检索结果-内蒙古大学图书馆

作者：刘慧娟昆明理工大学

学位级别：硕士

本文针对基于视频分析的智能监考中的部分关键技术展开研究,系统实现了物理考场与逻辑考场的匹配,为后续要研究的识别考生异常行为做了基础工作,同时对于监考人员的跟踪也作了一定的研究,便于后续研究监考人员的异常行为及对其跟踪轨迹... 详细信息

本文针对基于视频分析的智能监考中的部分关键技术展开研究,系统实现了物理考场与逻辑考场的匹配,为后续要研究的识别考生异常行为做了基础工作,同时对于监考人员的跟踪也作了一定的研究,便于后续研究监考人员的异常行为及对其跟踪轨迹进行打分评价。本文是基于国家标准化考试场景来进行分析与理解的,主要研究工作如下所示:(1)考试智能监控管理系统总体设计及关键技术路线。针对现有网上视频巡考的局限性,依据现有的监考业务流程,本着不断提高监考的效率,设计了考试智能监考系统的总体架构及本文研究内容的关键技术路线。(2)物理考场与逻辑考场的一致性研究。首先对考场图像进行预处理,透视变换得到正投影图,然后再进行归一化模板匹配来获取桌面区域,采用是改进的k-均值算法对模板匹配结果进行修正。最终使课桌排列与考生信息对应。(3)基于结构相似性的考生在位识别。根据桌面区域得到考生区域,采用SSIM(结构相似性)算法对无考生考场的考生区域与有考生考场的考生区域进行对比分析,从而达到人数统计的效果。通过实验证明使用该方法能使识别的准确率有一定提高。(4)监考人员的跟踪研究。本文采用颜色直方图为跟踪特征,应用Mean Shift与卡尔曼滤波算法来实现对监考人员的跟踪,通过实验证明该方法针对特定的考场环境是可行的。(5)实验结果及分析。介绍了实验运行的环境及相关工具,展示了通过本文算法得出的实验结果,并对本文实验与其他主要方法的实验结果进行对比分析,并指出部分实验对参数或阈值的选取依据。

关键词：透视变换归一化模板匹配改进的k-均值算法 SSIM算法卡尔曼滤波

来源：评论

学校读者我要写书评

暂无评论

基于改进的k-均值算法的朴素贝叶斯分类及应用

基于改进的K-均值算法的朴素贝叶斯分类及应用

引用

作者：李艳合肥工业大学

学位级别：硕士

数据挖掘，又称数据库中的知识发现，是指从大型数据库或数据仓库中提取具有潜在应用价值的知识或模式。分类是数据挖掘领域中一个重要的研究分支。基于朴素贝叶斯技术的分类是当前数据挖掘领域的一个研究热点。但朴素贝叶斯分类的条件... 详细信息

数据挖掘，又称数据库中的知识发现，是指从大型数据库或数据仓库中提取具有潜在应用价值的知识或模式。分类是数据挖掘领域中一个重要的研究分支。基于朴素贝叶斯技术的分类是当前数据挖掘领域的一个研究热点。但朴素贝叶斯分类的条件独立性假设和数据完备性要求限制了实际数据的应用。本文利用改进的k-均值算法对缺失数据进行处理，提高了朴素贝叶斯分类的精确度。主要工作如下： 1、提出了一种基于改进的k-均值算法IkM，改进后的IkM算法结合了分层聚类和k-均值算法的各自优点，同时也克服了它们原来的缺点。IkM算法的基本思想是：首先进行分层聚类，得到一些初始信息(即分类的数目k的值和初始的聚类中心)，然后运用k-均值算法进行精化，最后得到质量较高的聚类结果。 2、建立了基于IkM算法的朴素贝叶斯分类模型(IkMNBC)。利用IkM算法先对原始数据中的完整数据子集进行聚类，计算缺失数据子集中的每条记录与k个簇中心的相似度，将记录划分到距离最近的一个簇中，并用该簇中相应属性的均值来进行缺失值的填充，最后用朴素贝叶斯分类器进行分类。通过UCI标准测试数据集进行实验，实践证明算法是可行的，改进之后的分类方法其分类的准确率要优于一般的朴素贝叶斯分类。 3、基于IkMNBC模型，设计了一个教学质量评价系统，该系统性能良好，功能较全，操作方便，可方便地对高职院校教师教学质量结果进行测评。

关键词：数据挖掘朴素贝叶斯分类改进的k-均值算法教学质量评价模型

来源：评论

学校读者我要写书评

暂无评论

基于半监督学习的k-均值聚类算法研究

引用

计算机应用研究 2010年第3期27卷 913-916页

作者：刘涛尹红健郑州师范高等专科学校信息技术系郑州450044 湖南化工职业技术学院计算机中心湖南株洲412004

定义了一个欧氏距离和监督信息相混合的新的最近邻计算函数,从而将k-均值算法很好地应用于半监督聚类问题。针对k-均值算法初始质心敏感的缺陷,用粒子群算法的搜索空间模拟聚类的欧氏空间,迭代搜索找到较优的聚类质心,同时提出动态管理... 详细信息

定义了一个欧氏距离和监督信息相混合的新的最近邻计算函数,从而将k-均值算法很好地应用于半监督聚类问题。针对k-均值算法初始质心敏感的缺陷,用粒子群算法的搜索空间模拟聚类的欧氏空间,迭代搜索找到较优的聚类质心,同时提出动态管理种群的策略以提高粒子群算法搜索效率。算法在UCI的多个数据集上测试都得到了较好的聚类准确率。

