基于立方体计算的关键梯度分析

梯度分析是数据仓库和联机分析处理中的一项重要分析任务,在决策支持中发挥着重要作用.本文根据实际应用的需要,提出了一种新颖的关键梯度分析方法.借助立方体计算中的计数排序和分割策略,通过扩展补充路径,并利用插入排序方法,实现了高效的关键梯度分析算法.在模拟数据上进行了大量的实验,结果证明了算法的高效性和实用性.     

梯度算子对反向合成梯度算法的影响

反向合成梯度算法是一种基于局部指向性的反向合成图像对齐算法。与传统的反向合成图像对齐算法相比,该算法可有效地克服光照变化对匹配结果的影响[1]。由于局部指向性的计算在本质上是梯度的计算,而图像梯度的计算可以采用不同的梯度算子,因此采用4种不同的梯度算子(一阶差分算子,Roberts算子,Sobel算子和Prewitt算子)来计算局部指向性,并通过实验比较分析了4种梯度算子对反向合成梯度算法的影响。     

功能梯度材料圆板的非线性热振动及屈曲

采用弹性理论建立了功能梯度材料板的静力平衡方程,利用静力平衡方程确定了功能梯度材料板的中性面位置,在此基础上推导出了功能梯度材料板在均匀温度场中的非线性振动及屈曲微分方程组,求得了功能梯度材料圆板的非线性振动及屈曲的近似解,讨论分析了中性面位置、梯度指数、温度等因素对功能梯度材料圆板非线性振动及屈曲的影响.把该方法计算结果与有限元计算结果进行了比较,验证了该方法的计算结果是可靠的.算例分析表明,中性面位置对均匀温度场中功能梯度材料圆板的非线性振动及屈曲有一定影响.     

功能梯度材料椭圆板的非线性热振动及屈曲

采用弹性理论建立了功能梯度材料板的静力平衡方程,利用静力平衡方程确定了功能梯度材料板的中性面位置,在此基础上推导出了功能梯度材料板在均匀温度场中的非线性振动及屈曲微分方程组,求得了功能梯度材料椭圆板的非线性振动及屈曲的近似解,讨论分析了中性面位置、梯度指数、温度等因素对功能梯度材料椭圆板非线性振动及屈曲的影响.把该方法计算结果与有限元计算结果进行了比较,验证了该方法的计算结果是可靠的.算例分析表明,中性面位置对均匀温度场中功能梯度材料椭圆板的非线性振动及屈曲有一定影响.     

一种基于自适应梯度的运动估计算法

给出了一种基于Horn-Schunck的改进光流估计算法，计算了当前帧的前向梯度、后向梯度，根据代价函数自适应地选择前向梯度与后向梯度，减小光流估计时的遮挡问题。试验表明该算法是有效的。     

带模式步的梯度法

本文通过把经典模式搜索法中模式步的思想融入到梯度法中,提出了带模式步的梯度法(Pattern Steepest Descent),克服了梯度法收敛速度变慢的缺陷。通过计算CUTEst中的测试问题对PSD算法和SD算法进行了比较。数值实验表明,对绝大数测试问题,PSD算法的计算效率优于SD算法。最后,我们对该PSD算法的理论分析做了一定的探索。     

深度神经网络训练中梯度不稳定现象研究综述

深度神经网络作为机器学习领域的热门研究方向,在训练中容易出现梯度不稳定现象,是制约其发展的重要因素,控制和避免深度神经网络的梯度不稳定现象是深度神经网络的重要研究内容.本文分析了梯度不稳定现象的成因和影响,并综述了目前解决梯度不稳定现象的关键技术和主要方法.     

光流场算法中优化图像梯度数据可信度方法

基于梯度方法的光流场算法中,迭代次数需要足够大才能使运动物体边界数据扩散到灰度平坦的区域,计算量大,精度不高。在光流迭代方程中,梯度数据的精确度与可信度对光流计算的结果有直接的影响。对这一问题,应用Hessian矩阵判别、高斯滤波标准差修正、均值模板修正和多帧图像对比等四种方法可以有效地处理图像梯度数据,并不断修正,以提高梯度数据的可信度。这些方法通过防止运动物体边界梯度数据向邻域内盲目扩散,增加扩散的方向性,从而提高光流场计算精度和收敛速度。     

一种优化梯度计算的改进HS光流算法

HS(Horn&Schunck)方法是光流计算中的经典方法之一。在经典HS方法中,图像中两点间的灰度变化被假定为线性的,而实际上灰度变化是非线性的。因此,在HS算法中最小均方差迭代的最终收敛点会产生偏移,从而导致光流计算结果的不准确。为此,详细分析了灰度估计不准确造成的偏差,提出了一种改进HS算法。实验部分给出了改进算法和其他经典光流计算方法的计算结果比较。实验结果表明,改进HS算法可以得到较好的计算结果,并能明显减少光流计算的迭代次数。     

基于实时梯度计算的快速纹理映射体绘制

本文分析讨论了一种基于实时梯度计算的纹理映射体绘制算法。在绘制过程中实时计算每个体素上的梯度，有效地减少了在传统基于纹理映射的体绘制中，对梯度预先计算的耗时操作，也降低了内存的消耗，加快了整个绘制过程。同时，采用三维Sobel算子对梯度进行计算，并进行归一化处理，有效地提高了绘制图像的质量。在实现中充分利用了目前PC图形硬件成熟的可编程特性，特别是fragment program，来完成梯度的实时计算。最后对医学体数据进行绘制，得到了理想的结果。     

