判别式

摘要： 文章通过两道题目,探讨用判别式求最值产生增解问题的具体解决方法,并思考如何应对.

摘要： 文[1]对2019年宁波十校髙三5月适应性考试向量试题进行剖析,形成这类向量问题的解题策略:先利用阿波罗尼斯圆的性质,再构造椭圆,联立椭圆和圆的方程,结合判别式和零点存在性质定理加以解决.文末提到:这类问题是否有更简洁精彩的解法?

摘要： 题目求双曲线r^2/2-y^2=1在点A(2,l)处的切线方程.分析1我们知道,处理圆锥曲线点切线的通法是:设、联立方程组、判别式等于零、解方程、代入整理.

摘要： 一元二次方程是初中数学的重要内容之一,它的应用十分广泛.有些问题用常规解法比较困难,看似无从入手,但若根据其结构特征,恰当地构造出符合条件的一元二次方程,利用根与系数的关系或判别式来解,往往能收到奇妙的效果,本文略举几例,供同学们参考.

摘要： 当遇到二次不等式最值问题时,很多同学都习惯于运用基本不等式来求解.实际上,有些二次不等式最值问题利用换元法来求解更为便捷.下面我给大家介绍一下如何巧妙运用换元法来解答此类问题.利用换元法解答二次不等式最值问题有以下三个基本步骤:1.将所求目标用新的变量k替换;2.通过整理、变形把不等式问题转化为关于某个变量的一元二次方程问题;3.利用一元二次方程的判别式,确定k的取值范围,求得最值.

摘要： 导数在高考中占据着越来越重要的地位,它是高考必考内容之一,不论是研究各种函数的性质,还是解决不等式问题和方程根分布的问题,导数都发挥着重要的作用.含参数不等式恒成立问题是最近几年高考的热点,由于这类问题灵活多变、思辨性强,令不少学生望而生畏、束手无策;它涉及函数的性质、图像、不等式等知识,渗透着换元、化归、数形结合、函数等思想方法,有利于考查学生的综合解题能力,因此备受命题者的青睐.本文主要介绍导数在解决有关恒成立问题中的应用,对此类问题的求解策略与方法作一个提炼总结.

摘要： 本文研究了"U"形槽受外压时的变形问题.采用机械建模的有限分析方法,从弯板公式推导出"U"形槽受外压q时与最大变形w0和加强筋间距的比值β之间的关系.在对"U"形槽进行受外压设计计算时,可作为判别公式加以利用.同时也得知:判别式分析结果与有限元结果相差3.4％.

摘要： 框架结构和砖混结构在阳台、外廊处,都广泛存在着变截面悬挑结构.本文通过弹性理论分析,提出了变截面悬挑梁以根部作计算截面的条件,即倾斜度的初步判别式.

摘要： 通过对短肢剪力墙受力性能的分析,本文给出了对称的双肢短肢剪力墙的判别式,导出了墙肢截面为T形、L形,对称的双肢短肢剪力墙最小肢高比公式.同时,通过弹性有限元法给出了整体系数α=4～10时相应的8层、10层及12层短肢剪力墙的判别系数ζ的值.

摘要： 本发明提供一种基于RGB颜色直方图的判别式跟踪方法，该方法包括：首先，预先估计出目标概率图，降低在搜索区域内搜索目标时的计算量；其次，在当前搜索区域内滑动窗口依次计算候选窗口被认为是目标的得分，选取得分最高的候选窗口作为新的目标位置；最后，根据新的目标位置更新概率图，标定目标。本方案与其他基于颜色直方图的跟踪方法的不同之处在于优化了干扰抑制项，对目标周围出现的相似的区域有较好的抵抗力；针对机场场景较大目标可能由远及近或由近及远的运动造成目标尺度变化较大的情况，在算法中加入尺度估计的功能，可根据目标物大小自动调整大小。

摘要： 本发明公开一种融合判别式网络和生成式网络的图像超分辨率方法，包括步骤：由包括超分辨率网络和梯度域变分自编码器网络的变分混合网络处理，超分辨率网络包括多个顺序连接的残差块RB所形成的残差网络，每个残差块RB依次包括基本卷积层、空间特征选择层SFS和空间特征变换层SFT；超分辨率网络通过一个卷积层从低分辨率图像I_LR中提取浅层特征F₀后，送到残差网络，根据梯度域变分自编码器网络输出的调制因子特征调制，提取深层特征，对残差网络输出的深层特征送入尺度提升网络尺度提升后，再经卷积后得重建图像I_SR。本发明使合成图像更加逼真和具有丰富纹理。

摘要： 本发明公开了一种基于判别式受限玻尔兹曼机的数字调制识别方法，属于信号处理技术领域。所述方法联合高阶累积量和DRBM，有效识别大动态信噪比条件下BPSK、QPSK、8PSK、8QAM、16QAM、4PAM、CPFSK、GMSK八种数字调制类型，对于信噪比低于‑2dB的信号，先利用DRBM的生成能力对其进行重构后再进行分类，对重构后的信号再进行识别分类，有效提高了低信噪比下信号的识别率；本申请方法相对于传统识别方法，对于信噪比低于‑2dB的数字信号，在三种不同信道环境(AWGN信道，时变相移信道，瑞利信道)中均有明显提升。

