用Hirota双线性方法构造一种(3+1)维高维孤子方程的多孤子解

通过两种方法构造了一种(3+1)维高维孤子方程的孤子解.第一种方法是利用对数函数变换,将其化成双线性形式的方程,在用级数扰动法求解双线性方程的单孤子解、双孤子解和N-孤子解.第二种方法是用广义有理多项式与试探法相结合,构造了(3+1)维高维孤子方程的怪波解.     

迭代奇异值分解的学生成绩恢复方法

为了有效地对学生成绩数据进行恢复,提出一种迭代奇异值分解的学生成绩恢复方法。该方法采用矩阵表示学生成绩,利用该矩阵具有低秩的特性,在给定缺失元素的初始值后,利用奇异值分解得到缺失元素的近似值,而该近似值比初始值更加接近真实值。再将求到的近似值代替初始值,经过多次迭代,最终可求到成绩表中缺失元素的真实值。该方法的优点是在缺失元素恢复过程中,利用了所有已知元素信息,并将所有已知元素平等地对待。模拟实验和真实实验结果表明该方法能够快速、精确地恢复出学生的真实成绩。     

Morse跌倒评估量表在神经内科住院患者中的信效度研究

目的：通过对量表进行信效度测量,明确其在神经内科住院患者中适用性。方法：采用Morse跌倒评估量表对205例来我院神经内科住院治疗的患者进行调查。结果量表各项指标基本达到心理测量学标准：量表各条目临界比（CR值）达到显著性（P＜0．05）,有跌倒史组和无跌倒史组MFS总分的差异有显著性（P＜0．05）,各条目与总分相关大于0．3,表明该量表有较好区分度和内容效度;内部一致性信度（Cronbach’α）0．285,重测信度0．716。结论：Morse 跌倒评估量表具有较好的信效度,基本符合心理测量学的要求,可用于神经内科住院患者跌倒风险评估。对于其较低的内部一致性,建议在临床应用中对其进一步进行修订,验证。     

最小特征值的迭代非刚体三维射影重建方法

为了从图像序列中重建出非刚体三维射影重建,本文提出了一种最小特征值的迭代非刚体射影重建方法.该方法利用所有的图像点和深度因子组成一个低秩图像矩阵的特性,将投影求解转化为矩阵特征值及特征向量的求解,迭代地求解深度因子,实现非刚体的三维射影重建.该方法能够保证算法能够收敛到全局最优解.模拟实验和真实实验结果表明,本文方法具有收敛性速度快、误差小等优点.     

基于秩1约束的三维重建方法

假设相机为正投影模型,提出了一种基于秩1约束的三维重建方法,该方法并不是直接求解空间结构点和投影矩阵,而是求解空间结构点的深度及投影矩阵。本文利用空间结构点可以由第1幅图像点及深度构成的特性,构造了一个秩为1的矩阵,利用该矩阵求取空间结构点的深度,最后完成三维重建。模拟实验和真实实验数据结果表明,该重建方法具有较高的重建精度。      

基于非刚体轨迹基的线性自标定方法

为了有效地实现相机自标定,本文提出了一种基于非刚体轨迹基的线性自标定方法,该方法利用了非刚体的运动轨迹构成一个低维子空间,并且该低维子空间的基可以由一组正交小波基线性表示的特性,线性地实现相机的自标定.由于该正交小波基可以事先定义,因此求解的未知数大大减少,而且使传统的相机自标定问题转化为线性求解问题,提高了算法的鲁棒性.模拟实验和真实实验数据结果表明,该方法能够有效地实现相机的自标定.     

投影约束的遮挡点恢复方法

为了恢复图像中的遮挡点,本文在相机为正投影模型下,提出了一种投影约束的遮挡点恢复方法.该方法利用图像矩阵的行空间和列空间都是三维子空间的特性,通过用矩阵奇异值分解分别得到图像矩阵行和列投影满足的约束条件,将遮挡点的求解转化为迭代求解二次型的极值问题.仿真实验和真实实验结果表明,本文方法具有收敛速度快,恢复精度高等优点.     

基于非刚体的线性迭代相机自标定方法

为了实现相机标定,本文提出了一种基于非刚体的线性迭代相机自标定方法,该方法假定非刚体由若干个非刚性基线性组成,利用所有图像点组成的图像矩阵为一个低秩矩阵的特性,实现射影重建;利用相机的约束关系线性迭代地实现相机标定.该方法克服了现有自标定方法要求物体做刚体运动的缺点,模拟实验和真实实验数据结果表明,能够有效地实现相机标定.     

基于两对互相垂直平行线的自定标方法

提出了一种利用图像中的互相垂直的两对平行线来实现相机的自定标方法.利用模约束可以提供一个方程,图像中的两对互相垂直的平行线可以提供两个线性方程的特性,该方法通过两幅图像就可以实现相机的自定标.所提出的相机定标方法在求解过程中是准线性的,实验数据结果表明,该定标方法具有鲁棒性好、收敛性好等优点.     

基于正交补空间的遮挡点恢复方法

为了有效地恢复遮挡点的位置,提出了一种基于正交补空间的遮挡点恢复方法,该方法将图像两两组合,并删除同组中的遮挡点,利用删除遮挡点后的图像组生成的正交补空间之和等于三维空间结构点生成的正交补空间的特性,线性地求解出遮挡点的真实位置。由于该方法的求解是线性的,克服了现有迭代方法需要初值的缺点;同时,该方法将所有的图像及可见图像点都平等地看待。模拟实验和真实实验结果表明,该方法具有鲁棒性好及误差小等优点。