1) infinite mixture model
无限混合模型
1.
A non-parametric Bayesian infinite mixture model,called Dirichlet Process Mixture Model(DPMM) clustering method is proposed to segment SAR image.
传统的合成孔径雷达(SAR)图像参数化有限模型都有其特定的物理背景或者数学假设,很难准确估计SAR图像中各地物的密度分布,为了解决这一问题,提出一种基于非参数化无限混合模型的SAR图像分割方法,该方法利用Dirichlet过程对SAR图像进行建模,进一步采用非参数化Bayes模型分割包含复杂地物目标的SAR图像。
2) finite mixture model
有限混合模型
1.
It is proposed that to apply a Gaussian finite mixture model with EM algorithm to cluster the data in image feature space, to adopt the information theoretical criteria (ITC) to determine how many regions should be segmented on a given image, to apply Bayesian probabilistic classification for the segmentation of the given image.
提出应用高斯有限混合模型与期望-极大化算法对图像特征空间的数据进行聚类,采用信息理论准则(ITC)确定要分割的图像区域数目,用贝叶斯概率分割图像。
2.
The expectation-maximization(EM) algorithm is a popular approach to the parameter estimation of the finite mixture model(FMM).
期望最大化(EM)算法是对有限混合模型进行参数估计的通用算法,然而标准EM算法中所需的混合模型分量数往往是未知的。
3.
Since the conventional algorithm can not deal with the variable parameter dimension in the unsupervised learning of finite mixture models(FMM),an unsupervised learning algorithm based on the modified Gibbs sampling scheme is proposed.
针对传统有限混合模型无监督学习算法不能处理参数维数变化的问题,提出了一种基于修正Gibbs采样的无监督学习算法。
3) Finite mixture models
有限混合模型
1.
This paper emphasizes on the study of finite mixture models and its application in biology.
这篇论文主要研究的是有限混合模型参数的估计和检验问题以及有限混合模型在生物学中的应用。
4) hybrid finite element model
混合有限元模型
5) finite layer-finite element hybrid model
有限层-有限元混合模型
6) unconfined mixture
无限制混合
补充资料：混合计算模型
混合计算模型
hybrid computational models
hunhe Jisuan moxing混合计算模型(hybrtd computationa一m闭·els)计算机与其所控制的物理部件构成的，具有既随时间连续变化的变量又受事件驱动的离散变量的系统的数学模型。 混合系统的设计涉及控制理论和计算机科学，20世纪90年代以来引起了计算机科学界很大关注。很多混合系统要求绝对安全，如自动导航系统，核电站监测系统等。绝对安全系统的设计是计算机软件科学的重大课题。当前的软件产品耗资巨大，但多数无法避免差错。这样的软件不能用于绝对安全系统。计算机软件科学界提出使用严格的形式化方法来设计该类软件。 迄今，形式化方法所处理的对象都是离散变量(或已离散化的变量)，所用的语言及演算亦都是基于离散数学的公理化系统。而混合系统设计的形式化方法不可回避连续数学;控制理论使用的是微分方程刻画连续变量的变化规律。混合系统设计的形式化方法也不能回避离散的事件，这些事件驱动系统的变化。混合系统设计的形式化方法需要一种计算模型，它同时支持连续变量和离散事件藕合系统的计算。 近几年在已有计算理论的基础上，已陆续发展了多种混合计算模型。大体上可分为逻辑型、程序设计型和自动机型三类。 逻辑型混合计算模型的主要思想基于时态逻辑，引人时段和切变的概念。时段可用来刻画系统在一个时间区间上的连续变化，而切变则表示事件的发生(离散变量的变化)。在单个时段上，借用连续数学(微分方程理论)推导系统的行为;而在相邻时段间，则用时态逻辑中切变算子的规则，推导系统行为的转化。逻辑型计算模型中的时段演算，已引起该领域同行的广泛重视。该演算是由周巢尘，C.A.R.H(班re和A.P.Ravll所建立。 程序设计型混合计算模型是将传统的程序设计语言加以推广以容纳连续变量。推广后的程序语言可用来描述混合系统的行为。而其中的控制部分可逐步求精，变换成传统的可在计算机上执行的软件，从而生成数值控制系统。通信顺序进程〔SP，已推广为混合通信顺序进程。在这个程序语言中，有一种特殊的语句称为连续构件，它可表示一个具体给定初值的微分方程;而原有的通信语句可用来表达事件的起源和发生;程序语言中的顺序算子，条件算子等用来刻画连续构件和通信间的藕合关系。 自动机早已用于各种模拟计算系统，计算机本身亦可看作一个庞大的有限状态自动机:一个状态表示计算机中各存储器和寄存器一种取值，而计算机的操作导致计算机由一个状态转移至另一个状态。如果将自动机的状态看作是在一组微分方程控制下，一组连续变量的连续变化过程，则将状态的转移视作事件的驱动。这种推广后的自动机称作混合自动机，可用来描述和计算混合系统的行为。 总之，混合计算模型还在发展完善之中。
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