检索结果-内蒙古大学图书馆

全球定位系统 2020年第5期45卷 108-112页

作者：孙皓甘淑袁希平昆明理工大学国土资源工程学院云南昆明650093 云南省高校高原山区空间信息测绘技术应用工程研究中心云南昆明650093 滇西应用技术大学云南大理671000

在遥感影像分类应用中,使用不同种类的分类器对原始图像进行操作所得出的分类结果的分类精度和效率都是不同的,设计完成多分类器融合分类实验,实验可以将不同种单一分类器的优点用适当的方法进行组合,从而获得比单一分类器分类精度和效... 详细信息

在遥感影像分类应用中,使用不同种类的分类器对原始图像进行操作所得出的分类结果的分类精度和效率都是不同的,设计完成多分类器融合分类实验,实验可以将不同种单一分类器的优点用适当的方法进行组合,从而获得比单一分类器分类精度和效率更好的分类方法.在此基础上采用投票原理设计抽象级融合的多分类器并完成实验.设计结果表明:多分类器融合的遥感影像分类方法在精度上要比单一分类器的分类精度高.

关键词：遥感影像分类单一分类器多分类器融合精度评价

来源：评论

学校读者我要写书评

暂无评论

基于HOG特征的航海雷达多分类器融合目标检测技术研究

基于HOG特征的航海雷达多分类器融合目标检测技术研究

引用

作者：石悦哈尔滨工程大学

学位级别：硕士

随着海洋强国战略的提出,海上舰船导航的发展对于我国海洋国土的保护尤为重要。X波段导航雷达以其具有高分辨率、高可靠性、距离探测盲区小等特点被广泛应用于舰船导航领域的目标检测。在海上目标检测中,传统的目标检测算法多采用恒虚... 详细信息

随着海洋强国战略的提出,海上舰船导航的发展对于我国海洋国土的保护尤为重要。X波段导航雷达以其具有高分辨率、高可靠性、距离探测盲区小等特点被广泛应用于舰船导航领域的目标检测。在海上目标检测中,传统的目标检测算法多采用恒虚警率检测技术对雷达图像进行逐点、逐线检测,需要耗费大量的计算时间,无法满足实时检测的要求,且受雷达高分辨率的影响,检测效率低。本文针对传统的目标检测算法检测过程中时间复杂度高,检测效率低的问题,构建了粗检测和精检测相结合的检测流程并改进了一种基于HOG特征的目标快速检测方法,并利用实际科研项目“舰载X波段航海雷达反演海浪技术”的实测数据进行了验证。在进行检测之前,需要对雷达图像进行预处理,并选择合适的表征雷达图像中目标与非目标之间的差异性特征。本文从图像视觉的角度出发,将每幅雷达图像切割为块状子图像,建立了 X波段航海雷达样本特征库,并根据目标与非目标之间的梯度信息不同,提出了一种基于梯度直方图的HOG特征。通过实验验证了该特征能够很好的区分目标与非目标,同时,针对该特征维度过大,利用特征工程对该特征进行处理,为后面的检测过程做准备。在粗检测过程中,采用三种分类算法来对图像进行分类,分别为支持向量机(Support Vector Machines,SVM)算法、随机森林(Random Forest,RF)算法以及 K 近邻(K-Nearest Neighbor,KNN)算法。紧接着,对每种分类算法目标检测进行了研究。在用每种分类算法进行粗检测过程中,首先利用对应的算法对构建的图像样本特征库分别进行训练得到分类模型,然后将待检测的雷达图像进行切割送入分类模型中进行分类,对不含目标的子图像进行滤除,达到降低检测时长的目的。最后,对每个检测器的检测性能进行了对比分析,将检测器检测性能最好的结果输送到后续精检测的过程中。在精检测过程中,将粗检测的结果中包含目标的块状子图像进行检测。然后对实测数据进行分析,得到检测器门限后,利用恒虚警率(CFAR,Constant False Alarm Rate)检测器进行检测,得到目标的具体位置,将所有检测完成的子图像拼接在一起,构成了整幅雷达图像的目标与非目标的具体方位。同时利用经典检测算法对每幅完整的雷达图像进行逐点、逐线检测。最后,针对各个分类器的分类检测性能各有优劣的问题,提出了基于Stacking融合的方法将三种分类器融合成一个最优分类器[58]。通过实验表明,本文采用的粗检测加精检测的方法得到的结果较经典的检测方法检测耗时短,检测精度高,同时利用Stacking融合的方法在粗检测过程中能够进一步提高分类检测精度。

