计算机精度对随机场网格尺寸的影响

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (17): 210-211.

计算机精度对随机场网格尺寸的影响

徐腾飞，赵人达

西南交通大学桥梁工程系，成都 610031

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-06-11 发布日期:2011-06-11

Effect of computer precision on mesh size of random field

XU Tengfei，ZHAO Renda

Department of Bridge Engineering，Southwest Jiaotong University，Chengdu 610031，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-06-11 Published:2011-06-11

摘要/Abstract

摘要： 分析了随机场相关模型离散后的近似随机场相关系数矩阵的正定性。根据计算机常用变量的表示范围，确定指数衰减模型的随机变量数目上限的估计公式，数值分析了平方指数衰减模型。结果表明随机场最小网格尺寸与相关长度有关：相关长度越长，最小网格尺寸越大，随机变量数目上限越小;在相同的相关长度下，平方指数衰减模型的最小网格尺寸较大。

关键词: 随机场, 相关系数矩阵, 网格尺寸, 相关长度

Abstract: Positive definiteness of correlation coefficient matrixes of approximate random field is investigated.The upper limit of random variables of exponential decay model is induced，considering the range of variables in person computer.Similarly，the square exponential decay model is studied by numerical method.The results demonstrate that the size of minimum mesh increases with increment of coefficient of correlation length.Meanwhile，the size of minimum mesh of square exponential decay model is larger than that of exponential decay model.

Key words: random field, correlation coefficient matrix, mesh size, correlation length

徐腾飞，赵人达. 计算机精度对随机场网格尺寸的影响[J]. 计算机工程与应用, 2011, 47(17): 210-211.

XU Tengfei，ZHAO Renda. Effect of computer precision on mesh size of random field[J]. Computer Engineering and Applications, 2011, 47(17): 210-211.

[1]	徐建国，刘泳慧，刘梦凡. 基于BILSTM-CRF的高校政策语义角色标注研究[J]. 计算机工程与应用, 2021, 57(6): 207-211.
[2]	秦博宇，郝晓燕，刘永芳. 基于SVM和CRF双层模型的FrameNet框架消歧[J]. 计算机工程与应用, 2021, 57(18): 255-262.
[3]	田梓函，李欣. 基于BERT-CRF模型的中文事件检测方法研究[J]. 计算机工程与应用, 2021, 57(11): 135-139.
[4]	汪瀛寰，薛婵，包先雨，吴共庆. 触发词与属性值对联合抽取方法研究[J]. 计算机工程与应用, 2020, 56(9): 168-174.
[5]	李博，康晓东，张华丽，王亚鸽，陈亚媛，白放. 采用Transformer-CRF的中文电子病历命名实体识别[J]. 计算机工程与应用, 2020, 56(5): 153-159.
[6]	刘小安，彭涛. 基于卷积神经网络的中文景点识别研究[J]. 计算机工程与应用, 2020, 56(4): 140-145.
[7]	王燕，亓祥惠，段亚西. 基于马尔科夫随机场的改进FCM图像分割算法[J]. 计算机工程与应用, 2020, 56(4): 197-201.
[8]	马冬梅，贺三三，杨彩锋，严春满. 特征融合型卷积神经网络的语义分割[J]. 计算机工程与应用, 2020, 56(10): 193-198.
[9]	马建红，张炳斐，张少光，刘双耀. 基于主动MCNN-SCRF的新能源汽车命名实体识别[J]. 计算机工程与应用, 2019, 55(7): 23-29.
[10]	黄英来，刘亚檀，任洪娥. 基于全卷积神经网络的林木图像分割[J]. 计算机工程与应用, 2019, 55(4): 219-224.
[11]	杜玉龙，李建增，张岩，范聪. 基于深度交叉CNN和免交互GrabCut的显著性检测[J]. 计算机工程与应用, 2017, 53(3): 32-40.
[12]	米晓莉，赵永刚，庄益夫. 协同目标性指导下的多图像联合分割算法[J]. 计算机工程与应用, 2017, 53(2): 181-187.
[13]	何晶，吴成茂. 核空间隐马尔可夫随机场图像模糊聚类[J]. 计算机工程与应用, 2016, 52(22): 185-191.
[14]	朱艳辉，刘璟，徐叶强，田海龙，马进. 基于条件随机场的中文领域分词研究[J]. 计算机工程与应用, 2016, 52(15): 97-100.
[15]	牛志国，梁久祯，吴秦. 基于块划分的HEVC运动目标分割方法[J]. 计算机工程与应用, 2016, 52(14): 202-208.