极坐标重建的循环聚类
本文提出了利用统计数据集构建圆形值函数的方法,并使用持久性上同调的机器来识别数据中显著的圆形结构,通过谐波平滑和积分得到圆值坐标函数,进一步拓宽了坐标函数的类别,以更精确地进行 NLDR 分析。
May, 2009
本文针对环形时间序列的聚类问题,引入了一种基于圆弧的序列相关性度量,采用模糊方法实现多个聚类簇的定位,并在沙特阿拉伯风向时间序列的两个应用中展示了该方法的潜力。
Jan, 2024
我们提出了 PolarRec,这是一种用于干涉可见性数据的重建方法,它由一个以极坐标表示的变换器条件化神经场管道组成,可以有效地重建频率信息,显著减少计算成本,并在成像结果上取得明显的改进。
Aug, 2023
该论文提出了一种基于 Poincaré ball 模型的统一框架,用于构建可伸缩、简单的超几何线性分类器,并给出了凸优化的解决方案,该算法在合成数据集和真实数据集上的表现均有很高的准确率。
Sep, 2021
最近,极坐标表示在感知任务中表现出了有希望的特性。除了分开不均匀地表示点云的笛卡尔方法外,将点云表示为极坐标网格被认为是一个替代方法,因为它在不同分辨率下表现稳健,且对基于流的方法具有优越性。然而,最先进的极坐标检测方法不可避免地遭受特征失真问题,因为极坐标表示被非均匀地划分,导致与笛卡尔方法相比存在不可忽略的性能差距。为了解决这个问题,我们提出了一种新的极坐标三维物体检测器 PARTNER。PARTNER 通过全局表示重新对齐缓解特征失真困境,并通过将实例级几何信息引入检测头来促进回归。大量实验证明,在基于流的检测和不同分辨率方面具有压倒性优势。此外,我们的方法在 Waymo 和 ONCE 验证集上相对于先前的极坐标方法取得了显著优势,分别达到了 3.68% 和 9.15%的竞争性结果。
Aug, 2023
本研究提出基于 bispectrum 和 vector diffusion maps 的 Cryo-EM 图像旋转不变检索和分类方法,相较于先前的参考无关的方法在精度和速度方面有明显提高。
Sep, 2013