检索结果-内蒙古大学图书馆

基于改进Runge-Kutta型landweber的电容层析成像图像重建算法

电机与控制学报 2014年第7期18卷 107-112页

作者：陈宇陈德运东北林业大学信息与计算机工程学院黑龙江哈尔滨150040 哈尔滨理工大学计算机科学与技术学院黑龙江哈尔滨150080

针对电容层析成像(ECT)技术中的"软场"效应和病态问题,提出了一种改进的RungeKutta型landweber的电容层析成像算法。在分析ECT系统基本原理的基础上,推导出了解决电容层析成像问题的改进Runge-Kutta型landweber算法的数学模型... 详细信息

针对电容层析成像(ECT)技术中的"软场"效应和病态问题,提出了一种改进的RungeKutta型landweber的电容层析成像算法。在分析ECT系统基本原理的基础上,推导出了解决电容层析成像问题的改进Runge-Kutta型landweber算法的数学模型,并采用迭代误差的单调性对算法的收敛性进行了分析。在此基础上探讨了ECT应用该算法的可行性,算法满足收敛条件且重建图像误差小。仿真和实验结果表明,该算法和LBP、landweber、最速下降法和共轭梯度算法相比,该算法兼备成像质量高、稳定性好等优点。

关键词：电容层析成像图像重建迭代算法正则化

来源：评论

学校读者我要写书评

暂无评论

哈尔滨市PM_(2.5)质量浓度变化特征及影响因素分析

引用

环境科学与技术 2016年第3期39卷 188-191页

作者：张莹魏晓慧王阿川东北林业大学信息与计算机工程学院黑龙江哈尔滨150040

针对哈尔滨市的PM_(2.5)空气污染问题,收集整理了哈尔滨市2014年全年的空气污染物数据和气象数据,分析研究了当地PM_(2.5)质量浓度变化特征,找出其影响因素。结果表明,哈尔滨市PM_(2.5)日均质量浓度为72.64μg/m^3,初步达到国家标准。PM... 详细信息

针对哈尔滨市的PM_(2.5)空气污染问题,收集整理了哈尔滨市2014年全年的空气污染物数据和气象数据,分析研究了当地PM_(2.5)质量浓度变化特征,找出其影响因素。结果表明,哈尔滨市PM_(2.5)日均质量浓度为72.64μg/m^3,初步达到国家标准。PM_(2.5)月均质量浓度11月最高,约为148.27μg/m^3,9月最低,约为21.07μg/m^3。秋冬两季PM_(2.5)平均质量浓度较高。PM_(2.5)/PM10比例春季最低,约为0.5,PM_(2.5)已成为哈尔滨市可吸入颗粒物中的首要污染物。从PM_(2.5)与SO^2、NO^2、CO的相关性来看,哈尔滨市PM_(2.5)与CO的相关性最高,四季均在0.9左右。各类空气污染物的平均浓度降水日低于非降水日。PM_(2.5)与气象因子的相关性较小,与风速呈负相关。

关键词： PM2.5 相关性影响因素哈尔滨

来源：评论

学校读者我要写书评

暂无评论

基于均匀置乱与可逆隐藏的双重图像保密算法

引用

传感器与微系统 2010年第6期29卷 71-74页

作者：张健任洪娥陈宇东北林业大学信息与计算机工程学院黑龙江哈尔滨150040

加密和隐藏是实现图像保密的2种重要方式,将加密后的图像再隐藏在一幅正常图像中,可以实现对图像的双重保密。基于传统图像置乱变换存在密钥量小和置乱效果差的缺点,提出一种图像位置均匀置乱算法,在密钥量显著提高的前提下,置乱效果得... 详细信息

加密和隐藏是实现图像保密的2种重要方式,将加密后的图像再隐藏在一幅正常图像中,可以实现对图像的双重保密。基于传统图像置乱变换存在密钥量小和置乱效果差的缺点,提出一种图像位置均匀置乱算法,在密钥量显著提高的前提下,置乱效果得到极大改善,而且加密速度快。在此基础上,对加密后的图像进行隐藏处理。针对目前隐藏算法只保证秘密信息可恢复的特点,提出一种基于图像相邻像素对差值的可逆隐藏算法,在恢复秘密信息的同时也能准确恢复载体图像。仿真实验得出:该算法具有可行性和有效性。

关键词：均匀置乱可逆图像保密图像隐藏

来源：评论

学校读者我要写书评

暂无评论

基于网络的动态多文档文摘系统框架

引用

软件学报 2013年第5期24卷 1006-1021页

作者：刘美玲任洪娥于洋郑德权赵铁军东北林业大学信息与计算机工程学院黑龙江哈尔滨150040 教育部-微软语言语音重点实验室(哈尔滨工业大学) 黑龙江哈尔滨150001

