简介:在Banach空间中利用一个随机Mann迭代序列组,讨论了随机映射的随机不动点的存在性问题,得出了几个随机不动点定理,改进了相关文献中的相应结果.
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.
简介:在网络终端视频体验过程中,影响用户体验的两个关键指标为初始缓冲等待时间和卡顿缓冲时间,本文结合移动视频传输协议等相关知识,通过机理分析方法,对实验数据进行分析和挖掘,建立了初始缓冲时延映射模型与卡顿时长占比函数模型。并基于视频体验评分测试软件Speedvideo及其网络运营平台,对所在地多个区域进行了综合测试。
简介:研究了一致连续广义Φ-伪压缩映射的不动点收敛定理.该定理中不要求Φ(t)为严格递增函数且对实序列的条件做了相应地放宽,从而所得结果推广和改进了已知的结论.
简介:在一致凸的Banach空间中,采用新的证明方法研究了严格渐近伪压缩映象和渐近非膨胀映象带误差的修正的Mann和Ishikawa迭代程序的收敛性问题,不要求定义域、值域有界,且迭代系数更简单.
简介:有密度依赖者粘性的one-dimensionalcompressible流动的方程的答案的全球存在被证明。明确地,起始的数据上的假设是模常数在可能不同的x=+∞和x=-∞,被说密度和速度在L~2,并且密度上面并且下面被围住离开零。Theresults也证明甚至在这些条件下面,既不真空状态也不集中状态能在有限时间被形成。
简介:设H是一实Hillber空间,K是H之一非空间凸子集,设(Ti)i=1^N是N个Lipschitz伪压缩映象使得F=∩i=1^NF(Ti)≠Ф,其中F(Ti)={x∈K:Tix=x}并且{αn}n=1∞,{βn}n=1^∞包含[O,1]是满足如下条件的实序列(i)∑n=1^∞(1-αn)^2=+∞;(ii)limn→∞(1-αn)=0;(iii)∑n=1^∞(1-βn)〈+∞;(iv)(1-αn)L^2〈1,arbitaryn≥1;(v)αn(1-βn)^2+αm[βn+L(1-βn)-]^2〈1,其中L≥1是{Ti}i=1^N的公共Lipschitz常数,对于x0∈K,设{xn}n=1^∞是由下列定义的复合隐格式迭代xN=αnxn-1+(1-αn)Tnyn,yn=βnxn+(1-βn)Tnxn,其中Tn=TnmodN,则(i)limn→∞||xn-p||存在,对于所有的p∈F;(ii)limn→∞d(xn,F)存在,其中d(xn,F)=infp∈F||xn-p||;(iii)limn→∞inf||xn-Tnxn||=0.本文的结果推广并且改进H—K.Xu和R.G.Ori在2001年的结果和Osilike在2004年的结果,并且在这篇文章中,主要的证明方法也不同与H—K.Xu和Osilike的方法.
简介:设X是一致光滑的Banach空间,T:D(T)属于X→2^x是局部严格伪压缩映射且有不动点.设Q是从X到D(T)上的非扩张保核映射.任取x0∈D(T)归纳定义:xn+1=Qpл,pn∈(1-cn)xn+cnTQyn,yn∈(1-dn)xn+dnTxn.如果存在有界序列{wn}和{zn},wn∈TQyn,zn∈Txn.则{xn}强收敛于T的唯一不动点.其中数列{cn}和{dn}满足适当条件.
简介:引入一个修正的Mann迭代序列,并在Hilbert空间和Banach空间中证明了此迭代序列强收敛于有限蔟多值Φ-伪压缩映像的唯一公共不动点.
简介:在一般的实Banach空间中,研究Lipsehitz渐近伪压缩映象和渐近非扩张映象不动点的迭代逼近问题,给出Ishikawa迭代序列强收敛的充要条件,所得结果改进和推广了张石生,肖建中等人的主要结果,修正和推广了朱玲娣等人的相应结果.
简介:研究了Lipschitz伪压缩映射的黏滞迭代方法.设E为一致光滑Bannach空间,K为E的闭凸子集,TK→K为Lipschitz伪压缩映射且其不动点集F(T)非空,f为K上的压缩映射且t∈(0,1).若黏滞迭代路径{xt},xt=(1-t)f(xt)+tTxt且对任意初始向量x1∈K,迭代序列{xn}定义为xn+1=λnθnf(xn)+[1-λn(1+θn)]xn+λnTxn,则当t→1-和n→∞时,{xt}和{xn}都强收敛于T的不动点,同时该不动点还是一类变分不等式的解.
简介:研究p-致凸Banach空间中渐近半压缩映象的修正的Mann迭代过程和修正的Ishikawa迭代过程的强收敛性.本文始终假设X是P-致凸Banach空间.最近,r-渐近半压缩映象的概念被引入,并给出了X中该映象(此时,r=P)的修正的Mann迭代过程和修正的Ishikawa迭代过程的强收敛性定理,文章所得结果改进、推广和统一了近期相关结果.