简介:本文通过分析交通违法行为相关业务数据,提出一种驾驶证买分卖分嫌疑记录的检测和推定方法。首先,针对业务数据高维度、噪声大的具体特点,采用基于流形学习的方法,借助内禀流形的识别对业务数据进行非线性降维,同时降低噪声实现提升数据质量,其次,由于目前驾驶证买分卖分嫌疑都是专家基于业务经验的推定,针对已推定样本数量有限并具有一定不确定性的特点,进一步在流形正则化的框架下,结合半监督学习方法,利用大量未推定样本集的内在几何结构,提炼并改善专家的经验知识,并将其应用到未推定数据上最后,基于交通违法行为相关业务数据的分析,实现对驾驶证买分卖分嫌疑的高通量检测和自动化推定。
简介:Tikhonov正则化方法是求解不适定问题最为有效的方法之一,而正则化参数的最优选取是其关键.本文将混沌粒子群优化算法与Tikhonov正则化方法相结合,基于Morozov偏差原理设计粒子群的适应度函数,利用混沌粒子群优化算法的优点,为正则化参数的选取提供了一条有效的途径.数值实验结果表明,本文方法能有效地处理不适定问题,是一种实用有效的方法.
简介:针对合成孔径雷达(SAR)图像感兴趣区域(ROI)的分割问题,提出了一种基于Mellin变换的正则化参数的自适应选取方法。首先将SAR图像乘性相干斑噪声转化为加性相干斑噪声,在此基础上应用正则化模型建立SAR图像特征增强目标函数。然后推导出正则化参数与相应范数项的关系式,应用共轭梯度法对模型进行求解,最终达到图形特征增强与相应ROI分割的目的。所提算法不仅有效抑制了背景杂波,降低了相干斑的影响,而且还克服了传统方法对参数经验值选取的弊端。基于真实SAR图像数据的实验结果验证了该方法的简便性和有效性。
简介:摘要:本文介绍了传统NAS-RIF算法的原理,针对NAS-RIF算法对噪声敏感的不足,加入正则化参数,改进了NAS-RIF算法,实验结果证明,与传统的复原算法相比,改进后的算法图像复原效果较好,峰值信噪比和复原后的视觉效果较优,图像细节清楚度有所提高,证明了改进算法的有效性。