消息传递
-
-
-
-
-
-
基于可信传播与加速更新的立体匹配算法
该项目致力于实现一种基于最大乘积可信传播（Max-Product Belief Propagation）的高精度立体匹配框架。算法将立体匹配建模为马尔可夫随机场（MRF）上的能量最小化问题，通过定义包含匹配代价的数据项和约束相邻像素视差一致性的平滑项来优化全局目标函数。项目重点实现了信使传递（Message Passing）机制，每个像素与其邻域进行信息交互以推断最优视差值。为了克服经典BP算法计算复杂度高、内存消耗大的缺陷，本项目集成了加速更新策略（Accelerated Updating），通过优化信 -
亲和传播AP聚类算法实现与多特征分类应用系统
本项目旨在MATLAB环境下实现亲和传播（Affinity Propagation, AP）聚类算法，并提供一个通用的数据分类框架。该算法通过在采样点之间传递两种类型的消息，即吸引度（Responsibility）和归属度（Availability），来寻找最能代表各类的聚类中心。与传统的K-means算法相比，AP算法的核心优势在于不需要预先指定聚类数量，而是通过输入参考度（Preference）参数自动确定最合理的聚类簇数，有效克服了初始中心选择敏感的问题。 项目实现了从原始数据矩阵到相似度矩阵的自动