关键词： X波段导航雷达目标检测 SVM 随机森林 K近邻多分类器融合

来源：评论

学校读者我要写书评

暂无评论

语音识别系统中特征选择及多分类器融合技术研究

语音识别系统中特征选择及多分类器融合技术研究

引用

作者：孔浩重庆邮电大学

学位级别：硕士

语音识别技术就是为了实现让计算机听得懂人说的话，并能做出相应的回馈，语音识别是实现人机交互最重要的一步。语音识别系统通常分为预处理、特征提取、分类器的设计、模板匹配四个步骤。通过预处理得到更清晰的语音信息，提取能够反... 详细信息

语音识别技术就是为了实现让计算机听得懂人说的话，并能做出相应的回馈，语音识别是实现人机交互最重要的一步。语音识别系统通常分为预处理、特征提取、分类器的设计、模板匹配四个步骤。通过预处理得到更清晰的语音信息，提取能够反映语音本质的特征以及设计精度更高的分类器，都对语音识别的性能具有重要影响。\n 本文针对非特定人孤立词的语音识别系统，分别从语音特征选择与多分类器融合的角度对语音识别技术进行研究，并取得了以下成果：\n (1)基于粗糙集理论的属性约简算法对语音特征进行研究，提出了一种基于粗糙集理论的语音特征选择方法，并通过特征选择得到了一组语音特征。实验结果表明，这种语音特征选择方法有效地降低了特征的维数，使用选取到的语音特征，可以得到较好的识别效果，从而验证了此特征选择方法的有效性。\n (2)提出一种基于多分类器融合的语音识别方法，该方法使用SVM，RBF神经网络与贝叶斯网络作为成员分类器，根据样本库中抽取的校验集计算各成员分类器的权值，以加权评分的投票策略进行决策融合。实验结果表明，通过多分类器融合的识别结果明显优于单个分类器，从而验证提出的多分类器加权融合的方法是一种有效的语音识别方法。\n (3)设计了一个非特定人孤立词的语音识别实验系统。该系统具有语音样本采集、预处理、特征提取与组合、模型训练、语音识别的功能。即将采集到的语音信息进行后台处理，最终得到一组特征向量，并导入分类器中与训练模型进行比对，最终得到识别结果。而对样本库的训练样本事先进行离线处理，从而得到匹配模型，以便待测样本进行模式匹配。

关键词：语音识别粗糙集理论特征选择多分类器融合

来源：评论

学校读者我要写书评

暂无评论

模糊积分在多分类器融合中的应用

模糊积分在多分类器融合中的应用

引用

作者：李素文河北大学

学位级别：硕士

模糊积分用于多分类器融合，可以提高系统的分类精确率和改善系统的稳健性。在基于模糊积分的多分类器融合系统中，模糊密度表示单个分类器在分类过程中的重要程度。通常确定模糊密度的方法仅把分类正确率作为确定模糊密度的依据，没有... 详细信息

模糊积分用于多分类器融合，可以提高系统的分类精确率和改善系统的稳健性。在基于模糊积分的多分类器融合系统中，模糊密度表示单个分类器在分类过程中的重要程度。通常确定模糊密度的方法仅把分类正确率作为确定模糊密度的依据，没有考虑分类器在分类过程中表现出的其他不确定性，而这些不确定性也可以在一定程度上反映出分类器的性能优劣。基于这样的考虑，本文从两个方面对分类器的性能进行考察：正确率和分类清晰程度，并对分类清晰度进行了详细的讨论，并引入相似度表示分类器的清晰度。最后，本文将分类器的分类清晰程度和正确率相结合，提出了一种确定模糊密度的方法。数值实验证明了该方法具有一定的可行性。

