基于图拉普拉斯的多标签类属特征选择

多标签特征选择能够有效去除冗余特征并提升分类精度, 是解决"维数灾难"问题的有效方法. 然而, 已有的多标签特征选择算法是对所有标签选择出相同的特征, 忽略了标签与特征之间的内在联系. 事实上, 每个标签都具有反映该标签特有属性的特征, 即类属特征. 提出一种基于图拉普拉斯的多标签类属特征选择(multi-label label-specific feature selection based on graph Laplacian, LSGL)算法. 对于每个类别标签, 基于拉普拉斯映射获得数据的低维嵌入, 再通过稀疏正则化获得数据空间到嵌入空间的投影矩阵, 接着通过分析矩阵系数确定每个标签相应的类属特征, 最后使用类属特征进行分类. 在 5 个公共多标签数据集上的多标签特征选择与分类实验结果证明了所提算法的有效性.     

TV模型的结构纹理图像修复方法

针对TV模型无法修复纹理的现状,结合改进的TV方法,提出一种新的结构纹理图像修复方法.该方法首先获取待修复区域的纹理方向,然后将,TV模型在纹理方向上差分化求解.其保留了结构修复的特征,同时可以修复"Y"形甚至"X"形结构纹理缺失.实验表明,该算法能高效、稳定地处理破损区域的图像信息.     

基于重加权l1范数的边缘保持图像平滑算法

边缘保持图像平滑是很多计算机视觉和图形学算法的关键步骤,基于l1范数的边缘保持图像平滑算法是现有算法中性能较好的一种,但是该算法的平滑结果中仍然存在很多未被平滑的纹理.为了改进算法的平滑结果,提出了一种新的基于重加权l1范数的边缘保持图像平滑算法,该算法将原始的基于l1范数的图像平滑算法与重加权l1范数最小化相结合,通...     

正则图的代数连通度

设G=(V,E)是一个具有n个顶点的简单图,A(G)是G的邻接矩阵,D(G)表示G的度对角矩阵,图G的拉普拉斯矩阵定义为L(G)=D(G)-A(G).若矩阵L(G)的特征值为μ1≥μ2≥…≥μn-1≥μn=0,则称μn-1为G的代数连通度.研究了正则图的代数连通度,得到了下列结论:μn-1≤(nrln(n-l))/(6n-8-4r-nln(n-1))这里,r表示正则图的度.     

一种快速的图像修复算法

TV模型算法是目前较为流行的图像修复算法,但其修复速度慢,修复效果不是太理想.文章对TV模型进行改进,采用从外到内的修复顺序,并完全采用已知区域信息对图像进行修复,所有待修复的点仅需1次迭代便可完成修复.实验表明,在修复缺损的数字图像时,文中提出的算法与TV模型算法相比,无论是修复速度,还是修复效果,都有非常明显的提高...     

一种保持边缘线的图像修补技术

图像修补是对图像损毁区域进行适当修补以满足人眼视觉要求的一种技术.对于边缘清晰的图像,大部分基于偏微分方程修补模型的修复结果可能会造成边缘的模糊扩散或产生锯齿.为此,提出一种基于拟合和插值的边缘保持方法,通过对边缘线预测保持后再用TV修复模型进行修补.该算法实现速度快,实验证明对边缘的修复效果较好.     

结构相似度索引耦合最优稀疏表示的大规模损坏图像动态修复

当前的图像修复算法在处理小面积损坏图像时,可取得较佳的视觉质量;但难以用于高对比度边缘和高频分量的大面积损坏图像的修复,存在明显的模糊效应与块效应,使得修复质量较差。对此,提出了结构相似度索引耦合优化稀疏表示的大规模损坏图像动态修复机制。基于数据度与置信度构造图像块先验模型,提取损坏图像的已知块;再引入K-SVD算法和拉格朗日乘数机制,构造最优字典矩阵,优化稀疏表示,以重构目标图像损坏区域;并设计结构相似度索引与动态更新机制,估算稀疏表示系数,并动态更新字典矩阵,输出修复图像。最后测试了其机制性能。结果表明:与当前图像修复算法相比,在大规模损坏图像与高对比度边缘图像修复中,具有更好的修复效果、更高的相似度,显著消除了模糊效应与块效应。     

