检索结果-内蒙古大学图书馆

计算机工程与应用 2017年第22期53卷 198-203,248页

作者：董本志蔡文宇景维鹏东北林业大学信息与计算机工程学院哈尔滨150040

针对自然场景中植物叶片图像分割效果不佳,难以从含有多个叶片的图像中提取出完整叶片区域的问题,提出了一种叶片区域的快速多阈值提取方法。首先,使用人工蜂群算法优化Otsu多阈值选取的过程,以类间方差为适应度函数获取最优的多个阈值... 详细信息

针对自然场景中植物叶片图像分割效果不佳,难以从含有多个叶片的图像中提取出完整叶片区域的问题,提出了一种叶片区域的快速多阈值提取方法。首先,使用人工蜂群算法优化Otsu多阈值选取的过程,以类间方差为适应度函数获取最优的多个阈值,在获取最优多阈值的过程中以迭代的方式自适应地确定出适合于叶片图像的分割阈值数目,然后使用边缘检测,逻辑运算和形态学操作等从多阈值分割结果中去除背景元素,提取独立、完整的叶片区域。实验结果表明,当对包含一个和多个叶片的自然场景图像进行处理时,该方法能够较为快速地得到更为完整、准确的叶片区域。

关键词：图像分割人工蜂群多阈值叶片边缘检测

来源：评论

学校读者我要写书评

暂无评论

三维重建及3D打印技术在肺部外科手术中的应用

引用

黑龙江大学自然科学学报 2017年第5期34卷 608-613页

作者：邱兆文曹颖东北林业大学信息与计算机工程学院哈尔滨150040

因肺部CT图像的三维重建在医学影像分析领域需求较大且难度较高,单独使用一种分割算法的去噪声效果不理想,故提出了将总变分模型与模糊C-均值聚类方法相结合,对CT数据进行分割去噪的方法。将分割后的图像导入自主研发的三维重建软件TM_M... 详细信息

因肺部CT图像的三维重建在医学影像分析领域需求较大且难度较高,单独使用一种分割算法的去噪声效果不理想,故提出了将总变分模型与模糊C-均值聚类方法相结合,对CT数据进行分割去噪的方法。将分割后的图像导入自主研发的三维重建软件TM_MIS,它以VTK工具包为基础,使用MC算法和光线投影法对平滑去噪后的CT图像进行三维重建,得到三维虚拟模型。再用3D打印生成肺部血管及病灶的3D模型,代替传统的医生查看CT片的方法,为术前方案的制定及手术过程的模拟提供了更加科学的依据。实验表明,将肺部CT数据通过总变分模型进行去噪平滑,再结合模糊C-均值聚类方法进行分割得到的图像更加清晰,重建后的模型效果更理想。

关键词：三维重建 CT 总变分 3D打印

来源：评论

学校读者我要写书评

暂无评论

文本分类中基于K-Sprinkling的特征提取方法

引用

计算机工程 2017年第12期43卷 141-146页

作者：李惠富陆光景维鹏东北林业大学信息与计算机工程学院哈尔滨150040

传统的特征提取方法大多注重类别对特征词的作用,不能很好地表达样本对类别的影响。为此,对样本的类别贡献问题进行研究。针对Sprinkling特征提取方法中未考虑样本对类别的贡献度问题,提出一种基于K-Sprinkling的特征提取方法。综合考... 详细信息

传统的特征提取方法大多注重类别对特征词的作用,不能很好地表达样本对类别的影响。为此,对样本的类别贡献问题进行研究。针对Sprinkling特征提取方法中未考虑样本对类别的贡献度问题,提出一种基于K-Sprinkling的特征提取方法。综合考虑样本紧密度和样本隶属度信息,利用Sprinkling方法的特点,将样本权值映射到语义空间中,实现对文本的分类。实验结果表明,K-Sprinkling方法比传统的Sprinkling方法在平衡样本分类上F1值提高了1.89%,在不平衡样本分类上F1值提高了3.30%,取得了较好的分类效果。

关键词：特征提取样本隶属度样本紧密度潜在语义索引贡献度

来源：评论

学校读者我要写书评

暂无评论

基于变论域模糊控制的大豆种植灌溉控制算法

引用

中国农村水利水电 2017年第3期 35-40页

作者：王健谢南东北林业大学信息与计算机工程学院哈尔滨150040

在大豆种植过程中,人工控制方式仍占据主导地位,全自动化普及程度较低,现有的自动化灌溉多以将采集的土壤墒情与给定阈值进行对比灌溉的方式为主。传统模糊控制技术虽然可以解决由大田环境非线性、大惯性延时所带来的难以建立精准灌溉... 详细信息

