量求出运动矢量直方图,找出主要块运动方向作为初始的全局运动方向,并初始化全局运动参数。利用运动矢量间距离及类间方差求出运动矢量分割阈值,自适应地去除外点块区域。根据背景块梯度和值的大小,在每个背景块中选择一到两个特征像素点进行运动参数估计。实验结果表明,该方法具有较快的计算速度,同时也具有较高的计算精度。     

统计学习理论的原理与应用

经验风险与实际风险间的不一致是一个长期困扰机器学习（各种分类或拟合问题）的难题。统计学习理论提供了对这一问题的部分解决方法。本文从理论及现实两方面介绍经验风险与实际风险间的不一致现象，定义了算法的泛化能力，简单介绍了统计学习理论各组成部分的主要结论，并总结了这一理论的应用方向和存在的问题。     

图像统计模型参数估计中的期望最大值算法

期望最大值算法是近年来图像统计模型参数估计技术领域的研究热点之一。在对期望最大值算法分析的基础上,结合其在图像统计模型参数估计中的应用研究,对改变标准期望最大值算法的3种方式进行比较分析。结合图像恢复、分割、目标跟踪以及与其他优化算法的融合应用,从丢失数据集的选取、丢失数据集和不完全数据集统计模型的建立,以及统计模型参数估计3个方面,评述期望最大值算法优缺点。丢失数据的选取和不完全数据的描述形式直接决定期望最大值算法的结构和计算复杂度,以致算法的成败。最后,讨论期望最大值算法目前存在的问题及未来的发展方向,指出其在具有丢失数据统计模型参数估计中广泛应用。     

Model complexity control and statistical learning theory

We discuss the problem of modelcomplexity control also known as modelselection. This problem frequently arises inthe context of predictive learning and adaptiveestimation of dependencies from finite data.First we review the problem of predictivelearning as it relates to model complexitycontrol. Then we discuss several issuesimportant for practical implementation ofcomplexity control, using the frameworkprovided by Statistical Learning Theory (orVapnik-Chervonenkis theory). Finally, we showpractical applications of Vapnik-Chervonenkis(VC) generalization bounds for model complexitycontrol. Empirical comparisons of differentmethods for complexity control suggestpractical advantages of using VC-based modelselection in settings where VC generalizationbounds can be rigorously applied. We also arguethat VC-theory provides methodologicalframework for complexity control even when itstechnical results can not be directly applied.     

一种匀速直线运动模糊参数估计方法

运动模糊恢复就是利用运动模糊退化的某种先验知识来重建或恢复原有图像。在运动模糊的点扩散函数未知的情况下,估计运动模糊的点扩散函数是运动模糊恢复的前提和关键。从傅立叶变换的角度对匀速直线运动模糊图像的点扩散函数在频域中的特点做了理论分析,论证了点扩散函数在频域内的零点特性及模糊图像两次傅立叶同态变换后的方向特性,并提出了利用这些特性进行运动模糊方向估计的方法及两种模糊距离的估计方法。实验结果证明了所提出方法的有效性。     

应用遗传算法估算溶液热力学模型参数

应用遗传算法估算溶液热力学模型参数,并对标准遗传算法中的变异策略和竞争方式作了适当的改进,得到改进的遗传算法。举DMF(二甲基甲酰胺)+water体系的溶液热力学模型参数的估算为例,并与POWELL法比较。计算结果表明,遗传算法比POWELL法具有更强的寻优能力,而本文所提出的改进的遗传算法比标准遗传算法的寻优速度明显较快,对解决溶液热力学模型这类复杂的非线性函数的参数估算问题,本文所提出的改进的遗传算法是一种较好的寻优算法。     

An introduction to some statistical aspects of PAC learning theory

In this paper, a brief introduction is given to some statistical aspects of PAC (probably approximately correct) learning theory. It is shown that there is a close connection between the principal results in PAC learning theory and those in empirical process theory, the latter being a well-established branch of probability theory. The main results in each area are summarized without proofs, and the reader is directed to appropriate sources in the literature.     

统计机器学习中参数可辨识性研究及其关键问题

参数可辨识性研究在统计机器学习中具有重要的理论意义和应用价值.参数可辨识性是关于模型参数能否被惟一确定的性质.在包含物理参数的学习模型中,可辨识性不仅是物理参数获得正确估计的前提条件,更重要的是,它反映了学习机器中由参数决定的物理特征.为扩展到未来类人智能机器研究的考察视角,我们将学习模型纳入"知识与数据共同驱动模型"的框架中讨论.在此框架下,我们提出两个关键问题.第一是参数可辨识性准则问题.该问题考察与可辨识性密切相关的各种判断准则,其中知识驱动子模型与数据驱动子模型的耦合方式为参数可辨识性问题提供了新的研究空间.第二是参数可辨识性与机器学习理论和应用相关联的研究.该研究包括可辨识性对参数估计、模型选择、学习算法、学习动态过程、奇异学习理论、贝叶斯推断等内容的深刻影响.     

基于量子微粒群算法的发酵过程模型参数估计

量子微粒群优化算法(QPSO)是一种改进的微粒群优化算法(PSO),克服了PSO算法搜索空间有限和易陷入局部极值的不足,同时该算法具有参数少、易实现、收敛速度快等优点.应用量子微粒群优化算法,以谷氨酸发酵过程产物(谷氨酸)浓度数据为检验样本,以Verhulst方程为菌体生长模型,进行发酵模型参数估计.实验结果表明,基于QPSO算法的参数估计方法具有精度高、编程实现简单、计算量小等优点.     

Parameter estimation for nonlinear systems by using the data filtering and the multi-innovation identification theory

For Hammerstein output-error autoregressive systems, a decomposition based multi-innovation stochastic gradient (D-MISG) identification algorithm and a data filtering based multi-innovation stochastic gradient (F-MISG) identification algorithm are derived by means of the key-term separation principle and the multi-innovation identification theory. The D-MISG algorithm uses the decomposition technique to transform a Hammerstein system into two subsystems and requires less computational cost, and the F-MISG algorithm uses a linear filter to filter the input-output data and has a higher estimation accuracy for larger innovation lengths. The simulation results show that the proposed two algorithm can give satisfactory parameter estimates.