在自然语言处理和计算语言学相关技术支撑下,研究基于网络的动态多文档文摘系统框架,重点描述动态多文档文摘系统框架的相关内容,介绍利用矩阵子空间方法进行动态演化建模,利用相似度和质心整体优选计算方法进行信息过滤,并利用动态流... 详细信息

在自然语言处理和计算语言学相关技术支撑下,研究基于网络的动态多文档文摘系统框架,重点描述动态多文档文摘系统框架的相关内容,介绍利用矩阵子空间方法进行动态演化建模,利用相似度和质心整体优选计算方法进行信息过滤,并利用动态流形排序方法进行句子加权的动态多文档文摘生成系统.按照多文档文摘生成步骤的划分,对3种创新的模型方法进行融合,综合起来从不同侧重点考虑,形成互补,提高系统性能.在网络环境下,此框架保证了动态演化的多文档文摘具有较高的信息新颖性和历史信息的演化性.

关键词：模型框架矩阵子空间整体优选动态演化

来源：评论

学校读者我要写书评

暂无评论

动态多文档文摘模型

引用

软件学报 2012年第2期23卷 289-298页

作者：刘美玲郑德权赵铁军于洋教育部-微软语言语音重点实验室(哈尔滨工业大学) 黑龙江哈尔滨150001 东北林业大学信息与计算机工程学院黑龙江哈尔滨150040

从网络信息的动态演化性出发,对同一话题不同时序阶段的文档集合进行识别和分析,在度量演化内容差异性的基础上实现动态性,给出了两种实现动态多文档文摘的模型,即基于矩阵子空间分析和基于文本相似度累加的动态多文档文摘模型.在此基础... 详细信息

从网络信息的动态演化性出发,对同一话题不同时序阶段的文档集合进行识别和分析,在度量演化内容差异性的基础上实现动态性,给出了两种实现动态多文档文摘的模型,即基于矩阵子空间分析和基于文本相似度累加的动态多文档文摘模型.在此基础上,提出了高效的动态句子加权方法.TAC 2008的Update Summarization测试数据上的实验证明了所提出的动态多文档文摘模型的有效性.

关键词：多文档文摘差异性分析矩阵模型相似度累加动态演化

来源：评论

学校读者我要写书评

暂无评论

基于SURF和SIFT特征的视频镜头分割算法

引用

液晶与显示 2019年第5期34卷 521-529页

作者：张昊骕朱晓龙胡新洲任洪娥东北林业大学信息与计算机工程学院黑龙江哈尔滨150040 黑龙江省林业智能装备工程研究中心黑龙江哈尔滨150040

在视频镜头分割处理中,SIFT(Scale-invariant feature transform)特征由于其具有尺度、旋转不变性等诸多优点而被广泛应用,但是SIFT特征提取复杂,计算量大,导致程序效率低下,很难满足实时性的要求。本文提出了一种基于SURF(Speeded Up R... 详细信息

在视频镜头分割处理中,SIFT(Scale-invariant feature transform)特征由于其具有尺度、旋转不变性等诸多优点而被广泛应用,但是SIFT特征提取复杂,计算量大,导致程序效率低下,很难满足实时性的要求。本文提出了一种基于SURF(Speeded Up Robust Features)和SIFT特征的视频镜头分割算法。首先对相关帧进行颜色直方图特征提取,然后通过一个自适应阈值判断是否为候选帧,如果不是,则融合SURF特征再进行复检。最后筛选出的候选帧再通过SIFT算法进行复选,去除误检帧,有效解决了SIFT特征低效率的问题。实验结果表明,对于切变镜头查全率为95%,查准率为93%,对于渐变镜头查全率为90%,查准率为76%,平均单帧运行时间为0.26s,本算法与SIFT、SURF等单一特征的算法相比,在高效性和准确性之间取得了平衡,并且它是鲁棒的。

关键词：镜头分割 SIFT SURF 颜色直方图

来源：评论

学校读者我要写书评

暂无评论

Faster-RCNN和Level-Set结合的高分遥感影像建筑物提取

引用

液晶与显示 2019年第4期34卷 439-447页

作者：左俊皓赵聪朱晓龙任洪娥东北林业大学信息与计算机工程学院黑龙江哈尔滨150040 黑龙江省林业智能装备工程研究中心黑龙江哈尔滨150040

目前Level-Set图像分割方法存在初始轮廓的确定受人为因素影响较大的问题,对目标被遮盖和目标与背景灰度值相近无法达到理想的分割效果。针对此问题,本文提出了利用Faster-RCNN网络模型确定目标初始轮廓和区域信息的先验水平集图像分割... 详细信息