在大豆种植过程中,人工控制方式仍占据主导地位,全自动化普及程度较低,现有的自动化灌溉多以将采集的土壤墒情与给定阈值进行对比灌溉的方式为主。传统模糊控制技术虽然可以解决由大田环境非线性、大惯性延时所带来的难以建立精准灌溉模型的难题,但因其结构参数相对固定不适用于高精度灌溉。针对上述问题,结合大豆各生长时期的需水特性和降雨量,基于变论域模糊控制理论提出了一种符合大豆各生长时期需水规律的智能灌溉控制算法。仿真实验表明,相比PID控制方案,在超调量与响应时间方面,方法有55.17%以及62.57%的提升,相比传统模糊控制方案,在超调量与响应时间方面,方法有30.36%以及46.44%的提升,很大程度上提高了灌溉的精度;与人工控制灌溉方式相比可以节约20%的水资源,为大豆的自动化节水灌溉提供了一条新的途径。

关键词：大豆需水规律降雨量变论域模糊控制控制算法

来源：评论

学校读者我要写书评

暂无评论

改进K-means算法对大兴安岭蓝莓干销售预测的应用

引用

黑龙江大学自然科学学报 2017年第2期34卷 139-144页

作者：罗嗣卿刘璐东北林业大学信息与计算机工程学院哈尔滨150040

K-means算法对噪音数据和孤立点敏感,致使其在应用方面存在很大的局限。传统的Kmeans算法在除噪阶段多以人为和经验判定噪音点或单纯从平均数角度剔除孤立点,造成聚类结果准确度难以保证。以大兴安岭地区精品蓝莓干商品为研究对象,基于D... 详细信息

K-means算法对噪音数据和孤立点敏感,致使其在应用方面存在很大的局限。传统的Kmeans算法在除噪阶段多以人为和经验判定噪音点或单纯从平均数角度剔除孤立点,造成聚类结果准确度难以保证。以大兴安岭地区精品蓝莓干商品为研究对象,基于DBSCAN算法辅助Kmeans算法去噪,用定量的方法解决K-means去噪欠缺合理性的问题。结合ARIMA模型加以验证聚类预测的结果,与实际值匹配度达到95%以上,明显高于未改进算法。

关键词： DBSCAN算法 K-means算法去噪聚类 ARIMA模型预测

来源：评论

学校读者我要写书评

暂无评论

基于禁忌搜索的人工蜂群算法

引用

计算机工程与应用 2017年第4期53卷 145-151,175页

作者：李艳娟陈阿慧东北林业大学信息与计算机工程学院哈尔滨150040

针对人工蜂群算法(Artificial Bee Colony,ABC)邻域搜索能力不强且容易陷入局部最优的不足,引入禁忌搜索的思想,提出了基于禁忌搜索的人工蜂群算法(TS_ABC)。TS_ABC算法在ABC算法的基础上加入两个禁忌表,分别记为禁忌表T1和禁忌表T2。... 详细信息

针对人工蜂群算法(Artificial Bee Colony,ABC)邻域搜索能力不强且容易陷入局部最优的不足,引入禁忌搜索的思想,提出了基于禁忌搜索的人工蜂群算法(TS_ABC)。TS_ABC算法在ABC算法的基础上加入两个禁忌表,分别记为禁忌表T1和禁忌表T2。禁忌表T1的长度是有限的,存储蜜蜂访问过的当前解;禁忌表T2的长度是无限的,存储优化limit次后没有改进的解。蜜蜂在蜜源位置搜索新解时要跳过禁忌表里的解,这样避免了重复搜索,增强了邻域搜索能力,克服了容易陷入局部最优。15个标准函数上实验结果表明:(1)TS_ABC的性能优于ABC算法;(2)在求解多峰函数最优解时,TS_ABC性能更加优于ABC算法;(3)随着函数维数的增加,相对于ABC算法,TS_ABC性能提高更多。3个标准函数上实验结果表明:TS_ABC算法性能优于ABC算法,即提出的使用两个禁忌表的方法优于只使用一个禁忌表的方法。

关键词：人工蜂群算法禁忌搜索局部最优

来源：评论

学校读者我要写书评

暂无评论

基于独立成分分析的射频干扰信号消除方法

引用

天文研究与技术 2019年第3期16卷 268-277页

作者：戴伟尚振宏徐永华刘辉杨亚光强振平中国科学院云南天文台云南昆明650011 昆明理工大学信息工程与自动化学院云南昆明650500 昆明理工大学云南省计算机技术应用重点实验室云南昆明650500 中国科学院大学北京100049 西南林业大学大数据与智能工程学院云南昆明650224

射电天文已成为人类研究宇宙的重要途径。但随着人类生产、生活的发展,射频干扰信号对射电天文观测的影响越来越严重,观测数据的好坏关系到科学成果的质量甚至结论的真伪。目前广泛采用基于阈值判断射频干扰,对干扰信号直接舍弃部分观... 详细信息

射电天文已成为人类研究宇宙的重要途径。但随着人类生产、生活的发展,射频干扰信号对射电天文观测的影响越来越严重,观测数据的好坏关系到科学成果的质量甚至结论的真伪。目前广泛采用基于阈值判断射频干扰,对干扰信号直接舍弃部分观测数据的方法。此类方法存在阈值确定困难、观测带宽和时间被缩减等问题。针对脉冲星观测射电信号中,各干扰信号及射电信号统计独立以及呈现出的非高斯性,利用独立成分分析对混合信号进行分解,并根据观测信号中脉冲星信号和干扰信号的分布特点识别脉冲星信号,实现干扰信号消除。使用该方法对云南天文台40 m射电望远镜接收到的脉冲星观测信号进行独立成分分析,分解出独立的射频干扰信号和脉冲星信号,消除射频干扰信号。独立成分分析法在干扰信号消除、射电信号保留及信噪比方面均取得良好效果。