关键词：多分类器融合不确定性模糊密度模糊积分

来源：评论

学校读者我要写书评

暂无评论

基于多分类器融合的人数统计算法研究

基于多分类器融合的人数统计算法研究

引用

作者：黄雯天津大学

学位级别：硕士

当今社会,随着经济的高速发展,城市化进程不断推进,城市人口数量也急剧增加,尤其是像中国这样的人口大国,许多一线二线城市,一系列高密度人口问题愈发突出。大型商场、露天广场、候车大厅等许多公共场所,人群拥挤现象频频发生,对于公共... 详细信息

当今社会,随着经济的高速发展,城市化进程不断推进,城市人口数量也急剧增加,尤其是像中国这样的人口大国,许多一线二线城市,一系列高密度人口问题愈发突出。大型商场、露天广场、候车大厅等许多公共场所,人群拥挤现象频频发生,对于公共场所的人群数量和人群密度进行估计有着重要的社会意义和应用前景。传统的人群数量统计方法是人工统计的方法,也就是通过人的肉眼去识别和计数。这种方法存在的弊端是显而易见的:人工统计方法将耗费大量的人力物力财力,成本较高,造成极大的资源浪费;当工作人员处于疲劳状态,统计结果的准确性将明显受到影响。而在基于智能视频监控的人数统计算法下,上述问题都可以得到很好的解决,而且只需要利用现有的摄像头,无需另外大量添置设备,成本低廉,实时性好,使用便捷。本文提出了一种基于多分类器融合的人数统计算法,在利用现有的摄像机采集到视频图像的基础上,首先提取图像中行人的运动前景,计算校正透视效应之后的前景面积,提取图像的有效Harris角点和SURF点信息,并由此得到反映行人遮挡程度的遮挡系数,从而构造特征向量,输入BP神经网络建立回归模型;然后提取行人的HOG特征,采用Adaboost级联分类器训练出相应的行人检测器,检测每帧视频的行人并统计数量;最后基于前两个分类器,用stacking的策略构造了组合分类器,并实现分类器融合时权值的自适应调整。通过与现有算法进行对比实验,证明本算法的效果优于其他算法,对复杂场景适应性强且满足实时性要求。

关键词：人群计数 BP神经网络 Adaboost级联分类器多分类器融合

来源：评论

学校读者我要写书评

暂无评论

基于多分类器融合的骨髓细胞自动识别技术

基于多分类器融合的骨髓细胞自动识别技术

引用

作者：陆丽娜中南林业科技大学

学位级别：硕士

在临床医学上,骨髓是人体的主要造血器官,骨髓细胞在形态、数目、种类上的变化往往反映出一些重要疾病的信息。计算机辅助诊断对骨髓细胞图像中的细胞进行分类识别,由于其高效,快捷的优点,对辅助临床诊断有着重要意义。由于骨髓细胞在... 详细信息

