版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進行舉報或認(rèn)領(lǐng)
文檔簡介
1、穩(wěn)健統(tǒng)計方法最早出現(xiàn)在計算機視覺中，是用于改進特征提取算法的性能。傳統(tǒng)穩(wěn)健統(tǒng)計方法一個顯著的特征是它們可以容忍一半的數(shù)據(jù)不符合假定模型，即對高達509﹪的污染是穩(wěn)健的。但是當(dāng)異常點是成簇，即使很小的比例也會使估計量崩潰，這些估計量也不能抵御超過50﹪的異常點。本文給出了最大似然型穩(wěn)健估計量(Maximum Likelihood Estimation Sample Consensus，MLESAC)的穩(wěn)健性證明，改進了投影M估計量，總結(jié)了
2、各種穩(wěn)健估計量，并提出了基于核密度的穩(wěn)健回歸方法。具體內(nèi)容如下： (1) 綜述了統(tǒng)計學(xué)和計算機視覺中常用的幾種穩(wěn)健估計方法。統(tǒng)計中的M估計量，最小平方中位數(shù)(Least Median ofSquares，LMedS)；計算機視覺中有隨機采樣方法(RANdom Sample Consensus，RANSAC)，最小隨機概率方法(MINimizethe ProbabilitY ofRANdomness，MINPAN)，最小無偏尺度
3、和自適應(yīng)最小k階平方估計(adaptive least K sql2ares estimator，ALKS)和殘差一致性方法(residual consensusestimator，RESC)。 (2) 給出了一種穩(wěn)健估計量——MLESAC的基于影響函數(shù)的穩(wěn)健性證明。以影響函數(shù)的有界性來描述估計量的局部穩(wěn)健性。 (3)提出一種基于最大化核密度估計的穩(wěn)健估計方法，并將其用于基本矩陣的估計。由于傳統(tǒng)的基于投影的 M 估計
溫馨提示
- 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 計算機視覺中的魯棒估計方法.pdf
- 基于計算機視覺的飛行器姿態(tài)估計方法研究.pdf
- 計算機視覺中的光照色度估計研究.pdf
- 基于計算機視覺的相對導(dǎo)航運動估計研究.pdf
- 計算機視覺中迭代優(yōu)化方法研究.pdf
- 基于計算機視覺的珍珠分選方法研究.pdf
- 基于計算機視覺的枸杞分級方法研究.pdf
- 基于計算機視覺的運動車輛三維尺寸估計.pdf
- 基于核密度估計的圖像分割方法
- 基于核密度估計的圖像分割方法.pdf
- 計算機專業(yè)外文翻譯----計算機視覺中的學(xué)習(xí)
- 基于計算機視覺的植物花朵識別方法.pdf
- 基于計算機視覺方法的智能電視視頻分析.pdf
- 基于計算機視覺的種子質(zhì)量鑒別方法.pdf
- 基于計算機視覺的蘋果自動分級方法研究.pdf
- 基于計算機視覺的智能瞄準(zhǔn)方法的研究.pdf
- 基于計算機視覺的手勢識別方法研究.pdf
- 計算機視覺中攝像機定標(biāo)及位姿和運動估計方法的研究.pdf
- 基于計算機視覺的芒果分類.pdf
- 基于計算機視覺的直讀儀表校驗方法研究.pdf
評論
0/150
提交評論