模板理論在三維流形無(wú)奇點(diǎn)Smale流中的應(yīng)用

本項(xiàng)目希望對(duì)三維流形NSF（無(wú)奇點(diǎn)Smale 流）的流結(jié)構(gòu)與拓?fù)浣Y(jié)構(gòu)之間的相互影響作些研究?；镜膯?wèn)題是：考察三維流形上NSF拓?fù)涔曹楊悾约胺催^(guò)來(lái)各類NSF對(duì)三維流形的限制。.首先，我們?cè)噲D將與分析工具（建筑塊）和與組合工具（加厚的模板）聯(lián)系起來(lái)。據(jù)此我們希望建起溝通組合工具與分析工具的橋梁。進(jìn)而確定刻畫同一基集的模板- - -標(biāo)準(zhǔn)模板，在此基礎(chǔ)上類似于扭結(jié)論構(gòu)造流的不變量。.其次，我們將嘗試具體的用組合方法來(lái)研究拓?fù)涔曹椷@一問(wèn)題。具體而言，本項(xiàng)目將希望對(duì)簡(jiǎn)單NSF這一情況作完全的拓?fù)涔曹椃诸悺?2100433B

書名：流形粒子濾波算法及其在視頻目標(biāo)跟蹤中的應(yīng)用

書號(hào)：978-7-118-09889-1

作者：朱志宇

出版時(shí)間：2015年5月

譯者：

版次：1版1次

開(kāi)本：16

裝幀：平裝

出版基金：

頁(yè)數(shù)：192

字?jǐn)?shù)：241

中圖分類：TP302.7

叢書名：

定價(jià)：36.00

本書研究流形上的粒子濾波算法將粒子濾波視頻跟蹤系統(tǒng)的狀態(tài)模型建立在流形上在低維流形上實(shí)現(xiàn)狀態(tài)采樣充分利用了狀態(tài)空間的內(nèi)蘊(yùn)幾何特性為解決粒子退化問(wèn)題提高跟蹤算法的效率、實(shí)時(shí)性和魯棒性提供一種新的思路"sup--normal" data-sup="1" data-ctrmap=":1,"> [1]

內(nèi)容介紹

《現(xiàn)代測(cè)量理論在考試中的應(yīng)用》的目的正是要介紹和探討現(xiàn)代教育測(cè)量理論在考試實(shí)踐與研究中的應(yīng)用。因此，首先就要對(duì)考試的測(cè)量特性作出應(yīng)有的哲學(xué)、社會(huì)學(xué)、教育與心理學(xué)的分析。同時(shí)，同事，還要對(duì)考試所欲測(cè)察的心理特質(zhì)的結(jié)構(gòu)與測(cè)量反應(yīng)過(guò)程作出較為深入的現(xiàn)代心理學(xué)分析。這些，就構(gòu)成了《現(xiàn)代測(cè)量理論在考試中的應(yīng)用》第一章與第三章的主要內(nèi)容，以及第十章的某些重要內(nèi)容。但是，《現(xiàn)代測(cè)量理論在考試中的應(yīng)用》的主體部分卻是心理計(jì)量學(xué)內(nèi)容。第二章真分?jǐn)?shù)理論與第四章概括化理論，主要都是針對(duì)測(cè)驗(yàn)總分作分析的計(jì)量理論。真分?jǐn)?shù)理論在歷史上有著重要地位，在現(xiàn)實(shí)實(shí)踐中也仍在發(fā)揮基礎(chǔ)作用；尤其是概括化理論，在優(yōu)化測(cè)試條件控制測(cè)量誤差上，更顯現(xiàn)出極強(qiáng)的指導(dǎo)價(jià)值，人們還將其視為現(xiàn)代測(cè)量理論的一個(gè)分支，所以，《現(xiàn)代測(cè)量理論在考試中的應(yīng)用》仍要對(duì)它們予以認(rèn)真概括評(píng)介。從第五章起，主要內(nèi)容是論述項(xiàng)目反應(yīng)理論的基本概念與方法，分析它超出真分?jǐn)?shù)理論局限的優(yōu)點(diǎn)，并著重對(duì)它在考試工作中的應(yīng)用，包括估計(jì)被試水平、分析測(cè)驗(yàn)與項(xiàng)目質(zhì)量、考察測(cè)驗(yàn)信息、控制測(cè)量誤差、實(shí)現(xiàn)測(cè)驗(yàn)等值、避免測(cè)驗(yàn)偏差和正確實(shí)現(xiàn)測(cè)驗(yàn)?zāi)康囊蟮确矫娴募夹g(shù)與策略，進(jìn)行多方面的探討。