摘要： 本发明涉及机器学习领域。本发明提供一种通过判别式模型检测目标对象的方法，所述方法包括以下步骤：通过数据获取模块获取目标对象的原始数据样本；通过判别式模型基于原始数据样本对目标对象进行检测；基于生成式模型对所述判别式模型进行增强，其中，按照如下方式进行所述增强：借助原始数据样本对判别式模型进行初步训练；基于所述判别式模型的初步训练结果对原始数据样本进行缺陷分析，以获得缺陷场景数据列表；借助缺陷场景数据列表训练生成式模型，以通过生成式模型定向地生成缺陷场景数据；至少基于所述缺陷场景数据对判别式模型进行再训练。本发明还提供一种基于生成式模型对判别式模型进行增强的系统和一种机器可读程序载体。

摘要： 本发明公开了一种基于判别式尺度空间跟踪算法的相关滤波自适应方法，包括确定初始目标位置以及初始目标尺度；对通过最小化均方误差和对位置滤波器和尺度滤波器系数完成初始化；以目标上一帧位置为中心，求解最大响应值作为当前目标位置，并对相邻两帧目标位置差进行更新；以目标新位置为中心，提取不同尺度下的样本，求解最大响应值作为当前目标尺度；根据学习速率对位置滤波器和尺度滤波器进行迭代更新，得到目标的跟踪图像集。本发明有效提高了原跟踪算法的精确度和成功率，能够有效实时跟踪大多数图像序列中的目标。

摘要： 一种基于判别式对抗网络的脑电自适应模型及在康复中的应用，包括：构建脑电信号数据的源域和目标域作为输入样本；构建脑电自适应模型的由特征提取器和分类器构成的主干网络；构建脑电自适应模型的域判别器作为分支网络；构建脑电自适应模型的损失函数；利用源域和目标域的脑电信号数据对脑电自适应模型进行训练。通过康复医疗设备中的脑电采集装置获取的被试者脑电信号数据，采用脑电自适应模型，对脑电信号类别进行预测，实时监测被试者运动意图，并将该运动意图转换为康复医疗设备对应的动作，通过康复医疗设备中外骨骼康复器械协助被试者肢体完成对应的动作。本发明能够应用于康复医疗系统实现对人体运动意图的辨识。

摘要： 本发明提供的一种分阶段估计AD进展时间线的判别式事件模型设计方法主要包括以下步骤：首先将事件定义为生物标志物值从正常到异常和从异常变为恶化，代表病情从CN变化为MCI和从MCI变化为AD；其次对所获取的横截面数据进行预处理；再次对不同的生物标记物分别训练高斯混合模型；然后计算疾病进展时间线；最后得到每一位病人的病情分期。本发明通过对AD病程进展中的三个阶段CN、MCI和AD的生物标志物事件建模，实现MCI的提早检出，尽可能早对AD风险的患者进行预防和干预，延缓AD疾病进程。

摘要： 结合判别式深度置信网络和主动学习的心电分类方法。本发明的步骤包括：采用基于判别式深度置信网络(DDBNs)和基于后验概率的主动学习相结合，高斯—伯努利受限玻尔兹曼机(GB‑RBM)作为DDBNs的首层，伯努利—伯努利受限玻尔兹曼机(BB‑RBM)作为DDBNs隐含层，同时融入反应其心律变异的RR间期特征，在特征学习阶段之后，通过在生成隐含层的顶部添加一个柔性最大值(Softmax)回归层，构建一个初始DNN，该DNN可以根据不同的分类标准进行定制，再采用反向传播对网络进行微调，在最后阶段，运用了主动学习方法，允许专家在每次迭代的测试记录中标记最相关和不确定的心拍，然后将其用于更新DNN权重。本发明应用于心电分类。

摘要： 本发明公开了一种基于判别式深度置信网络的疑似微钙化点区域自动定位方法，包括以下步骤：1)乳腺X线图像预处理：对乳腺区域进行分割及增强；2)样本获取与预处理：将增强后的乳腺图像进行分割获得用于模型训练的子块图像集，并对子块进行降噪及去背景处理；3)子块特征提取与分类：构建判别式深度置信网络(DDBNs)，对DDBNs模型进行训练和微调，完成乳腺子块的特征提取和自动分类；4)微钙化点区域检测：输入待检测乳腺X线图像，对图像经过一系列预处理后，应用已训练好的最优模型，对子块进行分类判别，根据判别结果对可疑微钙化点区域进行标记。本发明可完成可疑病灶区域的自动检测及定位，在获得较高检出率的同时有效地降低了假阳性率，检测到的钙化点区域与专家标记区域具有高度一致性。

摘要： 本发明公开了一种基于最小正规化信息距离的判别式文本聚类方法及系统，该方法包括：对文本数据集进行向量化处理，该文本数据集包括多个文本，各个文本包括多个关键字；针对向量化处理的该文本数据集，初始化模型参数集；通过最小正规化信息距离以梯度下降法计算并更新该参数集；设置终止条件输出最终的参数集；利用最终的参数集设计判别式文本聚类算法实现文本聚类。本发明提供的该基于最小正规化信息距离的判别式文本聚类方法及系统，针对现有判别式聚类算法存在的模型选择问题，提出使用正规化信息测度作为目标函数的方法，使算法具有自动模型选择能力，从而提高了算法在人为选择的初始模型阶不合理的情况下获得较好的聚类结果的能力。