基于快速步进法的改进图像修复算法

基于水平集应用的快进修复算法可以简单、快速且有效地修复数字图像中的破损区域,但该方法的线性和局部特征导致其对边缘的保持能力不够,针对这一问题提出了改进方案.在快速步进法的边界行进中引入各向异性扩散,能更准确地保持等照度线的方向,避免彼此交叉.实验结果表明,改进后的算法能更好地保持等照度线的平滑及尖锐边缘,同时具有原算法运算速度快的优点.     

无纹理图像修复模型的快速数值算法

将曲率驱动扩散(CDD)模型应用于无纹理图像的修复, 对其数值离散格式进行改进, 计算分为两步执行:  在修复区域内采用时间步进法; 修复区域外利用加性算子分裂方法, 该方法加快了收敛速度, 数值实验结果表明效果较好.     

一类自适应混合图像修复算法

建立了一类新的图像修复算法,即自适应混合图像修复算法。这一算法的基本原理是:首先将图像分解为几何轮廓和纹理两部分分别修复后再合成。对几何轮廓部分,用自适应整体变差方法进行修复,自动根据区域特点选参修复,在保持边缘信息同时加快了修复速度;对纹理部分,用二阶共生矩阵合成方法进行修复,使修复效果更为理想。     

单圈图Laplacian矩阵的第k个特征值

单圈图是边数等于顶点数的简单连通图.在树的第k个特征值的基础上,给出了k在某一范围时单圈图第k个Laplacian特征值的上界.     

单圈图Laplacian矩阵的最大和次大特征值

设G=（V，E）是一个n阶的连通单圈图，λ（G），λ2（G）分别是图G的Laplacian矩阵的最大和次大特征值．本文讨论了单圈图的最大和次大特征值与其顶点，悬挂点个数之间的关系，将已有的结论作了改进和推广．     

合成图的Laplacian特征值

给出了任意两个图的合成图的Ｌａｐｌａｃｉａｎ特征值和特征向量,同时得出了合成图的生成树的数目。     

关于图Laplacian矩阵的第三个不变因子的一个注记(英文)

设G是n阶简单连通无向图,其中n≥5.证明了图G的Laplacian矩阵的第三个不变因子S3(G)≤n.刻画了满足S3(G)=n,n-1,n-2,n-3的所有简单连通无向图.     

完全4-部图的无符号Laplacian整根

文中研究了完全4-部图G=Kn1,n2,n3,n4的特征根,给出了完全4-部图是Q-整图的充分必要条件。     

连通图的拉普拉斯特征值之和的下界

图的拉普拉斯矩阵是指其度对角矩阵和其邻接矩阵之差.设S(G)是图G的前两大的拉普拉斯特征值之和,在所有n阶的连通图中,S(G)的最小值一旦确定,相应的极图也被唯一地刻画.     

多扇图的Laplacian谱确定问题

在Laplacian谱确定的图Pn1 Pn2 … Pnk的基础上,构造出多扇图,并分析多扇图的最大和次大Lapla-cian特征值,得到这类图形的顶点度序列,结合其补图的性质,推证多扇图由它的Laplacian谱确定.     

基于拉普拉斯度的k-均匀超图的图熵极值

基于一般图中图熵的定义,定义了超图基于拉普拉斯度的图熵.将简单图的图熵的一些结论推广到k-均匀超图.利用一种移边操作,分别确定了在k-均匀超树、单圈k-均匀超图、双圈k-均匀超图和k-均匀化学超树中基于拉普拉斯度的图熵最大值和最小值,并确定了相应的极值图.     

单圈图的Laplacian谱

G 是一个图，A（G），D（G）分别是G 的邻接矩阵和顶点度序列对角矩阵，则矩阵L（G）=D（G）-A（G）称为G 的Laplacian 矩阵。作者考察了单圈图的Laplacian 矩阵的谱性质，并着重讨论了单圈图的代数连通度。