检索结果-内蒙古大学图书馆

您好，读者！请登录

内蒙古大学图书馆

首页
概况
党建
资源
服务
科研支持
- 论文收录引用证明
- 科技查新
知识产权
档案馆
帮助

咨询与建议

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

您的常用邮箱：*

您的手机号码：*

问题描述：

当前已输入0个字，您还可以输入200个字

全部搜索
期刊论文
图书
学位论文
标准
纸本馆藏
外文资源发现
数据库导航
超星发现

高级检索

时间限定

出版年份：

文献类型

图书期刊文献学位论文多媒体

馆藏选择

电子馆藏纸本馆藏

核心期刊

全部期刊 SCI 收录期刊 SSCI 收录期刊 EI 收录期刊 CSCD 收录期刊 CSSCI 收录期刊

语言

中文英文

文献类型

期刊文献图书学位论文标准纸本馆藏

帮助

文字说明：

T=题名（书名、题名），A=作者（责任者），K=主题词，P=出版物名称，PU=出版社名称，O=机构（作者单位、学位授予单位、专利申请人），L=中图分类号，C=学科分类号，U=全部字段，Y=年（出版发行年、学位年度、标准发布年）

检索规则说明：

AND代表“并且”；OR代表“或者”；NOT代表“不包含”；(注意必须大写,运算符两边需空一格)

检索范例：

范例一：(K=图书馆学 OR K=情报学) AND A=范并思 AND Y=1982-2016
范例二：P=计算机应用与软件 AND (U=C++ OR U=Basic) NOT K=Visual AND Y=2011-2016

分类表

所选分类

>> <<

限定检索结果

文献类型

8 篇 学位论文

馆藏范围

8 篇 电子文献
0 种 纸本馆藏

日期分布

主题

8 篇 adaboost演算法
2 篇 边缘侦测
1 篇 分支及黏合
1 篇 方向及距离
1 篇 影像搜寻
1 篇 高斯分布
1 篇 多角度人脸侦测
1 篇 人脸侦测
1 篇 反转交易
1 篇 ptz ip摄影机
1 篇 鸢尾花资料集
1 篇 排序搜寻
1 篇 即时的
1 篇 成对特征学习
1 篇 中山医学大学乳房...
1 篇 NOT FOUND
1 篇 肤色侦测
1 篇 神经模糊系统
1 篇 基因搜寻
1 篇 爬山式序列及交叉...

机构

2 篇 淡江大学
1 篇 健行科技大学
1 篇 义守大学
1 篇 国立台北科技大学
1 篇 中山医学大学
1 篇 国立清华大学

作者

1 篇 柳译帏
1 篇 陈重光
1 篇 黄思皓
1 篇 高杨达
1 篇 陈建宇
1 篇 chine-wei tsai
1 篇 szu-hao huang
1 篇 yi-wei liou
1 篇 李彦明
1 篇 chong-guang chen
1 篇 yang-ta kao
1 篇 wei-chen wang
1 篇 蔡群威
1 篇 王𬀩晨
1 篇 yan-ming li

语言

5 篇 中文
3 篇 英文

检索条件"主题词=Adaboost演算法"

共 8 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

以neuro-fuzzy为基础的adaboost演算法

以neuro-fuzzy为基础的Adaboost演算法

引用

作者：陈重光中山医学大学

学位级别：硕士

过去十年，机器学习的发展，主要利用整合方法，其中利用了许多经过不断调整的分类器来结合成一个高精确的分类器。本论文中，我们提出了一个整合神经模糊系统与adaboost演算法的分类器。这就是所谓的混合神经模糊系统与adaboost演算法... 详细信息

