1) generalized fuzzy Gibbs random field
广义模糊Gibbs随机场
2) Gibbs random field
Gibbs随机场
1.
Weighed-FCM image segmentation algorithm combined with gibbs random field;
结合Gibbs随机场的加权模糊C均值图像分割算法
2.
Objective To propose an improved C-means segment method based on Gibbs random field accelerated by GPU.
结论:采用显示卡加速的基于Gibbs随机场的模糊C均值分割算法运算接近实时,大大提高了Gibbs随机场分割算法在临床的实用性。
3.
In order to overcome the limitation of Gauss mixture model(GMM),this article uses the Gibbs theory and the image structure information to construct anisotropic Gibbs random field incorporated into the GMM.
为了克服高斯混合模型(GMM)的局限性,利用Gibbs理论和图像结构信息构造各向异性Gibbs随机场,并将其引入到GMM框架中,完善GMM的分类效果,使其在克服噪声影响的同时,还能够保持细长拓扑结构区域信息以及角点区域信息。
3) Gauss-Gibbs random fields
Gauss-Gibbs随机场
4) Gibbs random field(GRF)
Gibbs随机场(GRF)
5) general stochastic neural network
广义随机模糊神经网络
1.
A general stochastic neural network(GFSNN),which membership functions are general Gaussian functions and are adaptable,is proposed to predict chaotic time series,and the model s structure and parameters are optimized by the algorithms of GA-Annealing strategy and are applied to forecast stochastic chaotic time series.
针对随机模糊神经网络缺乏自适应性,引入广义高斯函数和广义随机模糊神经网络,使系统中隶属函数具有自适应性;并对参数进行遗传退火算法优化,使系统具有最佳结构和参数。
6) generalized fuzzy random reliability
广义模糊随机可靠度
1.
On the basis of Monte Carlo theory and the equivalent-normal theory of First Order Reliability Method,the generalized fuzzy random reliability theory is put forward with the help of Fuzzy probability as well as expansion principle.
基于Monte Carlo理论及First Order Reliability Method当量正态化理论借助Fuzzy概率及扩张原则提出了广义模糊随机可靠度理论,结合边坡滑动失效模式及渗透失效模式建立了Stevenson-Moses算法下的堤防系统广义模糊随机可靠度算法,就长江荆南主干堤典型断面的可靠性进行分析,论证了对堤身边坡做系统可靠度分析的必要性,得到的规律性认识具有工程安全指导意义。
补充资料：广义随机场
广义随机场
random field, generalized
【补注】亦见随机场(m记om field).广义随机场[皿日田】云dd，90.司加闭;cjly，‘HOenO二0606川e“Hoel，广义随机过程(罗能阁讼分stochas康Proo巴洛) 光滑流形G上的随机函数(mndom丘Lnction)，它的典型的实现是定义在G上的广义函数.更确切地说、设G是一C。流形(光滑流形)，再设D(G)是定义在G上的紧支撑的无限次可微函数空间，具有在一致紧支撑上的函数列及其所有导数序列的一致收敛性的通常拓扑.这样，就可以在G上用给定的从D(G)到定义在某个概率空间(Q，黔，川上的随机变量空间L。(Q，忍，拜)的连续线性映射 D(G))L‘，(Q，忍，拼)，职~九，中6D(G)来定义广义随机场，这里Q是非空集合，黔是O的子集。代数，“是定义在毋上的概率测度，而随机变量空间L。(Q，黔，拜)具有依测度收敛(conVergenCeinn笼尧巧ure)拓扑(〔7]).当概率空间是G上广义函数空间D‘(G)，具有由D‘(G)中柱集生成的。代数黔。(见广义函数空间(罗配耐刘丘m由。留，印aceof)，柱集(q越n由rset))且映射由 j，(T)二(T，甲)，T‘D‘(G)，甲〔D(G)，给定的情形，广义随机场{凡:职〔D(G)}称为典型的(以加灿以1).任何一个在有限维流形G上的广义随机场概率同构于某一(唯一的)G上的典型随机场(见[2」). 这个定义容许很多自然的修正.例如，可以考虑向量值广义随机场或者在定义中用G上的检验函数的更广的空间(例如，在G=R”，n=l，2，…，的情形，S(R”)一C田可微函数连同其导数都比任意负幂{xl人，k=一1，一2，…，x〔R”下降迅速，这样的函数所成的空间)来代替空间D(G). 广义随机场的概念包括其实现是通常函数的古典随机场及过程.这一概念出现于见年代中期，当时许多自然的随机结构显而易见地不能够用古典随机场给予充分简单的表述，而可以用广义随机场的语言给出简单、优雅的描述.例如，D(Rn)，n=l，2，二，上的任意正定双线性形(，、，，:)一丁丁、(x，，xZ)，1(x，)，2(、2)dxldxZ， R，Rn职，，毋2‘刀(R”)，其中评(x，，xZ)是两个变量的正定对称广义函数，决定一个唯一的R”上具零均值的C透理粥广义随机场{几:中任D(R”)}，这个场的协方差是 J几.几2“。一‘，】，毋2’，其中#是D‘(R”)上与这个场对应的概率测度.仅当函数评(xl，xZ)充分好(例如连续有界)时，这个广义随机场才能转化成古典的.另一个例子是R”上的广义随机场(见〔6』)，其中没有古典场. 由于70年代早期发现了构造物理量子场的问题和R”(n>l)上MaPxoB广义随机场之间的联系，研究广义随机场(和特别是Ma琳oB场)的兴趣近年来一直在增长(见【5】).
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