教育測(cè)量學(xué)是從技術(shù)的角度來(lái)研究考試的。在現(xiàn)代考試要尊重人的主體地位，要努力服務(wù)與促進(jìn)人的全面發(fā)展，要成為現(xiàn)代教育與現(xiàn)代管理的有效工具的思想指導(dǎo)下，其考核標(biāo)準(zhǔn)就要允許多元化。施測(cè)策略就要突出靈活針對(duì)性，情境設(shè)置、資料傳輸處理更要力爭(zhēng)信息化，從而不斷推進(jìn)技術(shù)的創(chuàng)新。經(jīng)典測(cè)量理論只按總分排隊(duì)，它的真分?jǐn)?shù)也是依賴于測(cè)試項(xiàng)目組的，信度卻建立在實(shí)踐中很難做到的“平行測(cè)驗(yàn)”觀念基礎(chǔ)上，難于滿足現(xiàn)代考試的要求。項(xiàng)目反應(yīng)理論能根據(jù)作答反應(yīng)資料估出不依賴于測(cè)試項(xiàng)目樣本的被試特質(zhì)水平值，可用特質(zhì)分?jǐn)?shù)來(lái)統(tǒng)率與解釋真分?jǐn)?shù)與觀察分?jǐn)?shù)，特別是提出與定義了經(jīng)典理論中所沒(méi)有的項(xiàng)目與測(cè)驗(yàn)信息函數(shù)概念。這樣，項(xiàng)目反應(yīng)理論就能實(shí)現(xiàn)難度有異的測(cè)驗(yàn)的“垂直”等值，建立起項(xiàng)目參數(shù)在統(tǒng)一量尺上取值的大型題庫(kù)，做到有預(yù)控地來(lái)編制達(dá)到指定考核要求的試卷；尤其是，可以編制出按“因人施測(cè)”原則進(jìn)行的計(jì)算機(jī)化自適應(yīng)測(cè)驗(yàn)，從而使測(cè)量理論真正和信息技術(shù)融合在一起，確實(shí)為現(xiàn)代考試技術(shù)的發(fā)展開(kāi)辟出了新天地。因此，《現(xiàn)代測(cè)量理論在考試中的應(yīng)用》特設(shè)第六、七、八章來(lái)突出討論這些內(nèi)容。 2100433B

第1章緒論1

1.1粒子濾波的發(fā)展和應(yīng)用2

1.2視頻目標(biāo)的檢測(cè)與跟蹤5

1.2.1跟蹤目標(biāo)的視覺(jué)特征5

1.2.2常用的視頻目標(biāo)檢測(cè)方法7

1.2.3常用的視頻目標(biāo)跟蹤方法10

1.2.4視頻目標(biāo)跟蹤的應(yīng)用14

1.3粒子濾波在視頻目標(biāo)跟蹤中的應(yīng)用15

1.3.1基于粒子濾波的視頻目標(biāo)跟蹤研究現(xiàn)狀15

1.3.2基于粒子濾波的視覺(jué)跟蹤的難點(diǎn)16

1.4基于微分流形粒子濾波的視頻跟蹤研究18

1.5主要的公共視頻數(shù)據(jù)庫(kù)20

1.6本書的主要工作22

第2章視頻目標(biāo)的檢測(cè)與特征提取25

2.1引言25

2.2運(yùn)動(dòng)目標(biāo)檢測(cè)方法25

2.2.1光流計(jì)算法25

2.2.2背景消減法27

2.2.3幀間差分法27

2.3運(yùn)動(dòng)目標(biāo)的特征提取28

2.3.1顏色特征提取28

2.3.2紋理特征提取32

2.3.3運(yùn)動(dòng)邊緣特征提取34

第3章目標(biāo)的表觀模型35

3.1模板35

3.2活動(dòng)輪廓模型36

3.3直方圖 36

3.3.1直方圖密度估計(jì)37

3.3.2空間直方圖38

3.3.3加權(quán)顏色直方圖39

3.4核密度估計(jì) 40

3.5混合高斯模型41

3.5.1混合高斯模型的數(shù)學(xué)描述41

3.5.2背景模型的更新43

第4章基于粒子濾波算法的視頻目標(biāo)跟蹤45

4.1貝葉斯估計(jì)理論45

4.1.1動(dòng)態(tài)系統(tǒng)的狀態(tài)模型45

4.1.2貝葉斯定理46

4.1.3貝葉斯濾波47

4.1.4蒙特卡羅方法48

4.1.5序貫重要性采樣49

4.1.6重采樣技術(shù)51

4.2粒子濾波算法52

4.2.1標(biāo)準(zhǔn)粒子濾波算法53

4.2.2標(biāo)準(zhǔn)粒子濾波的缺點(diǎn)54

4.2.3各種改進(jìn)的粒子濾波算法58

4.3基于粒子濾波的視頻目標(biāo)跟蹤方法 61

4.3.1概率跟蹤方法的數(shù)學(xué)描述61

4.3.2粒子濾波視頻跟蹤的狀態(tài)模型62

4.3.3粒子濾波視頻跟蹤的觀測(cè)模型63

4.3.4粒子濾波跟蹤實(shí)驗(yàn)結(jié)果與分析65

第5章基于Mean Shift的粒子濾波跟蹤69

5.1Mean Shift概述69

5.2Mean Shift基本理論及其擴(kuò)展形式70

5.2.1Mean Shift向量70

5.2.2擴(kuò)展Mean Shift71

5.2.3概率密度梯度73

5.3基本Mean Shift算法74

5.4Mean Shift在目標(biāo)跟蹤中的應(yīng)用75

5.4.1目標(biāo)描述和匹配準(zhǔn)則75

5.4.2Mean Shift跟蹤77

5.4.3跟蹤算法流程78

5.5嵌入Mean Shift算法的粒子濾波視頻目標(biāo)跟蹤78

5.5.1系統(tǒng)動(dòng)態(tài)模型的設(shè)計(jì)79

5.5.2系統(tǒng)觀測(cè)模型的設(shè)計(jì)79

5.5.3目標(biāo)定位80

5.5.4Mean Shift粒子聚類80

5.6實(shí)驗(yàn)及分析82

第6章基于自適應(yīng)流形粒子濾波算法的紅外小目標(biāo)跟蹤84

6.1紅外小目標(biāo)檢測(cè)和跟蹤方法概述85

6.1.1紅外小目標(biāo)跟蹤技術(shù)85

6.1.2紅外小目標(biāo)檢測(cè)技術(shù)86

6.2復(fù)雜背景下紅外小目標(biāo)圖像的預(yù)處理算法87

6.2.1紅外圖像的組成87

