文献类型：期刊文章

作　　者：张挺[1] 刘金华[2]

ZHANG Ting;LIU Jin-hua(College of Computer Science and Technology,Shanghai University of Electric Power,Shanghai 200090,China;Department of Electronic and Information Engineering,Zhejiang Institute of Communication and Media,Hangzhou,Zhejiang 310018,China)

机构地区：[1]上海电力学院计算机科学与技术学院,上海200090 [2]浙江传媒学院电子信息工程系,浙江杭州310018

出　　处：《电子学报》

基　　金：国家自然科学基金项目(No.41672114;No.41702148);上海市自然科学基金项目(No.16ZR1413200);中石油与中科院重大战略合作项目(No.2015A-4812);中国科学院战略性先导科技专项(No.XDB10030402);浙江省科技计划项目(No.2017C33163);中央高校基本科研业务费专项资金资助(No.WK2090050038)

年　　份：2018

卷　　号：46

期　　号：3

起止页码：641-645

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2017_2018、EI、IC、JST、RCCSE、RSC、SCOPUS、ZGKJHX、核心刊

摘　　要：在重建空间数据时,如果条件数据较少甚至没有任何条件数据,重建结果常常出现较多的不确定性,此时适合采用基于统计原理的随机模拟方法重建空间数据.多点信息统计法(Multiple-Point Statistics,MPS)是目前随机模拟的主流方法,它可以将训练图像中提取的本质特征复制到重建区域.由于传统采用线性降维的MPS无法较好处理非线性数据,而局部线性嵌入(Locally Linear Embedding,LLE)可以实现对非线性数据的降维,因此提出LLE与MPS相结合的空间数据不确定性重建方法.利用该方法对图像数据进行重建实验,实验结果证明该方法的有效性.

关 键 词：模式  多点信息统计法  非线性 局部线性嵌入 重建  

分 类 号：TP391.41]