Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Sortuj według:

Ogranicz wyniki do:

A novel fuzzy c-regression model algorithm using a new error measure and particle swarm optimization

Soltani M., Chaari A., Ben Hmida F.

International Journal of Applied Mathematics and Computer Science

2012

Vol. 22, no. 3

617-628

This paper presents a new algorithm for fuzzy c-regression model clustering. The proposed methodology is based on adding a second regularization term in the objective function of a Fuzzy C-Regression Model (FCRM) clustering algorithm in order to take into account noisy data. In addition, a new error measure is used in the objective function of the FCRM algorithm, replacing the one used in this type of algorithm. Then, particle swarm optimization is employed to finally tune parameters of the obtained fuzzy model. The orthogonal least squares method is used to identify the unknown parameters of the local linear model. Finally, validation results of two examples are given to demonstrate the effectiveness and practicality of the proposed algorithm.

Multiple-view stereo matching of points using epipolar constraints and relaxation

Chaari A., Luchowski L., Rousseau J.

Archiwum Informatyki Teoretycznej i Stosowanej

2005

T. 17, z. 4

241-250

A common problem in multiple-view stereo matching of points is the presence of more than one point on (or critically near) an epipolar line, leading to ambiguous matchings. We propose a relaxation technique by which hypothetical matchings can interact, strengthening or weakening each other depending on whether they are murually compatible.

Częstym problemem w wielowidokowym stereowidzenia jest obecność więcej niż jednego punktu charakterystycznego na jednej linii epipolarnej (lub w jej pobliżu w granicach założonej tolerancji). Prowadzi to do niejednoznacznego pasowania. Proponujemy technikę relaksacyjną, która pozwala na interakcję między wieloma hipotetycznymi pasowaniami. Poszczególne hipotezy wzmacniają się lub osłabiają nawzajem, zależnie od tego, czy są ze sobą sprzeczne. Oprócz ograniczeń epipolarnych przedstawiony algorytm może wykorzystywać inne źródła informacji o zgodności lub sprzeczności hipotez. w naszym eksperymencie posłużyły do tego celu niezmiennicze stosunki podziału odcinków