2) Grads Information
梯度信息
1.
First of all,the horizontal grads information of original image containing faces are obtained by means of Sobel operator,and these information are then associated with human eye s gray level information so that the candidate regions .
首先对原始灰度图像利用Sobel边缘检测算子得到水平方向的梯度信息;在此基础上,结合人的眼睛灰度信息得到眼睛的初步候选区域,并根据眼睛的几何特征删除非眼睛区域;然后利用眼睛的几何特征以及人脸的“三停五眼”特性确定真正的眼睛和嘴的区域,在精确定位眼睛和嘴的几何位置后确定人脸区域;最后利用人脸的左右对称性来验证人脸。
3) gradient information
梯度信息
1.
A method based on mutual information and gradient information for medical image registration;
一种基于互信息和梯度信息的医学图像配准算法(英文)
2.
Using GFHM as an identifier model for unknown nonlinear object, it can provide the gradient information necessary to the parameter self-adjusting of fuzzy adaptive controller.
针对未知的非线性不确定系统,提出了一种基于广义模糊双曲正切模型的模糊自适应控制方法·该方法采用广义模糊双曲正切模型作为未知的非线性对象的辨识器,以此为模糊自适应控制器提供参数自调整必需的梯度信息·通过与其他的辨识器比较,说明了广义模糊双曲正切模型辨识器具有辨识参数少,辨识复杂性较小,易于提高逼近精度的优点·自适应控制器的梯度算法使被控对象的输出能很好地跟踪期望输出·仿真结果表明,此控制方案对未知的非线性系统的输入有很强的自适应跟踪能力
3.
The algorithm uses the gradient information of particles to initialize their velocities,and in order to restrain particles from trapping in local optimum,mutation operator has been presented d.
该算法用粒子的梯度信息对速度进行初始化,并且针对粒子群优化算法(PSO)易陷入局部最优值的缺点,在算法搜索过程中引入变异算子,增强了PSO摆脱局部极小点的能力。
4) information grads
信息梯度
1.
In order to perfect main body and object sufficient information communication and improve administer inspirit effect,this paper inducts the concept of information grads,and describe the inspirit effect of information transfer by use the concept.
本文引入信息梯度的概念,并利用其对信息的激励效果进行了研究。
5) Mutual information metrics
互信息度量
补充资料：信息梯度
信息梯度
informant
信息梯度[加肠蜘旧成;H“中opMa“T] 对数似然函数的梯度.信息梯度的概念出现在数理统计的所谓参数问题中.设有先验信息:被观测随机现象由分布族{P’，作。}中的概率分布描绘，其中t是数值或向量参数，但其真值未知.对现象所作的观测(一系列独立观测)产生结局。(一系列结局砂’)，…，田(哟).要求根据观测结局估计参数0.假设分布族{p‘}由关于测度拼(d。)的密度夕(。;t)给出，其中召(d。)定义在现象所有结局的空间O上.当O离散时，p(。;t)可以采用结局的概率尸‘(。)，对于固定的田，密度p(。;t)作为参数亡=(t!，二，亡，)的函数称为似然函数(1议e心以沮丘田以沁n)，而它的对数称为对数似然函数(fo即rithmie泳e川iood丘mction). 对于光滑分布族，宜把信息梯度定义为向量 脚d。Inp(。;t)=一「袄二一旦赵竺卫..一止一业~她三业1. L夕(。;‘)刁t:”夕(。;:)日‘。」’与对数似然函数不同，它不依赖于测度尹的选择.信息梯度包含参数0的估计间题的全部重要信息:既包含由观测得来的，又包含事先已知的.此外，它是可加的:对于独立观测，即当 探 ，(。‘”，一。‘“，;亡)一万，，*(仍‘“’;‘)时，信息梯度相加: N 卿hi，(“‘’)，一毋‘“，;‘)一再，咧Inp*(功“’;‘)· 在统计估计理论中，信息梯度作为随机向量函数其性质是重要的.假设对数似然函数是正则的:二次可微，其导数可积，对参数的微分与对结局的积分可交换，那么有如下恒等式: E_夕鱼卫工旦过二 口之* 一)旦嚼兴p‘。;‘’‘“一“，丫人; 一E_旦渔五丛丝- 日tz日tk一侧亡，一E。邻邻，丫、，“·协方差矩阵“毛*(t)II艾*一l称为信息矩阵(泊允爪以石。nnlltr伏).通过此矩阵可以得信息不等式，后者给出参数0的统计估计之精度的界限. 在用最大似然法(n笼以泊刀山卫刁ikelil协记nr山记)估计参数0时，被观测到的结局。(或一系列结局砂’)，…，砂“))对应于最大似然的、即使似然函数和对数似然函数达到最大的t一0’(。)值.在极大值点上，信息梯度应该等于 0.不过，所得似然方程 脚d Inp(。;r)=0除t=0’之外还可能有多余的根，后者对应于对数似然函数的局部极大(或极小)值，应将其舍去.假如在值t二O的某邻域内 det 11毛*(t)}l笋o，则由信息梯度的上述性质可知，当所作独立观测次数N无限增大时，最大似然估计口又具有渐近最优性.
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条