过去十年，机器学习的发展，主要利用整合方法，其中利用了许多经过不断调整的分类器来结合成一个高精确的分类器。本论文中，我们提出了一个整合神经模糊系统与adaboost演算法的分类器。这就是所谓的混合神经模糊系统与adaboost演算法之分类器。在分类器当中，adaboost演算法会利用样本的训练，自适应性地迭代调整样本权重，产生出多个分类器。而adaboost的主要架构就是利用所产生出的多个分类器结合而成。另外在adaboost弱分类器的挑选，我们所采用的是SONFIN。SONFIN是一种神经模糊系统，而且SONFIN具有on-line learning的能力。高维度的特征，造成了程式的大量运算，为了降低程式运算的负担，我们使用了特征选择的方法来降低时间复杂度，该方法利用基因搜寻(GeneticSearch)和排序搜寻(RankSearch)两者的结合，结合的方式是先由基因搜寻挑选出最佳特征，再利用排序搜寻依照挑选出来的特征数量作增减，所选出的特征在执行程式阶段时，确实地成功降低程式运算。最后，为了证明我们所提出的分类器的能力，我们使用不同的资料集(Datasets)进行训练以及测试，这些资料集包括了鸢尾花资料集(IRIS datasets)、威斯康辛乳房资料集(WISCONSIN breast datasets)和中山医学大学乳房资料集(CSMU breast datasets)，这些资料集各自包含了不同的样本数和特征数，如此能够让系统获得更好的准确率。本论文的贡献为提出了混合神经模糊系统与adaboost演算法之分类器，并且在IRIS datasets的分类精确度上达到98%准确率、在WISCONSIN breast datasets的分类精确度上达到99%准确率、在CSMU breast datasets的分类精确度上达到98.8%准确率。

关键词：神经模糊系统 adaboost演算法 SONFIN 基因搜寻排序搜寻鸢尾花资料集威斯康辛乳房资料集中山医学大学乳房资料集

来源：评论

学校读者我要写书评

暂无评论

使用成对特征学习增进adaboost分类演算法

使用成对特征学习增进AdaBoost分类演算法

引用

作者：黄思皓国立清华大学

学位级别：博士

借由大量学习资料，机器学习演算法利用统计理论在资料中分析过往经验，并增进自动分类器及预测器的准确率。在这篇论文中，我们提出了一个新的统计型学习方法，这个以adaboost演算法为基础的二元分类方法，利用成对特征学习来增进分类... 详细信息

借由大量学习资料，机器学习演算法利用统计理论在资料中分析过往经验，并增进自动分类器及预测器的准确率。在这篇论文中，我们提出了一个新的统计型学习方法，这个以adaboost演算法为基础的二元分类方法，利用成对特征学习来增进分类准确性．此学习方法已被应用来解决四个不同的问题。成对特征学习的目的是在机器学习的过程中，以不增加过多额外运算的前提，有效提高辨识能力并保留学习资料的资讯。我们提出的学习方法主要包含四个主要的步骤：特征域扭曲、成对特征共同表述、类ID3树状平面量化、机率型弱分类器。我们提出的演算法利用上述步骤更新学习资料权重，并得到更快速、更准确的adaboost二元分类器。我们提出的方法已经被应用于四个完全不同的分类问题来展现其监别率。第一个实验基于影像内容来完成影像搜寻系统（CBIR），这个利用人机互动及回馈式学习的应用，可被视为在不充足学习资料前提下的二元分类问题。接着，我们利用这篇论文提出的成对特征学习，开发出一套可直接在小波压缩域上进行人脸侦测的新演算法。第三个应用是在核磁共振影像（MRI）上，进行脊椎骨的自动侦测及图素准确度的影像切割，我们在此研究中，整合所提出的机器学习技术、曲线拟合强固侦测、步进式normalized-cut影像切割，进而在测试核磁共振影像中达到近98%的高侦测率及高切割准确度。最后，我们利用此二元分类演算法来增强投资学中的反转交易策略，整合机器学习及财务金融两个研究领域的知识，使用双分类器模型找寻时间序列中的特定样型，此方法有效被验证在S&P100的成份股投资中。总结说来，这些应用皆显示我们提出的成对特征学习演算法，可大幅增进分类准确率。

关键词： adaboost演算法成对特征学习影像搜寻压缩域人脸侦测 MRI脊椎骨侦测及切割反转交易

来源：评论

学校读者我要写书评

暂无评论

应用机器视觉于化学实验室药剂侦测之研究

应用机器视觉于化学实验室药剂侦测之研究

引用

作者：王𬀩晨国立台北科技大学

学位级别：硕士

现今大学内普遍设有化学实验室，并备有许多不同种类与性质的化学药剂，其中有许多对人类与环境具有危害性质，而需要进行管控的化学药剂。本研究目的基于联合国主导推行的GHS(Globally Harmonized System of Classification and Labeli... 详细信息

