[發(fā)明專利]基于迭代和貪婪搜索的內(nèi)點尺度估計方法

有效

• 申請?zhí)枺?/td>: 202010427869.X
• 申請日: 2020-05-20
• 公開（公告）號: CN111612060B
• 公開（公告）日: 2023-06-02
• 發(fā)明（設計）人: 賴桃桃;肖國寶;曾坤;李佐勇
• 申請（專利權(quán)）人: 閩江學院
• 主分類號: G06V10/80
• 分類號: G06V10/80;G06V10/30;G06V10/32
• 代理公司: 福州元創(chuàng)專利商標代理有限公司 35100
• 代理人: 陳明鑫;蔡學俊

1.一種基于迭代和貪婪搜索的內(nèi)點尺度估計方法，其特征在于，包括以下步驟：

步驟S1:給定輸入數(shù)據(jù)S,并設定數(shù)據(jù)中模型實例的個數(shù)H,令S'＝S和h＝0；

步驟S2:從S'中獲取初始化模型假設的數(shù)據(jù)子集Ω，并設k＝p，其中p是Ω中的數(shù)據(jù)點個數(shù)；

步驟S3:用Ω生成一個模型假設θ_ι，并根據(jù)S'和θ_ι的殘差選取新的數(shù)據(jù)子集Ω′；

步驟S4:判斷模型假設θ_ι是否為有效的模型假設，如果θ_ι是有效的，則更新k的值；否則，θ_ι是一個無效的模型假設，k的值就不會被更新；

步驟S5:計算θ_ι的代價函數(shù)f(θ_ι)和停止標準F_stop,若f(θ_ι)的值是所有已生成模型假設代價函數(shù)中值最小的，那么θ_ι即是所有已生成模型假設中最準確的模型假設并且讓θ_best＝θ_l；

步驟S6:判斷F_stop是否為真，若F_stop為真，表示已采樣到了準確的模型假設，那么用估計得到的內(nèi)點噪聲尺度來識別θ_best的內(nèi)點，并把這些內(nèi)點從S'中移除且h＝h+1；反之，重新執(zhí)行步驟S3-S5；

步驟S7:如果當前采樣次數(shù)h小于H，那么執(zhí)行步驟S2至S6；否則即完成內(nèi)點尺度估計，并輸出H個模型實例生成的參數(shù)及內(nèi)點噪聲尺度；

所述步驟S3具體為：

步驟S31:基于Ω生成一個模型假設θ_ι；

步驟S32:計算S'與θ_ι的殘差并記為r′(θ_ι)＝[r₁′(θ_ι),r′₂(θ_ι),...,r′_N′(θ_ι)]，其中N’是S'中的數(shù)據(jù)點個數(shù)；

步驟S33:非降序地排列殘差r′(θ_ι)，得到排序殘差集

其中[x₁,x₂,...,x_N′]是S'中索引[1,2,...,N']的重排列；

步驟S34:根據(jù)已排序的殘差索引來采樣新的數(shù)據(jù)子集

2.根據(jù)權(quán)利要求1所述的基于迭代和貪婪搜索的內(nèi)點尺度估計方法，其特征在于：所述給定輸入數(shù)據(jù)S具體為：其包含N個特征匹配對，N為自然數(shù)。

3.根據(jù)權(quán)利要求1所述的基于迭代和貪婪搜索的內(nèi)點尺度估計方法，其特征在于：所述步驟S4具體為：

步驟S41:判斷θ_ι是否是有效的模型假設；

步驟S42:若θ_ι是有效的，則θ_ι的排序殘差滿足：

使用k和MSSE來估計θ_ι的內(nèi)點噪聲尺度，然后根據(jù)估計得到的內(nèi)點噪聲尺度來估計得到的內(nèi)點噪聲尺度來更新k的值；

步驟S43:若θ_ι是一個無效的模型假設，k的值就不會被更新。