说明:双击或选中下面任意单词,将显示该词的音标、读音、翻译等;选中中文或多个词,将显示翻译。
您的位置:首页 -> 词典 -> 模糊梯度特征
1)  fuzzy gradient feature
模糊梯度特征
1.
A fuzzy gradient feature extraction method based on gradient normalization applied in handwritten character recognition is proposed.
提出一种应用于手写字符识别的基于梯度归一化模糊梯度特征提取方法。
2)  fuzzy gradient
模糊梯度
1.
To prolong the lifetime of wireless sensor network,fuzzy gradient based energy equilibrium routing protocol(FGEE) was designed.
为了延长无线传感器网络的寿命,从均衡节点能量消耗的角度设计了基于模糊梯度的能量均衡路由协议。
3)  gradient feature
梯度特征
1.
The Method of License Plate Location Based on Texture Analysis and Gradient Feature
基于纹理分析和梯度特征的车牌定位算法
2.
A novel similarity measure of gradient features and adaptive window method was used to track air target with changes in viewpoint,pose,illumination and scale.
该方法基于MAD构造了一种新的梯度特征相似度量算法,在梯度特征空间对目标进行匹配定位。
3.
In order to achieve robust and efficient tracking of a battleplane with strong flexibility, a novel tracking method based on a new similarity measure of gradient features and adaptive sizing of target is proposed in this paper.
为了稳定跟踪空中具有强机动特点的战斗机目标,提出了一种图像梯度特征相似性度量算法,并利用空中目标梯度空间分布特点构造了一种自适应调整模板尺寸的方法。
4)  fuzzy feature
模糊特征
1.
The Application of Fuzzy Feature in Technique to Quality Control CINRAD Reflectivity Data;
模糊特征在天气雷达反射率基数据质量控制中的应用
2.
According to the gray properties of B-mode images,the images are preprocessed firstly with fuzzy concepts,and the relative gray grade of pixels is selected as the fuzzy feature.
文章根据B型超声波本身所具有的图像灰度特性,首先引用模糊数学的集合理论预处理图像,用像素的相对灰度等级作为图像的模糊特征,在对B超图像的灰度范围作灰度线性变换和中值滤波的基础上,再采用模糊算法实现B超图像的模糊增强处理。
3.
We use BP algorithm and compare the merits of two different input methods: raster input and fuzzy feature input After fairly full discussion of the results given in Table 2, wefind that fuzzy feature input method is better.
研究结果表明,在模糊特征下,神经网络方法对工程图纸标注符号的智能识别完全能达到实用化要求。
5)  Gradient Character Domain Mask
梯度特征区域模板
6)  fuzzy gradient field
模糊梯度场
1.
A new method is proposed,which establishes image fuzzy gradient field and sets up the measurement of fuzzy gradient similarity.
本文分析了基于互信息量的医学图像配准算法中存在的鲁棒性问题 ,提出创建图像的模糊梯度场及建立模糊梯度相似性测度 ,并将其结合到互信息量配准算法当中 。
2.
Band-pass subband has more significant structural information,which establishes image fuzzy gradient field and constructs the fuzzy approach degree.
塔式分解的低频子带能量集中,用互信息进行配准;高频子带提供重要的解剖结构信息,构造基于边缘信息的模糊梯度场,并用模糊贴近度作为相似性测度,与互信息相结合。
补充资料:偏微分算子的特征值与特征函数
      由边界固定的膜振动引出的拉普拉斯算子的特征值问题:是一个典型的偏微分算子的特征值问题,这里x=(x1,x2);Ω是膜所占据的平面区域。使得问题有非平凡解(非零解)的参数λ的值,称为特征值;相应的解称为特征函数。当Ω有界且边界嬠Ω满足一定的正则条件时,存在可数无穷个特征值,相应的特征函数ψn(x)组成l2(Ω)上的完备正交系。乘以常因子来规范ψn(x),使其l2(Ω)模为1,则Ω上的任意函数??(x)的特征展式可写为:当??可以"源形表达",即??满足边界条件且Δ??平方可积时,展式在Ω一致收敛。当??平方可积时,展式平方平均收敛,且有帕舍伐尔公式:
  
  
  对膜振动问题的认识还是相当有限的。能够精确地知道特征值的,只限于矩形、圆盘等少数几种非常简单的区域。对椭圆和一般三角形的特征值精确值,还几乎毫无所知。其他情形就更谈不上了。
  
  将不超过 λ的特征值的个数记为N(λ)。特征值的渐近分布由N(λ)对大 λ的渐近式来刻画。这方面最早的结果是(C.H.)H.外尔在1911年得到的(外尔公式):
  式中表示Ω的面积。R.库朗将余项改进为。对于多角形区域,又有人将余项改进到。各种情况下改进余项估计的工作至今绵延不绝。外尔猜测有一个更强的结果:式中|嬠Ω|是区域边界之长,但尚未被证出。
  
  与此密切相关的是下面的MP公式:(t→+0)
  取一个渐近项时,用陶伯型定理可由它推出N(λ)的外尔公式。第二渐近项与外尔猜想非常相象,但由此证不出外尔猜想。第三项迟至1966年才被M.卡茨导出,后来由H.P.麦基恩与I.M.辛格严格证明,其中h表示鼓膜Ω的洞数。
  
  特征值与膜振动频率有一个直接的换算关系,M.卡茨据此给MP公式一个非常生动的解释:可以"听出"鼓膜的面积|Ω|、周长|嬠Ω|和洞的个数h!由于1-h恰巧是Ω的欧拉-庞加莱示性数,是整体几何中颇受重视的一个不变量,"听出鼓形"或"谱的几何"问题立即引起人们的强烈兴趣,并导致一系列重要的研究。不过一般的特征值反问题,要求从特征值的谱完全恢复Ω,还远远没有解决。
  
  用陶伯型定理得出N(λ)渐近式的方法,由T.卡莱曼于1934年首创,他还得到谱函数的渐近式:(λ→∞),式中δxy当x=y时为1,当x≠y时为0。
  
  上述关于拉普拉斯算子的结果,由L.戈尔丁和F.E.布劳德推广到 Rn的有界区域Ω上的m 阶椭圆算子。尽管推算繁杂,但结果十分简单整齐:;;式中 v(x) 表示集合{ξ||A0(x,ξ)|<1}的勒贝格测度,而是A的最高阶导数项相应的特征形式。特征展开定理亦由L.戈尔丁得出。
  
  对于奇异情形,例如薛定谔方程 的谱问题,可以证明存在谱函数S(x,y,λ),特征展式为。由于可能出现连续谱,S(x,y,λ)一般不一定能写成前述特征函数双线和的形式。判定奇(异)微分算子谱的离散性是很有意义的工作。已经出现各种充分条件。不过关于特征值与特征函数渐近性质的研究,还只是限于少数特例。
  
  在处理‖x‖→∞ 时V(x)→∞的情形,M.卡茨与D.雷等人曾创造了一种系统的概率方法,其中借助数学期望表出格林函数,有效地求出谱函数与特征值的渐近式:
  。
  
  当算子A的系数不光滑,或非一致椭圆,或非自共轭,以及边条件带特征参数或带非定域项等等情形,都出现不少研究结果。还有人考察Au=λBu型的特征值问题,这里A、B都是椭圆算子。
  
  除上述问题外,特征展式的收敛性与求和法也一直受到人们的关注。
  

说明:补充资料仅用于学习参考,请勿用于其它任何用途。
参考词条