Multifractal detrended moving average analysis for texture representation
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Multifractal detrended moving average analysis (MF-DMA) is recently employed to detect long-range correlation and multifractal nature in stationary and non-stationary time series. In this paper, we propose a method to calculate the generalized Hurst exponent for each pixel of a surface based on MF-DMA, which we call the MF-DMA-based local generalized Hurst exponent. These exponents form a matrix, which we denote by LHq. These exponents are similar to the multifractal detrended fluctuation analysis (MF-DFA)-based local generalized Hurst exponent. The performance of the calculated LHq is tested for two synthetic multifractal surfaces and ten randomly chosen natural textures with analytical solutions under three cases, namely, backward (θ = 0), centered (θ = 0.5), and forward (θ = 1) with different q values and different sub-image sizes. Two sets of comparison segmentation experiments between the three cases of the MF-DMA-based LHq and the MF-DFA-based LHq show that the MF-DMA-based LHq is superior to the MF-DFA-based LHq. In addition, the backward MF-DMA algorithm is more efficient than the centered and forward algorithms. An interest finding is that the LHq with q < 0 outperforms the LHq with q > 0 in characterizing the image features of natural textures for both the MF-DMA and MF-DFA algorithms.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle