【摘 要】
：
由于退化图像的点扩散函数难以准确确定,提出一种基于Fourier正交基函数的前向神经网络图像复原模型,该模型以一组Fourier正交基为隐层神经元的激励函数,根据误差传递算法进行权值修正,达到收敛目标。给出Fourier神经网络及其相应的衍生算法的图像恢复实现步骤。实验表明,该方法能较好地实现图像的复原。
【基金项目】
：
山西省自然科学基金资助项目（2008011030）, 山西省回国留学人员科研资助项目（2011-075）, 太原市大学生创新创业专项项目（2010,2011）, 太原科技大学校UIT项目（XJ2010040）
论文部分内容阅读
由于退化图像的点扩散函数难以准确确定,提出一种基于Fourier正交基函数的前向神经网络图像复原模型,该模型以一组Fourier正交基为隐层神经元的激励函数,根据误差传递算法进行权值修正,达到收敛目标。给出Fourier神经网络及其相应的衍生算法的图像恢复实现步骤。实验表明,该方法能较好地实现图像的复原。
其他文献
在英文语音合成系统中,韵律短语边界预测的精度对合成语音的自然度和可懂度有着至关重要的影响。基于决策树的预测方法是现阶段最为常用的韵律短语边界预测方法,但因决策树构建时受到数据平衡性制约,难以针对关键词进行建模,而且在基于决策树进行预测时采用了局部最优的搜索方式无法达到全局最优。所以,为了进一步提升韵律短语边界的预测效果,对基于决策树的预测方法进行了改进,引入韵律短语条件概率,使用Viterbi算法
对IPv6下拒绝服务攻击进行了研究,并根据IPv6协议的特点,提出一种基于IPv6的MAC认证改进确定包标记(ADPM-v6)算法。ADPM-v6利用IPv6新特性,即逐跳选项和改进的MAC认证方法,有效解决了受控路由器修改标记的问题,能直接快速地追踪攻击源。同时分析验证了IPv6真实攻击环境的数据包大小分布,使得算法有效且更具有较强的实用性。理论分析和仿真实验结果表明,该算法在IPv6下大大缩短
极限学习机(ELM)是一种单隐层前馈神经网络(single-hidden layer feedforward neural networks,SLFNs),它相较于传统神经网络算法来说结构简单,具有较快的学习速度和良好的泛化性能等优点。ELM的输出权值是由最小二乘法(least square,LE)计算得出,然而经典的LS估计的抗差能力较差,容易夸大离群点和噪声的影响,从而造成训练出的参数模型不准
基于统计的主客观分析方法难以很好地反映中文的语义内涵,而基于语义的主客观分析方法需要大量的专家知识,且存在知识难以抽取,难以表示的问题。提出的基于语义的TriPos模式的中文主客观分析方法(SeTriPos)将基于统计的分析方法与基于语义的分析方法相结合,扩大了词的上下文定义范围,增加了简单、易于表示的语义规则,对分析结果进行调整,并通过实验的方法获得效果较好的实验参数。实验结果表明SeTriPo
为了解决证据理论中冲突证据合成问题,提出了一种局部冲突部分分配策略。该策略假设证据具有一致可信度,设定一个阈值,将大于该阈值的局部冲突按比例分配给产生该冲突的焦元,并用标准合成规则对证据进行融合,使合成的结果更加可靠。仿真结果表明该策略能有效解决冲突证据合成问题。
提出了一个基于内容及相似搜索的对等音乐文件共享系统。该系统建立在结构化的应用层覆盖网络之上,保证了系统的可扩展性和避免了网络消息的洪泛;利用了集合对等点来完成音乐文件的元数据的注册和搜索;把音乐文件的属性名—属性值对(attribute-value pairs,AV-Pairs)通过MFD(music file description)来表示,使系统既可以支持精确的检索,也可以完成复杂的语义相似性
针对移动Ad hoc网络传统重传机制存在的局限性,提出了一种新的重传控制算法(EX-TCGM),利用传输路径上的邻居节点传输丢失的数据包,使得路由上的任何节点都能够重传;并从理论上对该算法的有效性进行了分析。通过仿真,与按需距离矢量路由协议(AODV)、机会路由协议(ExOR)和基于分组移动的传输控制方法(TCGM)进行了性能对比和分析,EX-TCGM相对原协议在端到端平均时延和吞吐量上有所提高,
针对如何将IPv4环境下的包标记技术应用于IPv6的问题,结合已有的算法思想提出一种改进的算法,该算法采取固定概率将路由信息标记到扩展首部hop-by-hop,隧道模式下节点标记数据包时增加一个复制操作,扩大标记算法的适用范围;利用ESP的加密算法有选择地对标记消息进行加密。实验结果表明,新方案的兼容性和安全性得到了极大的提高。
为了确定医学图像的最佳灰度直方图熵,提出了一种基于改进演化算法的快速分割方法,能够自适应调整交叉和变异概率,既保证了种群的多样性,又克服了传统演化算法局部最优、收敛过快的缺点。搜索到的最佳阈值不仅比传统演化算法稳定性好,还有效地缩短了搜索时间,快速地实现了医学图像分割,而且分割后的图像可读性强。实验结果表明,该方法速度快、分割效果好。
在基于边缘的活动轮廓模型中,边缘停止函数的选择将直接影响模型的分割效果。传统的边缘停止函数仅仅是基于梯度模型建立的一个单调递减的正函数,基于这种边缘停止函数的活动轮廓模型存在两个缺点:一是对噪声比较敏感;二是对灰度不均图像分割不准确。为此,提出一个自适应变化边缘停止函数。实验表明,使用该边缘停止函数构造的边缘活动轮廓模型能够较好地克服上述不足。