1) Maximum A Posteriori-Markov Random Field(MAP-MRF)
最大后验概率-马尔可夫随机场模型
2) maximum a posteriori-Markov random field (MAP-MRF)
最大后验概率-马尔可夫随机场
3) MAP-MRF
最大后验马尔可夫随机场
1.
The algorithm uses minimum s/t cut criteria to obtain a global optimal result of objective function formed according to Markov Random Field Model and Maximum a posteriori(MAP-MRF) theory, and by combining the expectation-maximization(EM) algorithm to estimate the parameters of mixed Gaussian model for normal brain and tumor tissues.
方法根据最大后验马尔可夫随机场理论(MAP-MRF),提出基于图论的最小切优化准则的三维脑肿瘤分割算法,同时结合期望最大化参数估计方法(EM)来自动估计混合高斯模型的参数,实现了脑部肿瘤三维(3D)分割。
4) Markov Random Field(MRF)
马尔可夫随机场模型
1.
Based on the characteristics in structure and statistic regularity of the images,a Markov Random Field(MRF) based algorithm is introduced for preprocessing the degraded images.
文本图像等统计规律比较强的图像中存在模糊、笔划不完整等降质问题,基于文本图像在结构和统计规律等方面的特点,建立相应的马尔可夫随机场模型对其进行预处理,以进一步提高后续处理的正确率并减轻后续工作难度。
5) Huber-Markov Random Field(HMRF) model
Huber-马尔可夫随机场模型
6) FMRF
模糊马尔可夫随机场
1.
Fuzzy Markov random field(FMRF) is an efficient model for data clustering or image segmentation.
模糊马尔可夫随机场在多值图像分割问题中多采用分段模糊的方法将多值问题转化成多个两值模糊问题,这种方法的模糊度完全依赖像素的灰度值,从而很容易陷于局部最优解。
补充资料：应用随机过程概率模型导论
【内容介绍】
本书是国际知名统计学家sheldon m．ross所著的关于基础概率理论和
随机过程的经典教材，被加州大学伯克利分校、哥伦比亚大学、普度大学、
密歇根大学、俄勒冈州立大学、华盛顿大学等众多国外知名大学所采用。
与其他随机过程教材相比，本书非常强调实践性，内含极其丰富的例子
和习题，涵盖了众多学科的各种应用；作者富于启发而又不失严密性的叙述
方式，有助于读者建立概率思维方式，培养对概率理论、随机过程的直观感
觉。对那些需要将概率理论应用于精算学、运筹学、物理学、工程学、计算
机科学、管理学和社会科学的读者，本书是一本极好的教材或参考书。
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