目前Level-Set图像分割方法存在初始轮廓的确定受人为因素影响较大的问题,对目标被遮盖和目标与背景灰度值相近无法达到理想的分割效果。针对此问题,本文提出了利用Faster-RCNN网络模型确定目标初始轮廓和区域信息的先验水平集图像分割方法,搭建Caffe深度学习框架训练Faster-RCNN网络模型;通过有监督学习的方式在IAILD数据集上训练模型,检测出目标建筑物并初步提取建筑物的轮廓,并将其与形状先验的Level-Set算法结合。对比实验结果表明,本文方法解决了Level-Set算法中图像分割结果初始轮廓受人为标记框选的影响较大的问题,能够更好地完成被遮挡建筑物的分割,对于目标建筑和背景灰度值相近也能达到更好的分割效果。

关键词： Faster-RCNN Level-Set 深度学习建筑物提取

来源：评论

学校读者我要写书评

暂无评论

基于嵌入式技术的多协议转换系统研究

引用

仪表技术与传感器 2020年第2期 62-66,70页

作者：刘亚秋胡铁楠吕云蕾东北林业大学信息与计算机工程学院黑龙江哈尔滨150040

针对工业控制中不同通信协议之间通信困难的问题,文中对多协议转换技术进行深入研究,建立多协议转换系统通信模型,并基于嵌入式技术搭建多协议转换系统软硬件平台,编写总线协议驱动程序以及应用程序。实现LIN总线协议、CAN总线协议以及R... 详细信息

针对工业控制中不同通信协议之间通信困难的问题,文中对多协议转换技术进行深入研究,建立多协议转换系统通信模型,并基于嵌入式技术搭建多协议转换系统软硬件平台,编写总线协议驱动程序以及应用程序。实现LIN总线协议、CAN总线协议以及RS485总线协议设备的网络互连和信息交互,实验结果验证了多协议转换系统的准确可靠性,解决了不同通信协议之间通信困难的问题。

关键词：工业控制多协议转换嵌入式 LIN总线 CAN总线 RS485总线

来源：评论

学校读者我要写书评

暂无评论

基于优化LM模糊神经网络的不均衡林业信息文本分类算法

引用

中南林业科技大学学报 2015年第4期35卷 27-32,59页

作者：陈宇许莉薇东北林业大学信息与计算机工程学院黑龙江哈尔滨150040

为解决不均衡林业信息文本分类中少数类分类正确率低问题,提出了一种基于优化LM模糊神经网络的不均衡林业信息文本分类算法。在阐述优化LM模糊神经网络算法原理的基础上,提取不均衡林业信息文本特征矩阵训练分类器的各项参数,实现对不... 详细信息

为解决不均衡林业信息文本分类中少数类分类正确率低问题,提出了一种基于优化LM模糊神经网络的不均衡林业信息文本分类算法。在阐述优化LM模糊神经网络算法原理的基础上,提取不均衡林业信息文本特征矩阵训练分类器的各项参数,实现对不均衡林业信息文本的精准与快速分类。实验结果表明该算法对少数类辨识准确率高,优于神经网络分类法以及SVM算法、模糊神经网络算法,为不均衡林业信息文本的分类提供了新思路。

关键词：不均衡文本分类算法不均衡林业信息文本分类优化LM模糊神经网络分类器

来源：评论

学校读者我要写书评

暂无评论

融合深度特征和FHOG特征的尺度自适应相关滤波跟踪算法

引用

河北科技大学学报 2021年第6期42卷 591-600页

作者：孙博王阿川东北林业大学信息与计算机工程学院黑龙江哈尔滨150040

为了解决核相关滤波跟踪算法在复杂场景下跟踪效果差的问题,提出了一种融合深度特征和尺度自适应的相关滤波目标跟踪算法。首先,通过深度残差网络(ResNet)提取图像中被跟踪区域的深度特征,再提取目标区域方向梯度直方图(FHOG)特征,通过... 详细信息

为了解决核相关滤波跟踪算法在复杂场景下跟踪效果差的问题,提出了一种融合深度特征和尺度自适应的相关滤波目标跟踪算法。首先,通过深度残差网络(ResNet)提取图像中被跟踪区域的深度特征,再提取目标区域方向梯度直方图(FHOG)特征,通过核相关滤波器学习,分别得到多个响应图,并对响应图进行加权融合,得到跟踪目标位置。其次,通过方向梯度直方图(FHOG)特征,训练一个PCA降维的尺度滤波器,实现对目标尺度的估计,使算法对目标尺度发生变化有很好的自适应能力。最后,根据响应图的峰值波动情况改进模型更新策略,引入重新检测机制,降低模型发生漂移概率,提高算法抗遮挡能力,在标准数据集OTB100中与其他7种目标跟踪算法进行比较。结果表明,相比原始KCF算法,改进后的KCF算法精准度提升了29.4%,成功率提升了25.9%。所提算法实现了对跟踪目标位置的精准估计,提高了尺度自适应能力和算法速度,增强了算法抗遮挡能力。

关键词：计算机图像处理目标跟踪核相关滤波深度特征多尺度抗遮挡

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：