现今大学内普遍设有化学实验室，并备有许多不同种类与性质的化学药剂，其中有许多对人类与环境具有危害性质，而需要进行管控的化学药剂。本研究目的基于联合国主导推行的GHS(Globally Harmonized System of Classification and Labeling of Chemicals)化学品分类与标示全球调和系统，建置一套主动式的化学药剂侦测系统，利用PTZ IP摄影机监控化学实验室特定区域并判断是否具有危险的化学药剂存在。本研究中利用数位影像处理技术分离物件与Harr-like特征进行adaboost演算法分类训练侦测化学药瓶位置，并辨识标签上9种联合国所定义之GHS危害图示，其侦测方法利用轮廓比对技术进行危害图示侦测。经由实验的结果可知，化学药瓶侦测系统与GHS危害图示侦测系统其侦测时间分别为73ms与42ms，足以应付影像即时监控，进而达成化学实验室药剂管理的目标。

关键词：化学药剂 Harr-like特征 adaboost演算法 PTZ IP摄影机

来源：评论

学校读者我要写书评

暂无评论

基于影像辨识之嵌入式系统设计与实现

基于影像辨识之嵌入式系统设计与实现

引用

作者：李彦明义守大学

学位级别：硕士

本论文是以人脸辨识为目的，进行嵌入式系统的开发。我们选择具ARM架构处理器的pcDuino V2为硬体平台，使用Linux内核的Ubuntu为作业系统，并于硬体周边设置一个摄像镜头以截取人脸图示，以便让辨识程式能利用人脸的多重生物特征，执行... 详细信息

本论文是以人脸辨识为目的，进行嵌入式系统的开发。我们选择具ARM架构处理器的pcDuino V2为硬体平台，使用Linux内核的Ubuntu为作业系统，并于硬体周边设置一个摄像镜头以截取人脸图示，以便让辨识程式能利用人脸的多重生物特征，执行辨识动作。系统中负责执行人脸辨识功能的程式是基于Haar-like特征和adaboost算法所开发的，Haar-like特征是作为辨识的依据，adaboost是机器学习的演算法，用于训练分类器。由实验结果得知，在不同情境下，所开发的嵌入式系统能以小于一秒钟的时间，迅速辨识出受测者的身分。因此，能保证此嵌入式系统的即时性。

关键词：嵌入式系统人脸辨识 Haar-like特征 adaboost演算法即时的

来源：评论

学校读者我要写书评

暂无评论

应用高斯混合模型于静态手语建模与识别

应用高斯混合模型于静态手语建模与识别

引用

作者：柳译帏健行科技大学

学位级别：硕士

科技发展的动力来自于人们想要让生活过得更美好，例如：现在操控电脑，使用的输入端不是局限在于键盘滑鼠了，已经可以使用人的手来代替滑鼠。以前是透过虚拟实境实验中所用到的讯息手套，而现在可以只使用一个视讯镜头就能抓到手的位... 详细信息

科技发展的动力来自于人们想要让生活过得更美好，例如：现在操控电脑，使用的输入端不是局限在于键盘滑鼠了，已经可以使用人的手来代替滑鼠。以前是透过虚拟实境实验中所用到的讯息手套，而现在可以只使用一个视讯镜头就能抓到手的位置。甚至可以使用一些简单的手势来给电脑或机器下指令。本研究是想说既然能够使用简单的手势来做这些事情，如果用于聋哑人士之间的手语对话，除了可以避免与聋哑人士沟通须懂手语或是有翻译在身旁，当发生紧急情况时，也可以很容易向外界求援。本研究分成两个部分为手部侦测及手语辨识，侦测部分是使用色彩与纹理的特征，色彩是建立一个高斯肤色模型，纹理是adaboost演算法及串接式分类器、Haar like特征寻找图片中的手部位置。而辨识方法使用影像取网状斜线编码，再使用高斯机率分布来做为辨识的方法。由于手势动作最主要变化再于手指的位置，影像取网状斜线后，找出哪些斜线交织过手指部分，经由高斯机率分布，就能辨别出手势，根据实验结果，手腕与手掌如何切割为一种要问题，因为手腕部位切割不平均的话，将会导致成功率的降低。本文最主要分辨出手腕及手掌部分是以从手腕到手掌的梯度会从大逐渐变小，再由从小逐渐变大，由于我们是定义底线剪去固定间距的经过手腕的直线，所以只要梯度转为负值就判断为手掌跟手腕的交界处。