关键词：半监督聚类改进的k-均值算法动态管理种群的粒子群算法

来源：评论

学校读者我要写书评

暂无评论

基于视频的运动物体检测与提取方法研究

基于视频的运动物体检测与提取方法研究

引用

作者：辛国江湖南大学

学位级别：硕士

随着高科技的发展,智能监控系统的应用越来越广泛。运动物体视觉分析作为智能监控中的一项核心技术,它包括运动物体检测与提取、物体分类、事件检测、行为识别和分析等,而运动物体检测与提取又是其中的基础和关键。在运动物体检测与提取... 详细信息

随着高科技的发展,智能监控系统的应用越来越广泛。运动物体视觉分析作为智能监控中的一项核心技术,它包括运动物体检测与提取、物体分类、事件检测、行为识别和分析等,而运动物体检测与提取又是其中的基础和关键。在运动物体检测与提取中,阴影的存在会导致物体的错误分类或者使不同物体相互融合,为后续的高级处理带来错误的结果,导致不能够很好的跟踪物体以及对物体的行为进行理解和描述。本文在总结和分析了国内外相关研究工作的基础上,针对运动物体检测与提取中如何检测与提取前景区域以及如何检测与去除阴影的问题开展研究,其主要研究内容和成果如下: 1.采用背景减除法提取前景区域,利用混合高斯模型进行背景建模,建模过程中,引入了改进的k-均值算法,加快了背景建模的速度,提高了背景建模的质量; 2.在背景更新的过程中,采用了基于统计平均的更新算法,相对于传统的背景更新方法,提高了背景更新的速度; 3.针对运动物体阴影检测与去除中,基于高斯阴影模型的阴影检测方法在某些情况下对阴影检测不准确的问题,提出了一种基于体色向量匹配的阴影检测与去除算法。算法首先对提取出来的前景区域进行亮度测试,去除前景区域中像素亮度值高于对应背景区域的区域。接着计算前景中每个区域的方向角分割线,预判断每个区域中是否含有阴影区域,标记出含有阴影区域的区域,然后对有标记的区域计算其体色向量,和阴影数据库中的体色向量进行匹配运算,精确定位出阴影区域。实验结果表明,基于体色向量匹配的阴影检测与去除算法对各种场景下运动物体的阴影检测与去除具有很好的鲁棒性,能够提高阴影检测与去除的速度,克服了基于高斯阴影模型的阴影检测与去除方法在某些情况下对阴影检测不准确的问题。

关键词：阴影检测体色向量匹配混合高斯模型改进的k-均值算法基于统计平均的更新算法亮度测试方向角分割线

来源：评论

学校读者我要写书评

暂无评论

径向基概率神经网络研究

径向基概率神经网络研究

引用

作者：赵温波中国科学技术大学

学位级别：博士

该论文是针对径向基概率神经网络的结构优化、学习算法、分类机理、以及现实应用等课题来展开全面而系统的研究.研究结果使我们进一步增强了对径向基概率神经网络的理解和认识,拓宽了其解决更多实际问题的应用空间.全文的主要工作体现... 详细信息

该论文是针对径向基概率神经网络的结构优化、学习算法、分类机理、以及现实应用等课题来展开全面而系统的研究.研究结果使我们进一步增强了对径向基概率神经网络的理解和认识,拓宽了其解决更多实际问题的应用空间.全文的主要工作体现在以下几个方面:1、丰富了径向基概率神经网络的权重学习训练算法,大大推动了径向基概率神经网络的学习训练问题的解决.文中讨论了递推最小二乘算法(RLSA)、M-P伪逆算法(PIA)和递推正交最小二乘算法(ROLSA)用于径向基概率神经网络的训练问题.这三种算法的共同特点是,在大多数初始权值情况下,能够避免网络权重学习过程的局部极小值限制,在收敛性能、初始敏感性、训练速度方面明显优于传统的反向传播(BP)算法,对于给定的训练样本集,收敛后的连接权重近似趋于全局最优.2、新提出了径向基概率神经网络的无监督/有监督混合学习算法.该算法的最大特点是,对于没有明确类别标记的训练样本集,能够正确进行类别划分,并能运用径向基概率神经网络的映射结构特征,自动结合其权重的有监督训练过程来完成网络的训练,从而不需要额外的训练开销.3.深入研究了径向基概率神经网络的结构优化算法,丰富了其结构优化理论.4、将径向基概率神经网络成功应用于人脸自动识别,并取得良好的分类效果.此外,深入研究了径向基概率神经网络用于非线性时间序列预测问题,在网络结构设计方面提出增加第一隐层的抗噪声冗余设计,同时将Gram-Schmidt正交化用于第二隐层的节点优化,使得径向基概率神经网络的预测性能明显好于径向基函数神经网络.5、提出一种新的基于径向基概率神经网络的模式识别融合系统,即多分类器系统,避免了单一径向基概率神经网络分类器的分类局限性,减少了寻求单一分类单元结构最优化时的计算复杂度,通过使用D-S融合算法,大大提高了对复杂模式识别问题的分类精度.

关键词：径向基概率神经网络权值学习算法改进的k-均值算法递推正交最小二乘算法微遗传算法无监督/有监督混合学习算法人脸识别 Mackey-Glass时间序列预测径向基概率神经网络多分类器融合

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：