高斯核

摘要： 经典DBSCAN(density based spatial clustering of applications with noise)算法需要人工指定邻域半径(Eps)和点数阈值(Minpts),且均为全局参数,导致聚类准确率低。针对此问题,为了提高经典DBSCAN聚类算法的聚类准确率,基于网格划分思想,提出了一种局部自适应DBSCAN聚类算法。根据数据集自身特征生成网格空间,将特征数据映射至相应的网格空间;利用高斯核函数估计每个网格区间的局部密度;联合多维度网格密度分布信息,寻找无连接或弱连接高密度网格之间的区域,同时统计同区域的波峰数量,从而自适应确定各区域的Eps及Minpts参数;使用每个区域独有的参数作为DBSCAN算法输入,并进行聚类。实验结果表明,该算法能够在聚类过程中自适应确定每个局部区域的Eps和Minpts参数,聚类准确率高且耗时较低。

摘要： 压敏漆(PSP)图像测量在风洞模型表面压力测量中发挥着重要作用,测量图像的信号质量直接关系到模型表面压力测量精度。针对现有PSP图像测量降噪方法所存在的信噪比低的问题,本文提出双核高斯滤波算法,分别在图像值域、空域构建高斯核滤波器,在滤除PSP图像噪声的同时,保护了PSP图像细节,避免了现有PSP去噪算法引起的图像模糊问题,提升了测量图像信噪比。对二元翼型的风洞试验PSP图像进行处理,去噪效果优于中值滤波、均值滤波和高斯滤波算法。

摘要： 目的小盒烟包在包裹过程中易出现烟包内框纸破损、脱落、丢失,以及铝箔纸破损、刮烂等缺陷,为解决在完全包裹好小盒商标纸之前,GD包装机未对这些缺陷进行相关检测和剔除而带来的质量风险问题。方法通过对视觉技术的研究、全方位可旋转支架的设计制作、PLC控制程序的设计与IPC系统融合等,设计一种新型烟包外观视觉检测装置;通过多次实验调整可旋转支架的角度确定检测的最佳安装位置及角度;采用高斯核滤波、卷积等方法对图像进行预处理,采用相对熵对颜色相近的铝箔纸与内框纸进行图像处理分析;利用In-Sight资源管理器,并结合远程控制设计,实现对烟包内框纸、铝箔纸与商标纸同时检测的远程调试与监测。结果该新型外观视觉检测装置安装后,实现在完全包裹好小盒商标纸之前对烟包铝箔纸、内框纸与商标纸的精确检测,缺陷烟包的产品检测剔除率≥99.99%,误检率≤0.01%。结论所设计的新型小盒烟包外观检测装置能在完全包裹好小盒商标纸之前远程调试与监测烟包内框纸、铝箔纸与商标纸,并对缺陷烟包进行准确剔除,降低有缺陷烟包进入下道工序的风险,可推广应用于烟草行业内所有包装设备上。

摘要： 类内距离和类间距离数值量级差异性导致两类距离无法直接融合,进而影响了FCM聚类模型设计。首先,本文全面回顾了经典和改进型的FCM聚类模型,构建了类内距离和类间距离迹的关系模型,分别从类内类间距离的变化不一致性和量级差异性两个方面分析了现有FCM聚类模型的不足;其次,运用高斯核距离替代传统的欧式距离来表征类内类间距离,基于最小化类内紧凑度与类间分离度差的思想,设计了类内类间距离平衡方法,提出了一种改进的FCM聚类目标函数与算法;最后,运用算例说明了本方法的有效性和优越性。

摘要： 传统的信息梯度算法虽具有计算量小的优点,但收敛速度较慢.为加速算法收敛,提出一种多误差信息梯度算法.该算法将信息梯度中使用的标量误差更换为多个误差组成的误差向量,使得收敛速度大为加快;同时,为获得更准确的误差概率密度函数,引入最优高斯核宽度.数值仿真和案例建模表明了算法的有效性.

摘要： 传统的信息梯度算法虽具有计算量小的优点,但收敛速度较慢。为加速算法收敛,提出一种多误差信息梯度算法。该算法将信息梯度中使用的标量误差更换为多个误差组成的误差向量,使得收敛速度大为加快;同时,为获得更准确的误差概率密度函数,引入最优高斯核宽度。数值仿真和案例建模表明了算法的有效性。

摘要： 针对支持向量数据描述(SVDD)对惩罚参数相当敏感的问题,提出一种新颖的异常检测方法,称为分布熵惩罚的支持向量数据描述(DEP-SVDD).首先,将正常样本作为数据的全局分布,并在高斯核空间中定义每个样本点与正常样本分布中心的距离度量;然后,基于该距离设计评估样本点属于正常或异常样本的概率;最后,利用此概率构造基于分布熵的惩罚度以对相应的样本进行惩罚.在9个真实数据集上,将所提方法与SVDD、密度权的支持向量数据描述(DW-SVDD)、位置正则的支持向量数据描述(P-SVDD)、K最近邻(KNN)和孤立森林(iForest)算法进行对比实验,结果表明DEP-SVDD在6个数据集上获得了最高的分类精度,可见相较于多种异常检测方法,DEP-SVDD在异常检测中具有更好的性能优势.