6.2.2頻域高通濾波法88

6.2.3低通濾波器88

6.2.4中值濾波89

6.2.5基于數(shù)學(xué)形態(tài)學(xué)濾波的紅外圖像預(yù)處理89

6.2.6紅外圖像預(yù)處理仿真實(shí)驗(yàn)92

6.3基于自適應(yīng)粒子濾波算法的紅外小目標(biāo)跟蹤96

6.3.1基于粒子濾波算法的紅外目標(biāo)跟蹤步驟97

6.3.2基于自適應(yīng)粒子濾波算法的紅外小目標(biāo)跟蹤98

6.4[ZK(]基于自適應(yīng)流形粒子濾波的制導(dǎo)紅外小目標(biāo)跟蹤方法[ZK)]107

6.4.1流形基礎(chǔ)知識(shí)108

6.4.2基于自適應(yīng)流形粒子濾波的紅外小目標(biāo)跟蹤方法109

第7章基于流形聚類粒子濾波算法的視頻目標(biāo)跟蹤118

7.1聚類算法119

7.1.1聚類的定義119

7.1.2聚類算法的分類120

7.2最大模糊熵高斯聚類粒子濾波算法(iMCPF)121

7.2.1最大模糊熵高斯聚類121

7.2.2最大模糊熵高斯聚類粒子濾波算法步驟122

7.3粒子稀疏化聚類123

7.3.1粒子稀疏化聚合重采樣123

7.3.2粒子交叉聚合124

7.4雙重采樣自適應(yīng)粒子濾波算法(DRPF)124

7.4.1基于觀測(cè)新息的重采樣分布方案124

7.4.2雙重采樣自適應(yīng)粒子濾波算法步驟125

7.5仿真實(shí)驗(yàn)及分析127

7.5.1DR/GPS組合系統(tǒng)模型127

7.5.2仿真實(shí)驗(yàn)及結(jié)果分析 127

7.6流形學(xué)習(xí)聚類粒子濾波算法131

7.6.1流形學(xué)習(xí) 132

7.6.2拉普拉斯特征映射134

7.6.3局部線性嵌入算法134

7.6.4增量式LLE聚類粒子濾波(ILLEDRPF)算法138

7.6.5仿真實(shí)驗(yàn)及分析140

7.7流形聚類粒子濾波算法142

7.7.1流形聚類142

7.7.2流形聚類方法144

7.7.3幾何能量聚類145

7.7.4Grassmann流形粒子濾波148

7.7.5基于幾何能量的流形聚類粒子濾波149

7.7.6仿真實(shí)驗(yàn)及分析150

第8章基于李群粒子濾波算法的視頻目標(biāo)跟蹤156

8.1流形156

8.1.1流形的定義156

8.1.2流形的距離157

8.2李群流形理論基礎(chǔ)158

8.2.1李群和李代數(shù)158

8.2.2李群指數(shù)映射158

8.2.3李群幾何優(yōu)化159

8.3李群結(jié)構(gòu)的矩陣協(xié)方差描述160

8.3.1目標(biāo)圖像多特征提取160

8.3.2協(xié)方差的相似度匹配162

8.4李群流形上的粒子濾波算法162

8.4.1將射影變換表示為李群162

8.4.2李群狀態(tài)模型163

8.4.3李群觀測(cè)模型164

8.5李群粒子濾波算法流程165

8.6實(shí)驗(yàn)結(jié)果與分析166

第9章基于李群最優(yōu)重要性函數(shù)粒子濾波算法的視頻目標(biāo)跟蹤172

9.1最優(yōu)重要性密度函數(shù)172

9.2基于流形建議分布的粒子濾波器173

9.2.1基于Stiefel流形的粒子濾波器174

9.2.2基于黎曼流形的粒子濾波174

9.3黎曼均值174

9.3.1基于黎曼度量的正定對(duì)稱陣175

9.3.2改進(jìn)李群結(jié)構(gòu)的黎曼流形175

9.4李群正態(tài)分布175

9.4.1李群上的不變度量和測(cè)地線176

9.4.2李群協(xié)方差矩陣算法176

9.4.3基于李群指數(shù)映射的正態(tài)分布177

9.5基于李群正態(tài)分布的粒子濾波算法178

9.6實(shí)驗(yàn)結(jié)果與分析178

參考文獻(xiàn)183