散度、旋度和梯度在共同模式上的统一定义及其在一般坐标系中的应用

本文在推广的散度定理的基础上给出了散度、旋度和梯度与坐标无关的统一定义。着重在一般曲线坐标系中利用以三对坐标面为包容面的微元体为共同模式,把散度、旋度和梯度统一表示为某一微分量的极限值,从而直接导出了张量分析中这三种量的熟知的表达式。     

磁梯度张量的旋转计算方法

为了获得磁梯度张量数据,提出旋转计算磁梯度张量的方法。使倾斜放置的磁梯度计绕竖直轴线转动,利用测得的空间磁梯度数据计算得到磁梯度张量。以磁梯度张量的理论值作为参考,选取一组较优的转动角、倾角和基线长度等模型参数,分析磁力仪三轴指向误差对磁梯度张量计算结果的影响。数值仿真结果表明:该旋转合成方法能够有效获取磁张量信息,合成计算值与理论值之间的差别较小。     

基于非负张量表示的扩展LDA标注模型

由于“语义鸿沟”的存在,自动图像标注是一项极具挑战性的工作。考虑到图像低层视觉特征与高层语义概念的差异,分别从图像表示与语义建模两个方面来实现自动图像标注。在图像表示方面,提出了一种正则化约束下的非负张量表示方法,用以提取符合人眼视觉直观理解的图像高阶结构特征。在语义建模方面,提出了一种三层贝叶斯模型——扩展隐Dirichlet分配。该模型利用隐变量来实现图像与标注词的关联,并通过一种基于变分推理的期望最大值方法来估计其参数。实验结果表明,ELDA模型在大规模数据库NUS-WIDE上的标注结果相较于现有方法有了显著的提高。     

一种改进的MCM算法

平均曲率运动模型(MCM)是基于偏微分方程的图像处理模型的一种,具有明确的几何意义.提出了模型中退化扩散项的精确计算方法,并采用了两种新的方向估计方法.实验证明了新方法所得的结果优于原方法.     

Beltrami流及其在图像去噪中的应用

偏微分方程是图像处理主要的方法之一,一般通过其对应的变分模型给出方程的意义,并依此设计优化原偏微分方程以取得最佳的处理效果。针对图像去噪问题,基于经典的Beltrami几何流方法提出了图像流形上一种新的度量张量模型,具有该度量模型的Beltrami流具有清晰的几何意义,并依此提出了该度量模型中参数的优化选择方法。同时,该模型为经典的偏微分方程去噪方法提供了统一框架,且参数的优化选择使得Beltrami流在平滑噪声与边缘保持方面取得了良好的平衡。实验表明该方法提高了图像去噪效果,尤其是对于边缘丰富的图像效果更加明显。     

网络异构信息的张量分解聚类方法

提出基于张量分解的聚类算法,能够同时处理网络中多类型、多语义关系的异构信息。网络信息体系中的各种异构信息被建模为一个多维张量,异构信息之间丰富的语义关系建模为张量中的元素。提出有效的张量分解方法,将不同类型的信息对象一次性划分到不同的簇中。在人工合成的数据集和真实数据集上的实验结果表明:该聚类方法可以很好地处理网络信息体系中的异构信息聚类问题,并且性能优于现有的聚类方法。     

采用张量方法的盲干扰抑制及信源恢复技术

针对多输入多输出系统受到有意干扰情况下的盲干扰抑制和信源恢复问题，提出一种双阵列天线接收机结构，通过差分处理，在不考虑独立性的条件下实现盲干扰抑制。消除干扰后的数据有明显的张量切片特征，将其堆积成三阶张量，并通过基于张量分解的方法不经信道估计直接恢复源信号，相较于传统基于信道估计的信源恢复方法大大降低信道估计误差的影响，提高恢复精度。仿真结果表明，所提方法较传统基于训练序列进行信道估计的方法能以更小的训练开销达到更优的信号恢复性能。     

结合非负张量表示与扩展隐Dirichlet分配模型的图像标注

由于"语义鸿沟"的存在,自动图像标注是一项极具挑战性的工作。考虑到图像低层视觉特征与高层语义概念的差异,分别从图像表示与语义建模两个方面来实现自动图像标注。在图像表示方面,提出了一种正则化约束下的非负张量表示方法,用以提取符合人眼视觉直观理解的图像高阶结构特征。在语义建模方面,提出了一种三层贝叶斯模型——扩展隐Dirichlet分配。该模型利用隐变量来实现图像与标注词的关联,并通过一种基于变分推理的期望最大值方法来估计参数。实验结果表明,ELDA模型在大规模数据库NUS-WIDE上的标注结果相较于现有方法有了显著的提高。