摘要： 本文采用三次样条函数近似高斯核函数对图像构建离散尺度空间,其模糊比和初始平滑度设为2和0.627,在图像尺度空间内,依次利用边缘检测和FAST角点检测方法提取图像特征点。

摘要： 针对现有的ORB特征匹配算法在图像模糊、光照变化、图像压缩、噪声条件下,匹配准确率下降问题,提出了一种改进的ORB特征匹配算法.首先,在提取特征点过程中,对图像进行网格化处理,并引入四叉树结构,使提取的特征点在图像中均匀分布,解决传统的特征提取方法遇到的特征点集中问题.然后,利用暴力匹配进行初步匹配,并采用交叉验证的方式,剔除部分误匹配,改善暴力匹配的结果.最后,利用高斯核对网格运动统计的结果做加权处理,优化统计结果,进一步剔除误匹配,得到准确率更高的匹配集合.实验结果表明:改进后的算法在图像模糊、光照变化、图像压缩和噪声条件下,平均准确率分别提高了3.5％、4.2％、2.2％和6％.

摘要： 本文使用一种改进的高斯核的HEC算法,并将其解释为寻找体积和密度都紧凑的椭球分簇,该算法能够有效地处理形状为椭球、大小不同和密度不同的分簇.仿真实验证明所提出算法在聚类结果和性能上均优于K-means算法、模糊C-means算法和GMM-EM算法,从而证明了本文算法的可行性和有效性,并将之应用在基于变压器油中溶解气体(Dissolved Gas-in-oil Analysis,DGA)的变压器故障诊断中,提高了故障诊断准确度.

摘要： 本文通过研究高斯核支持向量机在具体分类问题中的应用,分析了模型惩罚参数C和高斯核参数σ对SVM分类性能的影响,提出了利用格子点法配合k-折交叉验证技术搜索模型最优参数的算法,以得到推广能力最优的SVM,最后通过数值实验进一步验证了算法的有效性.

摘要： 本文讨论了基于高斯核的支持向量回归机(SupportVectorRegression,SVR)和模型参数选择问题,结合结构风险最小化原则分析了误差惩罚参数C、高斯核宽度σ以及逼近精度ε对SVR回归性能的影响,并通过数值实验进一步分析了这种影响.

摘要： 本文使用支持向量算法[3]对时间序列进行聚类分析.支持向量算法将样本数据通过高斯核(Gaussian kernel)映射到高维空间,在高维空间中求得一个最小的超球包住绝大部分点的映射.如果将这个小区域上的点映射回原数据空间中,所得到的是几个分裂的连通区间.每个区间包含的点集就被划分为同一类.我们将这种算法用在时间序列的聚类分析上,抽取时间序列的特征作为聚类分析的原始数据,由上述的支持向量算法得到分析结果.我们的结果表明,和已有的时间序列聚类算法相比,支持向量算法对各种形状的聚类都具有很强的分析能力.

摘要： 本发明公开了一种数字核脉冲信号高斯成形方法，基于三阶Sallen‑Key电路的高斯成形的基本思想，获取其在拉普拉斯域内的传输函数，根据传输函数推导了其数值递推模型，并给出了该模型电路在时域中高斯成形的响应函数，将数字核脉冲信号输入到数值递推函数模型，可实现其高斯成形输出，通过调整成形参数k，可改变高斯成形输出的脉冲幅度与脉冲宽度，根据数值递推模型推导其在Z域中的幅频响应函数，获取其幅频响应曲线，分析高斯成形的效果；本发明克服了基于CR‑RCm电路的数字高斯成形过程中出现过零下冲、成形输出幅度小的缺点；克服基于Sallen‑Key电路数字高斯成形输出对称性不足、滤波性能不佳的缺点，为数字核脉冲信号快速、有效地高斯成形提供了一种新的实现方式。

摘要： 本发明公开了基于高斯过程大核注意力装置引导的曲面测量方法及装置，依次进行初始点采样、曲面上采样、曲面重建和误差评定、采样点选择，其中曲面上采样由高斯过程模型和基于大核注意力机制的预训练上采样模型组成，通过上述操作获得关键的点云数据，通过这些数据，可以用非常有限的数据完成目标精度的曲面重建；同时，针对高精度接触式形貌测量传感器测量效率较低的问题，通过局域高斯过程和深度学习的上采样模型，进行点云的自适应采样，然后再对这些数据进行重建，可以在保证重建精度和细节还原度的同时提高复杂曲面的测量效率。

摘要： 本发明公开了基于高斯过程大核注意力装置引导的曲面测量方法及装置，依次进行初始点采样、曲面上采样、曲面重建和误差评定、采样点选择，其中曲面上采样由高斯过程模型和基于大核注意力机制的预训练上采样模型组成，通过上述操作获得关键的点云数据，通过这些数据，可以用非常有限的数据完成目标精度的曲面重建；同时，针对高精度接触式形貌测量传感器测量效率较低的问题，通过局域高斯过程和深度学习的上采样模型，进行点云的自适应采样，然后再对这些数据进行重建，可以在保证重建精度和细节还原度的同时提高复杂曲面的测量效率。