在临床医学上,骨髓是人体的主要造血器官,骨髓细胞在形态、数目、种类上的变化往往反映出一些重要疾病的信息。计算机辅助诊断对骨髓细胞图像中的细胞进行分类识别,由于其高效,快捷的优点,对辅助临床诊断有着重要意义。由于骨髓细胞在特征和类别分布上的复杂性,外周血细胞识别的成熟技术难以在此取得令人满意的结果,针对骨髓细胞自动识别技术的研究还比较欠缺。本课题将多分类器融合技术应用到骨髓细胞的分类识别。本文的主要工作如下： 1.提出了基于图像灰度梯度的Hough变换,实现对骨髓细胞的检测和分割。梯度Hough变换利用图像梯度的二维累加值数组,实现快速求得细胞的圆心坐标,运行速度快,运算效率高,实验表明该算法对各种规则或者不规则的细胞具有良好的检测与分割效果。 2.针对形态特征、颜色特征和纹理特征等三类共34个细胞特征,采用Relief算法进行特征权值分析,得到按权值大小排列的特征集合,从中挑选出权值最大的16个特征,该方法实现了特征参数降维,减少了特征冗余,从而降低了单分类器设计难度,减少了运行时间,提高识别效率。 3.分别设计了SVM、KNN和BPN三种单分类器,对细胞进行识别的平均识别率分别为61.9%、59.32%、86.23%。可以看出,单分类器的实验结果不是很理想,必须对分类器进行有效融合,以提高细胞分类的准确度。 4.分别采用了投票法、贝叶斯法、决策模板和证据理论对单分类器的输出结果进行融合,平均识别率分别为91.08%、91.77%、89.78%、91.86%,与单分类相比较融合算法取得了更好的分类效果。在此基础上,针对经典的证据理论中的冲突证据进行了改进,提出了证据权的概念,通过计算各个证据间的距离,求得各个证据的可信度,对各个证据的权重重新分配。实验结果表明,改进的征据理论融合方法平均识别率为94.62%,比经典的征据理论识别率提高了2.76%,与其他融合算法相比较,改进型的证据理论算法具有更好的优越性。

关键词：骨髓细胞模式识别多分类器融合证据理论

来源：评论

学校读者我要写书评

暂无评论

多分类器融合的移动用户行为识别模型

引用

科技视界 2016年第16期 22-23页

作者：贺炎张航西安邮电大学计算机学院陕西西安710121

移动设备放置位置多样化以及不同用户行为的差异性,大大增加了用户行为识别的难度。为了提高移动用户行为识别的准确率,本文提出了一种多分类器融合的移动用户行为识别模型(BRMMCF)。该模型根据融合算法将多个基分类器的识别结果进行融... 详细信息

移动设备放置位置多样化以及不同用户行为的差异性,大大增加了用户行为识别的难度。为了提高移动用户行为识别的准确率,本文提出了一种多分类器融合的移动用户行为识别模型(BRMMCF)。该模型根据融合算法将多个基分类器的识别结果进行融合处理,得到行为识别的最终结果。该模型分别采用SVM和决策树作为分类算法,基于数据集XUPT-AAD进行了验证。实验结果表明,该模型对静止、步行、跑步、上楼、下楼的平均识别准确率达到95.05%。

关键词：行为识别基分类器多分类器融合

来源：评论

学校读者我要写书评

暂无评论

基于多分类器融合的遥感影像分类方法研究

基于多分类器融合的遥感影像分类方法研究

引用

作者：张丹辽宁工程技术大学

学位级别：硕士

在遥感影像分类中,不同分类器的分类表现有很大不同,而这种不同与其所分类数据的统计分布特征、先验知识、训练数据样本的大小以及分类器本身的结构等多个因素相关联。多分类器融合的思想就是利用现有分类器之间的互补性,通过适当的方... 详细信息

在遥感影像分类中,不同分类器的分类表现有很大不同,而这种不同与其所分类数据的统计分布特征、先验知识、训练数据样本的大小以及分类器本身的结构等多个因素相关联。多分类器融合的思想就是利用现有分类器之间的互补性,通过适当的方法将不同的分类器之间进行优势互补,避免单一分类器可能存在的片面性,从而提高分类的准确性。本文研究如何在Matlab软件下采用最短距离分类器、贝叶斯分类器、马氏距分类器、K-均值分类器及BP神经网络分类器对多光谱遥感影像进行分类,并在抽象级和测量级的融合方法下进行多种分类器融合分类实验,最后采用混淆矩阵进行分类结果精度评价。实验结果表明,多分类器融合的遥感影像分类方法在精度上远远高于单一分类器分类。