关键词：射频干扰独立成分分析脉冲星干扰信号消除

来源：评论

学校读者我要写书评

暂无评论

基于全卷积网络的鳞翅目标本图像前背景自动分割方法研究

引用

昆虫学报 2018年第2期61卷 255-262页

作者：竺乐庆马梦园张真孟昭军吴伟任利利高翠青南小宁浙江工商大学计算机与信息工程学院杭州310018 中国林业科学研究院森林生态与保护研究所国家林业局森林保护学重点实验室北京100091 东北林业大学林学院哈尔滨150040 西南林业大学保护生物学学院昆明650224 北京林业大学林学院北京100083 南京林业大学林学院南京210037 西北农林科技大学林学院陕西杨凌712100

【目的】本研究旨在探索使用计算机视觉技术实现对鳞翅目标本图像的前背景分割方法。【方法】首先对用于训练和测试的昆虫标本图像去除背景,获得昆虫图像的前背景分割参考标准,对过大的昆虫图像进行缩小处理;其次对训练集图像采用旋转... 详细信息

【目的】本研究旨在探索使用计算机视觉技术实现对鳞翅目标本图像的前背景分割方法。【方法】首先对用于训练和测试的昆虫标本图像去除背景,获得昆虫图像的前背景分割参考标准,对过大的昆虫图像进行缩小处理;其次对训练集图像采用旋转、平移、缩放等方法进行数据增强,剪切出中心区域作为有效图像。求取所有训练样本的均值图像,并从所有输入中减去该均值图像。测试用图像只做归一化但不进行数据增强。微调全卷积神经网络,重点调整结构产生变化的卷积层和反卷积层的参数,用前述训练数据集训练直至收敛。对于待分割图像,只要将图像归一化后输入到训练好的全卷积网络,网络将输出前背景分割结果。【结果】该方法在包含823个样本的测试集中进行了测试,取得的m Io U(mean Intersection over Union)达94.96%,而且分割的视觉效果已经非常接近于人工分割的结果。【结论】实验结果证明通过训练全卷积神经网络可以有效实现鳞翅目标本图像的前背景自动分割。

关键词：鳞翅目图像处理前背景分割深度学习全卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

三维重建技术在临床医学中的应用

引用

软件导刊 2018年第6期17卷 170-172,177页

作者：高辉邱兆文哈尔滨华德学院黑龙江哈尔滨150025 东北林业大学信息与计算机工程学院黑龙江哈尔滨150040

以前医生在手术中无法将3D显示的人体结构与病人真实解剖部位进行对应,难以实施精准手术。随着科技的发展,智能医疗技术不断提高,三维重建技术在医学领域已经崭露头角,无论在临床还是医学教学领域都能看到三维重建技术的身影,而且应用... 详细信息

以前医生在手术中无法将3D显示的人体结构与病人真实解剖部位进行对应,难以实施精准手术。随着科技的发展,智能医疗技术不断提高,三维重建技术在医学领域已经崭露头角,无论在临床还是医学教学领域都能看到三维重建技术的身影,而且应用效果显著,成功案例层出不穷。三维重建技术以独有的三维重现视角,将平面难懂的医学检查结果变得通俗易懂,为医生提供了更加清晰准确的病灶体现,医生据此能作出更加合理的诊疗方案,同时还能便利医患沟通。该技术的实施,可为我国医联体和分级诊疗制度提供高效、低成本、简易的最优解决方案。

关键词： CT图像三维重建精准医疗

来源：评论

学校读者我要写书评

暂无评论

POKD-tree:一种有效的SIFT图像特征点匹配方法

引用

计算机工程与应用 2017年第16期53卷 182-186页

作者：董本志龙建勇景维鹏东北林业大学信息与计算机工程学院哈尔滨150040

为解决SIFT算法计算复杂,且算法效率不高的问题,提出了POKD-tree算法(分区优化kd树搜索算法)。首先,利用SIFT算法提取图像的特征点,以图像特征点集在X和Y方向中跨度最大的方向为分区直线的方向,计算图像特征点集的质心,用通过质心的分... 详细信息

为解决SIFT算法计算复杂,且算法效率不高的问题,提出了POKD-tree算法(分区优化kd树搜索算法)。首先,利用SIFT算法提取图像的特征点,以图像特征点集在X和Y方向中跨度最大的方向为分区直线的方向,计算图像特征点集的质心,用通过质心的分区直线来进行图像分区;采用欧式距离对图像进行特征点匹配,首先进行对应搜索匹配,同时为了解决分区误差,在进行对应搜索之后再进行交叉搜索。通过实验证明,POKD-tree算法在匹配的效率上要优于BBF算法和RKD-tree算法。

关键词： POKD-tree算法分区直线对应搜索交叉搜索匹配效率

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：