简介:利用带有积分余项的Taylor公式重新推导了Simpson校正公式,同时给出了其误差的精确表示,而这一结果将优于Simpson校正公式[J]中的误差估计.
简介:运用李群对称方法解决Bretherton方程问题,得到方程的对称约化和群不变解,比如幂级数解,最后得出该问题的守恒率.
简介:Inthispaper,weconsidertheevolutionofasolitonwhendissipativeloseexists.Bymeansofnon-perturbedmethod,anexactenvelopewavesolutionofnonlimearSchroedingerequationwithdissipativetermisobtained.ItisshownthatwhenГ=γ0/(1+2γot),thesolutiongivenherestillmaintainsthehyperbolicsecantprofile.
简介:本文提出了求解非线性方程组的一种非精确Broyden方法.该方法是文献[8]中精确Broyden方法的推广.在适当的条件下,我们证明了非精确Broyden方法具有全局收敛性和超线性收敛性.数值实验表明,该方法效果较好.
简介:对含有动、静态背景的稳定图像处理时,对比了主成分追踪鲁棒主成分分析法(RPCA)、贝叶斯鲁棒主成分分析法(BayesianRPCA)和高斯混合模型的鲁棒主成分分析法(MoG-RPCA),3种方法对静态背景下的前景提取都较为完整.而动态背景下只有BayesianRPCA和MoG-RPCA提取出了完整的前景目标,但是BayesianRPCA计算速度很慢,且不能够处理复杂噪声.所以MoG-RPCA模型更具有对复杂噪声的适应性,动、静态背景情况下均提取出精度较高的前景目标,且具有较快的计算速度.当图像不稳定时,采用改进的MoG-RPCA模型对非稳定拍摄的抖动视频进行前景目标提取,并在第197帧抖动图像中清晰地提取出显著前景目标,且运算速度较快.在为了快速找到目标出现的帧时,对高斯混合模型背景差分法进行改进,利用K-means聚类算法快速得到聚类中心点,然后作为高斯混合模型背景更新时的初始化均值参数,从而提高在复杂场景下前景目标的检测精度.对于多角度追踪任务,不同角度、近似同一地点的多个监控视频图像中前景目标的提取,可采用跨摄像头视角跟踪结果融合的方法,然后对目标进行匹配.