关键词：遥感影像分类多分类器融合混淆矩阵 Kappa系数精度

来源：评论

学校读者我要写书评

暂无评论

基于差异性度量的多分类器融合研究

基于差异性度量的多分类器融合研究

引用

作者：王鹏江苏大学

学位级别：硕士

多分类器融合能够在一定程度上弥补单个分类器的缺陷,因此它在模式识别中得到了广泛的应用。目前对多分类器融合的研究己经不再局限于融合算法的提出和改进,而是更多地着眼于分量分类器的关系研究,尤其是分类器差异性的研究。研究者希... 详细信息

多分类器融合能够在一定程度上弥补单个分类器的缺陷,因此它在模式识别中得到了广泛的应用。目前对多分类器融合的研究己经不再局限于融合算法的提出和改进,而是更多地着眼于分量分类器的关系研究,尤其是分类器差异性的研究。研究者希望利用差异性度量对分类器融合性能的预测能力来指导多分类器融合系统的构造。本文紧紧围绕多分类器系统这个课题,对分类器差异性度量进行了研究。本文的工作主要集中在以下几大块: (1)提出了一种基于差异性度量的多分类器选择算法(Diversity MeasureSelective,DMS),该算法主要是在传统的多分类器融合系统的基础上增加了分类器选择,也就是说在分类器融合之前先对分类器集合进行选择获得新的分类器集合。在UCI数据库上的实验结果证明,使用该算法可以在减少多分类器系统中分类器数量的同时,保持甚至提高识别率。 (2)从分量分类器准确率和分量分类器间差异性两方面出发,提出了一种基于差异性度量特征选择(Diversity Measure Feature Selective DMFS)的多分类器融合算法。DMFS算法分两阶段产生用于构建不同分量分类器的特征子集:第一阶段利用Relief特征评估结果依权重从原始特征集合中选择特征组成特征子集,第二阶段通过精调使各特征子集间满足一定的差异性。实验表明,该算法的测试准确率始终优于Bagging、Boosting算法构造的多分类融合系统,并且该算法的运行速度远高于Bagging和Boosting算法。 (3)对基于差异性度量的应用进行了初步探讨,并以DMFS算法在基于内容图像检索中的应用作为例子,详细分析了基于独立关键子块进行图像检索的新方法。根据DMFS算法在图像数据库上的实验结果证明,采用DMFS方法生成图像独立关键子块,用分类器识别分类就可以取得好的检索结果。本文最后对研究工作进行了总结,提出了今后进一步的研究方向。

关键词：多分类器融合差异性度量 DMS算法 DMFS算法基于内容的图像检索

来源：评论

学校读者我要写书评

暂无评论

基于多分类器融合的SAR图像船舶识别

引用

遥感信息 2014年第5期29卷 90-95页

作者：陈文婷刘南通计科峰邢相薇 75711部队国防科学技术大学

本文提出了一种新的基于多分类器融合的SAR图像船舶识别算法。综合考虑各种算法的复杂度、准确性和相互之间的差异性,本文选择KNN分类器、贝叶斯分类器和神经网络分类器作为典型分类器,并用支持矢量机(SVM)来融合上述三个典型分类器的... 详细信息

本文提出了一种新的基于多分类器融合的SAR图像船舶识别算法。综合考虑各种算法的复杂度、准确性和相互之间的差异性,本文选择KNN分类器、贝叶斯分类器和神经网络分类器作为典型分类器,并用支持矢量机(SVM)来融合上述三个典型分类器的分类结果。该算法首先计算三个典型分类器的度量值,然后将它们的融合结果与船舶特征一起作为SVM分类器的输入;SVM分类器融合各分类器的结果并输出最终识别结果。采用TerraSAR-X数据集进行大量实验,并与典型分类器及其他融合算法相比,本文提出的多分类器融合算法的有效性得到了验证。

关键词：船舶识别 SAR图像多分类器融合 SVM

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：