关键词：手语辨识高斯分布 adaboost演算法 Haar like特征串接式分类器

来源：评论

学校读者我要写书评

暂无评论

运用耳鼻等五官特徵撷取之多角度人脸侦测技术

运用耳鼻等五官特徵撷取之多角度人脸侦测技术

引用

作者：陈建宇

学位级别：硕士

人脸侦测在计算机视觉领域中是很常被研究的主题，且其在多种的脸部分析演算法上也扮演很重要的角色，包括像是脸部辨识、人脸之年龄估测及表情辨识等等之应用，人脸侦测可以被称为这些演算法的基石。人脸侦测的最终目标，即为给定一张... 详细信息

人脸侦测在计算机视觉领域中是很常被研究的主题，且其在多种的脸部分析演算法上也扮演很重要的角色，包括像是脸部辨识、人脸之年龄估测及表情辨识等等之应用，人脸侦测可以被称为这些演算法的基石。人脸侦测的最终目标，即为给定一张任意的图像，并且去检测此张图像是否有人脸的存在，倘若存在着人脸，即回传人脸在此张图像中的位置及范围。近年来，有越来越多人着重於解决比较特殊且难以被侦测的人脸例子，包括像是姿势、照明情况及含有遮蔽物的情况等等，而此篇论文主要针对多角度的人脸侦测的例子提供解决的办法。一直以来，总有许多人尝试修改知名的‟Viola & Jones(adaboost)”此人脸侦测的方法，此方法在人脸侦测研究的历史中可被视为一个里程碑，然而，其却只在正脸的侦测上有显着的效果，在面对侧脸或是其他多角度人脸的例子，其效果相对於近期的演算法较为略逊一筹，因此，在此篇论文中，我们针对彩色人脸的影像提出了一套侦测的方法，基於adaboost正脸侦测之演算法的架构，加入五官特徵撷取的条件，去解决多角度的人脸侦测之问题。在此篇论文中，首先，我们先透过肤色滤波器(Skin-filter)及Viola-Jones正脸侦测器找出正脸的例子，再针对无法成功找到人脸的例子进行五官特徵撷取，包含嘴巴、鼻子及耳朵侦测。我们藉由颜色、轮廓及边缘的资讯去找到嘴巴及鼻子的候选区域，再者，透过近来热门的深度学习的方式 ( Faster R-CNN ) 来抽取耳朵的特徵并且找到耳朵的候选区域，最後藉由三者特徵的相对位置去分别判定是否为鼻子、嘴巴及耳朵的正确所在位置，再进一步侦测侧脸。除此之外，针对仰头的例子，我们使用边缘侦测以及型态学影像处理相关的演算法，再加上一些色彩的资讯，去找出眼睛及鼻孔的候选区域，透过计算眼睛及鼻孔的中心点位置，去找出眼睛及鼻孔的正确所在位置，再进一步侦测人脸。最後透过非极大抑制演算法（Non-Maximum Suppression）去改善侦测率。经由这些处理，此篇论文的方法可以解决许多透过adaboost的演算法无法侦测的例子，并且大幅提升辨识率，更可以成功解决许多多角度人脸侦测的问题。

关键词：多角度人脸侦测 adaboost演算法五官特徵撷取边缘侦测型态学影像处理深度学习

来源：评论

学校读者我要写书评

暂无评论

以机器学习为基础之有效人脸侦测

以机器学习为基础之有效人脸侦测

引用

作者：蔡群威淡江大学

学位级别：硕士

机器学习是一个能解决许多问题且非常有用及有效的演算法，在这篇论文中利用兩种机器学习演算法分别去侦测肤色及人脸。首先，在肤色的侦测的部份，为了解决肤色易受光源的影响，分别针对肤色群聚的特性而取的特征，來克服光源强弱的变... 详细信息

