期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
结合参数估计的天文图像极大似然恢复 被引量:2
1
作者 耿则勋 魏小峰 沈忱 《光学精密工程》 EI CAS CSCD 北大核心 2013年第11期2943-2950,共8页
分析了Benvenuto等针对天文图像恢复提出的基于极大似然(ML)代价函数的有效逼近模型,由此提出了一种比传统ML收敛更快的图像恢复算法。该算法在未知点扩散函数(PSF)条件下,通过观测模糊图像,自适应估计湍流PSF,使PSF估计更符合成像环境... 分析了Benvenuto等针对天文图像恢复提出的基于极大似然(ML)代价函数的有效逼近模型,由此提出了一种比传统ML收敛更快的图像恢复算法。该算法在未知点扩散函数(PSF)条件下,通过观测模糊图像,自适应估计湍流PSF,使PSF估计更符合成像环境;然后,将该算法与混合高斯泊松噪声的ML算法相结合,形成增强ML迭代算法。在迭代过程中动态更新PSF,交替执行恢复图像、去除噪声等策略。结果显示:对于点源目标图像,本文算法恢复图像的质量在峰值信噪比、均方误差以及平均对比度3个指标上分别提高了96.64%,69.26%和25.6%;对于真实湍流退化图像,恢复质量也有一定改善。结论表明:该方法可以使迭代过程收敛更稳定,图像恢复质量得到明显提高,非常适用于天文观测图像的高清晰恢复与重建。 展开更多
关键词 图像恢复 天文图像 极大似然原理 点扩散函数估计 混合高斯泊松噪声
在线阅读 下载PDF
多传感器分组加权融合算法研究 被引量:14
2
作者 仲崇权 张立勇 +1 位作者 杨素英 赵文豪 《大连理工大学学报》 CAS CSCD 北大核心 2002年第2期242-245,共4页
将多传感器对某一状态的测量结果分组 ,针对每组测量变量的算术平均值 ,依据极大似然原理 ,提出了多传感器分组加权融合算法 .通过对各组传感器测量值的方差进行估计 ,从而对每组传感器测量平均值的权值进行合理的分配 ,解决了在传感器... 将多传感器对某一状态的测量结果分组 ,针对每组测量变量的算术平均值 ,依据极大似然原理 ,提出了多传感器分组加权融合算法 .通过对各组传感器测量值的方差进行估计 ,从而对每组传感器测量平均值的权值进行合理的分配 ,解决了在传感器和环境干扰未知情况下 。 展开更多
关键词 极大似然原理 加权融合算法 方差估计 多传感器 权系数 数据融合 状态估计
在线阅读 下载PDF
基于浮动阈值分类器组合的多标签分类算法 被引量:9
3
作者 张丹普 付忠良 +1 位作者 王莉莉 李昕 《计算机应用》 CSCD 北大核心 2015年第1期147-151,共5页
针对目标可以同时属于多个类别的多标签分类问题,提出了一种基于浮动阈值分类器组合的多标签分类算法。首先,分析探讨了基于浮动阈值分类器的Ada Boost算法(Ada Boost.FT)的原理及错误率估计,证明了该算法能克服固定分段阈值分类器对分... 针对目标可以同时属于多个类别的多标签分类问题,提出了一种基于浮动阈值分类器组合的多标签分类算法。首先,分析探讨了基于浮动阈值分类器的Ada Boost算法(Ada Boost.FT)的原理及错误率估计,证明了该算法能克服固定分段阈值分类器对分类边界附近点分类不稳定的缺点从而提高分类准确率;然后,采用二分类(BR)方法将该单标签学习算法应用于多标签分类问题,得到基于浮动阈值分类器组合的多标签分类方法,即多标签Ada Boost.FT。实验结果表明,所提算法的平均分类精度在Emotions数据集上比Ada Boost.MH、ML-k NN、Rank SVM这3种算法分别提高约4%、8%、11%;在Scene、Yeast数据集上仅比Rank SVM低约3%、1%。由实验分析可知,在不同类别标记之间基本没有关联关系或标签数目较少的数据集上,该算法均能得到较好的分类效果。 展开更多
关键词 连续ADABOOST 浮动阈值 极大似然原理 多标签分类 集成学习 二分类方法
在线阅读 下载PDF
车辆运行品质的智能手机检测方法及姿态误差矫正
4
作者 陈嵘 从建力 +2 位作者 高鸣源 王源 王平 《西南交通大学学报》 EI CSCD 北大核心 2022年第4期830-839,共10页
因车体坐标系统和手机坐标系统存在角度偏差,为使手机检测数据真实反映车体振动加速度,提出针对手机姿态误差的系统性矫正方法.该方法以重力方向为基准矫正手机垂向加速度,借助车体横、纵向加速度的正交性矫正手机水平向加速度,并基于... 因车体坐标系统和手机坐标系统存在角度偏差,为使手机检测数据真实反映车体振动加速度,提出针对手机姿态误差的系统性矫正方法.该方法以重力方向为基准矫正手机垂向加速度,借助车体横、纵向加速度的正交性矫正手机水平向加速度,并基于极大似然估计原理评估角度偏差,保证手机姿态矫正的可靠性.结合现场测试结果表明:两部智能手机检测数据经姿态误差矫正得到以重力方向为基准的垂向角度修正值分别为0.008°和0.007°,两者水平夹角为29.75°,与试验放置夹角30.00°偏差0.25°;智能手机与高精度传感器检测的车体加速度在时域和频域的幅值、主频均一致. 展开更多
关键词 车辆运行品质 智能手机 姿态误差矫正 角度偏差估计 极大似然原理
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部