基于梯度离散余弦变换的视频文字定位

视频文字信息在基于语义的视频分析、检索、提取中占有重要地位。根据视频中文字和背景的灰度变化程度不同,提出一种基于梯度离散余弦变换的视频文字定位方法:先对视频帧进行NX V分块,计算每一块的离散余弦变换系数,然后求出梯度算子的幅值,利用得到的幅值作为块强度进行平滑滤波以及形态学处理,最后对图像进行水平和垂直方向投影,统计字幕条数,并利用文本框标识文字区域,进而达到对视频文字定位的目的。仿真结果表明这种视频文字定位方法对于静态文字和滚动字幕的定位均是可行的,且其算法的运行速度快、效率高,特别是对于笔画较少的文字定位准确,不会出现遗漏现象。     

基于高密度示踪云选取的云迹风反演技术研究

基于相关性判别因子(即示踪云追踪或图像匹配方法)的理论分析研究,以及3种追踪方法运用于云迹风反演的对比研究,探索出运用梯度分析方法进行示踪云选取的一种可能依据,并给出梯度的一种离散计算公式,另外还对该示踪云选取方法进行了补充和完善。对完善后的该方法选取的示踪云进行云迹风反演,并对其进行风场分析,并与无线电探空风场进行比较。结果表明,云迹风质量好、密度高,能够清晰地显示出天气系统的风场结构。     

Online learning via congregational gradient descent

We propose and analyse a populational version of stepwise gradient descent suitable for a wide range of learning problems. The algorithm is motivated by genetic algorithms which update a population of solutions rather than just a single representative as is typical for gradient descent. This modification of traditional gradient descent (as used, for example, in the backpropogation algorithm) avoids getting trapped in local minima. We use an averaging analysis of the algorithm to relate its behaviour to an associated ordinary differential equation. We derive a result concerning how long one has to wait in order that, with a given high probability, the algorithm is within a certain neighbourhood of the global minimum. We also analyse the effect of different population sizes. An example is presented which corroborates our theory very well.This work was supported by the Australian Research Council.     

彩色图像边缘检测算法

本文分析了常用的梯度算法,提出了针对灰度图像和彩色图像的改进思路,并编程实现这些算法。在RGB空间上实现的彩色图像边缘增强算法,可直接用于二值图像和灰度图像。改进后的算法简单易行,能有效地增强图像的边缘,具有较好的实用价值。     

A Rayleigh weighted variable step-size sign algorithm for robust adaptive filtering in impulsive noises

The sign algorithm with a fixed step-size is incapable of addressing the conflicting requirements between fast convergence speed and low steady-state misadjustments. In order to deal with this problem, a Rayleigh weighted gradient vector based variable step-size sign algorithm is proposed in this paper. In the new algorithm, the variable step-size is updated by the squared norm of a Rayleigh weighted sign gradient vector. The proposed algorithm can improve the convergence speed and tracking capability while maintaining the similar steady-state misadjustments in the presence of impulsive noises. A complex-valued energy conservation relation based convergence analysis is carried out to evaluate the convergence performance of the new algorithm. Simulation results are presented to verify the theoretical analysis and to demonstrate the desirable performance of the proposed algorithm.     

头像提取及处理技术研究

对物体辨识或追踪,较常用的方法为背景相减。在取出影像之后对影像做修饰、噪声除去等动作,以便进行影像分析。利用物体移动与背景的差异量,提取主体信息。主体影像存在噪声干扰和过度侵蚀等现象。本文提出消除噪声以及填补破损的影像的方法来得到较佳的主体影像。     

Part 2: Multilayer perceptron and natural gradient learning

Since the perceptron was developed for learning to classify input patterns, there have been plenty of studies on simple perceptrons and multilayer perceptrons. Despite wide and active studies in theory and applications, multilayer perceptrons still have many unsettled problems such as slow learning speed and overfitting. To find a thorough solution to these problems, it is necessary to consolidate previous studies, and find new directions for uplifting the practical power of multilayer perceptrons. As a first step toward the new stage of studies on multilayer perceptrons, we give short reviews on two interesting and important approaches; one is stochastic approach and the other is geometric approach. We also explain an efficient learning algorithm developed from the statistical and geometrical studies, which is now well known as the natural gradient learning method. Hyeyoung Park, Ph.D.: She is Assistant Professor of Computer Sciences at School of Electrical Engineering and Computer Science of Kyungpook National University in Korea. She received her B.S., M.A. and Ph.D. from Yonsei University of Korea in 1994, 1996, and 2000. She also worked as a research scinetist at Brain Science Institute in RIKEN from 2000 to 2004. Her research insterest is in learning thoeries and pattern recognition as well as statistical data analysis.     

一种改进的多尺度梯度矢量流模型

梯度矢量流主动轮廓线模型是广泛应用于数字图像处理的一种目标轮廓跟踪算法,但易受干扰噪声及虚假边缘的影响,在结合多尺度图像分析的基础上,利用改进的梯度矢量流场,提出了一种改进的主动轮廓线模型。实验表明,该方法较好的限制了非目标边缘和噪声干扰的影响,提高了模型分割的精确性,具有较好的分割效果。