机器学习是一个能解决许多问题且非常有用及有效的演算法，在这篇论文中利用兩种机器学习演算法分别去侦测肤色及人脸。首先，在肤色的侦测的部份，为了解决肤色易受光源的影响，分别针对肤色群聚的特性而取的特征，來克服光源强弱的变化及解决近似肤色的问题，在找到肤色的区域后，并得到一肤色二值化的图，利用形态学中断开及闭合的运算消除杂讯，再利用长及宽的比例1:4过濾出可能的区块。在这些区块之中使用20 x 20的滑动视窗去侦测每一个区块中是否有人脸的存在，进一步去判别是否为左脸，正脸或者是右脸，判别的依据正是使用adaboost去挑出特征。在特征的选取上，是采用Haar-like特征及我们选择的变異數特征以克服光线强弱对人脸所造成的影响。实验结果显示，可以克服光线强弱对肤色造成的影响，及侦测人脸旋转，及多人脸。

关键词：机器学习人脸侦测肤色侦测倒传递神经网路 adaboost演算法

来源：评论

学校读者我要写书评

暂无评论

以内容为基础之影像查询研究

以内容为基础之影像查询研究

引用

作者：高杨达淡江大学

学位级别：博士

以内容为基础之影像查询(CBIR)的研究内容包含特征选取、特征表示以及结果比对。常被取用的特征表示包含形状、颜色、空间位置、及纹理等。一个好的影像表示法必须能够克服影像的位移、旋转、以及放大或缩小等问题。甚至于对影像在一定... 详细信息

以内容为基础之影像查询(CBIR)的研究内容包含特征选取、特征表示以及结果比对。常被取用的特征表示包含形状、颜色、空间位置、及纹理等。一个好的影像表示法必须能够克服影像的位移、旋转、以及放大或缩小等问题。甚至于对影像在一定程度内的损毁下也必须能够有好的比对结果。在以影像内容为查询基础时这些要求均为相当重要的议题。考虑以上的要求，本论文提出三个以影像内容为基础之查询系统。首先是针对物体边缘的研究，我们使用一快速的边缘点侦测演算法来侦测出影像中所有可能的边缘点，并提出一新的物件表示法—爬山式序列表示法(Mountain Climbing Sequence (MCS))。此表示法对于前面所提之影像中的位移、旋转、以及放大或缩小等问题都可以达到不变性的要求。另外，由于边缘点的侦测就目前的研究经验上并无法保证能够找一物件的完整外形，因此我们也将尝试在现有的外形特征表示法下，克服物件外形不完整抽取的情况，甚至于在物件少部份被遮蔽的状况下我们所提的系统也能得到良好的比对结果。其次是边缘点与相邻边缘点关系的研究，在真实影像中，我们很难精确的侦测出影像中物件的完整的边缘点，因此，我们计算影像中边缘点与边缘点间之关系，建立一方向-距离之长条图，用以表示此真实影像，此表示法能克服查询时所须面对的缩放及旋转问题。最后，我们结合了许多各类不同之影像特征来表示一真实影像，包含方向—距离长条图、区域边缘点关系、小波系数、颜色分布长条图、颜色饱合度分长条图及亮度分布长条图共1仟多维度的特征。在此高维度的特征比对过程，我们利用一个修改后的adaboost演算法，快速且有效率的查询出相似影像，实验证明，我们所提出的方法确实能达到在查询影像时所须的条件—快速及有效率。

关键词：影像内容查询爬山式序列表示法爬山式序列及交叉点表示法边缘侦测分支及黏合方向及距离区域边缘点地图小波系数相似度测量比对 adaboost演算法

来源：评论

学校读者我要写书评

暂无评论

没有更多数据了...

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

检索报告对象比较合并检索0

隐藏清空

合并搜索

回到顶部

执行限定条件

内容：

评分：

请选择保存的检索档案：

请选择收藏分类：

订阅名称：

通借通还

温馨提示：

图书名称：

借书校区：

取书校区：

手机号码：

邮箱地址：

一卡通帐号：

电话和邮箱必须正确填写，我们会与您联系确认。

联系人：

所在院系：

联系邮箱：

联系电话：

内蒙古自治区呼和浩特市赛罕区大学西街235号邮编: 010021

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

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：