摘要： 本发明涉及一种基于自适应核估计的相对高斯率图像平滑方法，包括：S1、构造相对高斯率滤波泛函；S2、建立自适应的核尺度估计模型：首先，构造修正的各向异性扩散滤波泛函；其次，进行像素邻域分析；最后，进行自适应核尺度估计；S3、自适应核尺度的相对高斯率图像平滑方法求解；首先，对其进行全局优化；其次，运用非凸正则化进行求解。本发明从像素p四邻域入手，更加全面地考虑平滑问题，鲁棒性高，可以针对不同的自然图像自适应地调整滤波核尺度，图像处理效果好，解决了孤立区域的平滑效果不理想的问题。

摘要： 本发明提供了一种基于加性高斯核的核非负矩阵分解人脸识别方法、系统及存储介质，该核非负矩阵分解人脸识别方法包括训练步骤和识别步骤。本发明的有益效果是：本发明的基于加性高斯核的核非负矩阵分解人脸识别方法对噪声具有鲁棒性，具有较快的收敛速度，并且本发明同现有的相关算法比较可知，本发明具有一定的优越性和鲁棒性。

摘要： 本发明提供了一种基于动态高斯核卷积滤波的结构优化方法和装置，通过对待优化结构进行有限元网格离散设计域的处理，得到有限元分析结果和结构优化模型；根据所述结构优化模型计算目标函数的第一灵敏度；通过动态高斯核函数对第一灵敏度进行过滤获得第二灵敏度；采用优化准则法对所述结构优化模型进行迭代计算，从而更新结构优化模型的设计变量、有限元分析结果、第二灵敏度和高斯核函数的参数，进而迭代更新所述结构优化模型。随着优化的进行，调整高斯核函数的参数值进而对模型进行优化，防止了“加权平均”效果产生的中间密度单元，避免了“边界扩散”现象，提高了结构优化结果的准确性和稳定性，同时更快、更容易达到收敛。

摘要： 本发明公开了一种基于参数预估计的改进径向高斯核时频分析方法，该方法包括如下步骤：1、获取待处理脉冲信号；2、计算待处理脉冲信号直角坐标系下的模糊函数；3、预估信号模糊域自项径向角；4、将直角坐标系下模糊函数转换为极坐标系下模糊函数；5、利用Step‑Project算法计算极坐标系下信号最优核函数扩展矢量；6、计算直角坐标系下信号最优核函数；7、利用信号最优核函数对信号模糊函数滤波，将滤波后的结果变换到时频域得到信号的时频分析结果。本发明是对传统的基于径向高斯核时频分析方法的改进，可在保持其算法性能的基础上，提高其运算效率，适合对未知分量数的线性调频和双曲调频信号等进行高时效时频分析。

摘要： 本发明提供了一种基于加性高斯核的核非负矩阵分解人脸识别方法、系统及存储介质，该核非负矩阵分解人脸识别方法包括训练步骤和识别步骤。本发明的有益效果是：本发明的基于加性高斯核的核非负矩阵分解人脸识别方法对噪声具有鲁棒性，具有较快的收敛速度，并且本发明同现有的相关算法比较可知，本发明具有一定的优越性和鲁棒性。

摘要： 本发明公开了一种基于径向高斯核的自适应最优核时频分析方法，包括：输入一道地震数据；在信号上加上了矩形时间窗；同时对核函数的体积给出了限定；计算矩形时间窗内信号的模糊函数；在窗函数内部计算局部最优核函数，并用两个限制条件来实现最优核函数的求取；核函数相当于对模糊函数进行了加权，二者乘积之后，做二维傅里叶变换，得到消除交叉项干扰的时频谱，移动矩形时间窗得到整个信号的时频谱。在本发明的方法具有刻画信号细节的能力，同时它能够很好地抑制多分量信号时频分布中的交叉项，并且拥有与Wigner分布接近的分辨率，用于地震信号分析是一种理想的时频分布。

摘要： 本发明提供了一种基于动态高斯核卷积滤波的结构优化方法和装置，通过对待优化结构进行有限元网格离散设计域的处理，得到有限元分析结果和结构优化模型；根据所述结构优化模型计算目标函数的第一灵敏度；通过动态高斯核函数对第一灵敏度进行过滤获得第二灵敏度；采用优化准则法对所述结构优化模型进行迭代计算，从而更新结构优化模型的设计变量、有限元分析结果、第二灵敏度和高斯核函数的参数，进而迭代更新所述结构优化模型。随着优化的进行，调整高斯核函数的参数值进而对模型进行优化，防止了“加权平均”效果产生的中间密度单元，避免了“边界扩散”现象，提高了结构优化结果的准确性和稳定性，同时更快、更容易达到收敛。