期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于无失效数据和复合LINEX损失函数的指数分布模型的Bayes统计推断研究
1
作者 廖莉 《宜春学院学报》 2020年第9期8-10,80,共4页
基于无失效数据,在复合LINEX损失函数下研究了指数分布模型失效率Bayes估计问题。当参数的先验分布为伽玛分布时,得到了失效率的Bayes估计及E-Bayes估计,最后应用实例的运算结果说明了估计的有效性。
关键词 BAYES估计 函数 先验分布 复合LINEX损失函数 E-BAYES估计
在线阅读 下载PDF
对数伽玛分布尺度参数的Bayes估计在LINEX与复合LINEX损失函数下的比较 被引量:2
2
作者 王成元 黄先玖 《应用数学》 CSCD 北大核心 2018年第2期384-391,共8页
在LINEX损失函数与复合LINEX损失函数下,研究对数伽玛分布尺度参数θ的Bayes估计、E-Bayes估计和多层Bayes估计.给出先验分布为伽玛分布和Jeffreys先验分布时的Bayes估计,进而给出先验分布为伽玛分布时的E-Bayes估计和多层贝叶斯估计.... 在LINEX损失函数与复合LINEX损失函数下,研究对数伽玛分布尺度参数θ的Bayes估计、E-Bayes估计和多层Bayes估计.给出先验分布为伽玛分布和Jeffreys先验分布时的Bayes估计,进而给出先验分布为伽玛分布时的E-Bayes估计和多层贝叶斯估计.通过数据模拟检验参数的Bayes估计和E-Bayes估计的合理性及优良性,并且发现一些数据表中存在一定的规律. 展开更多
关键词 对数伽玛分布 尺度参数 LINEX非对称损失函数 复合LINEX对称损失函数
在线阅读 下载PDF
基于改进AOD-Net的图像去雾算法 被引量:1
3
作者 侯明 梁文杰 《电子技术应用》 2024年第4期60-66,共7页
为了更好解决图像去雾后颜色失真、去雾不彻底和耗时等问题,提出了一种基于改进AOD-Net的图像去雾算法。首先,在原有的卷积模块中引入残差连接,并保留了第二个特征融合层第一层的特征信息,以增强网络的特征提取能力。其次,在第三个特征... 为了更好解决图像去雾后颜色失真、去雾不彻底和耗时等问题,提出了一种基于改进AOD-Net的图像去雾算法。首先,在原有的卷积模块中引入残差连接,并保留了第二个特征融合层第一层的特征信息,以增强网络的特征提取能力。其次,在第三个特征融合层后引入注意力模块,强化雾图中的关键特征信息,抑制无关背景干扰。最后,采用新的复合损失函数进行训练。实验结果表明,改进算法在公共数据集上的峰值信噪比提高了3.8 dB,结构相似性达到了93.6%。相较于其他去雾算法,该算法在去雾精度和处理效率方面均表现出色。 展开更多
关键词 图像去雾 AOD-Net 残差连接 注意力模块 复合损失函数
在线阅读 下载PDF
基于R-VGG和多分支注意力的无人机图像配准模型 被引量:3
4
作者 赵亚丽 蔺素珍 +2 位作者 张海松 李大威 雷海卫 《中北大学学报(自然科学版)》 CAS 2021年第5期460-467,共8页
无人机图像通常分辨率较大且含有大面积的弱纹理区域,导致在配准时图像特征提取不足和误匹配增加.针对这些问题,提出一种基于R-VGG特征提取和多分支注意力的无监督配准模型.首先,利用两个具有共享权重参数的特征提取网络来提取运动图像... 无人机图像通常分辨率较大且含有大面积的弱纹理区域,导致在配准时图像特征提取不足和误匹配增加.针对这些问题,提出一种基于R-VGG特征提取和多分支注意力的无监督配准模型.首先,利用两个具有共享权重参数的特征提取网络来提取运动图像和参考图像的低、高层融合特征;然后,在初步特征匹配之后,加入以残差块为单位的多分支注意力(Multi-Branch Attention,MBA)以滤除错误特征匹配;最后,采用卷积神经网络进行单应性估计,使用空间变换网络(Spatial Transform Network,STN)将运动图像根据单应性矩阵扭曲得到配准结果图像.通过实验将其与另外4种图像配准方法进行了比较,并根据结构相似性(SSIM)、互信息量(MI)和平均绝对误差(MAE)三种评价指标进行了衡量.结果表明,所提方法具有很好的性能表现,能够准确、稳定地完成无人机图像的配准任务. 展开更多
关键词 图像配准 无监督学习 特征提取 多分支注意力 复合损失函数
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部