检索结果-内蒙古大学图书馆

计算机仿真 2016年第11期33卷 365-368页

作者：刘岩左东石内蒙古农业大学计算机与信息工程学院内蒙古呼和浩特010000

对复杂混合部位姿态图像进行识别,在人员定位及识别方面有着重要的应用价值。由于复杂混合部位姿态图像相对普通姿态图像特征要复杂,使得局部动态变化也会给复杂混合部位姿态识别带来很大麻烦。传统的识别算法对于复杂混合部位姿态图像... 详细信息

对复杂混合部位姿态图像进行识别,在人员定位及识别方面有着重要的应用价值。由于复杂混合部位姿态图像相对普通姿态图像特征要复杂,使得局部动态变化也会给复杂混合部位姿态识别带来很大麻烦。传统的识别算法对于复杂混合部位姿态图像特征只能通过外部轮廓进行简单的识别,对于细致的姿态特征需要经过大量的迭代计算进行识别,导致识别准确性低、效率差。提出基于支持向量机的复杂混合部位姿态图像识别方法。通过高斯模型和背景差方法相结合对复杂混合部位的姿势图像进行姿态分离,引入支持向量机对分离出来的人物姿态图像进行分类,并将分类结果与多级二叉树的形式相结合,构建复杂混合部位姿态图像分类器,完成对复杂混合部位的姿态图像识别。仿真实验结果表明,改进识别算法的准确率和效率均优于传统的识别算法,具有一定的实用性。

关键词：复杂混合部位姿态图像识别

来源：评论

学校读者我要写书评

暂无评论

基于多模态深度学习的图像序列弱小目标识别

引用

计算机仿真 2022年第2期39卷 414-418页

作者：纪冲王琛内蒙古农业大学计算机与信息工程学院内蒙古呼和浩特010018

针对现有图像序列弱小目标识别存在图像特征学习不全面、训练样本较大,导致对相似物体识别率及准确率较低的问题,提出基于多模态深度学习的图像序列弱小目标识别。利用弱小目标与背景之间的相关性对单帧图像进行背景抑制,得到目标和高... 详细信息

针对现有图像序列弱小目标识别存在图像特征学习不全面、训练样本较大,导致对相似物体识别率及准确率较低的问题,提出基于多模态深度学习的图像序列弱小目标识别。利用弱小目标与背景之间的相关性对单帧图像进行背景抑制,得到目标和高频噪声,对图像做目标分割处理,剔除高频噪声。在此基础上,使用加入稀疏性约束的自编码器不断调节其自身参数,压缩输入信息,提取有用的输入特征,训练出最佳唯一向量,使用优化的CNN深度学习模型完成弱小目标识别。实验结果表明,所提方法能够在不依赖大量识别训练的情况下,始终保持较高的识别率,最大识别率为99.21%,优于传统方法。

关键词：弱小目标单帧图像背景抑制目标分割稀疏自编码器深度学习模型

来源：评论

学校读者我要写书评

暂无评论

母羊分娩前后不同时期行为时间分配和活动节律研究

引用

黑龙江畜牧兽医 2020年第15期 75-78,86,172,173页

作者：刘艳秋武佩张永安宣传忠乌丹牧其尔内蒙古农业大学计算机与信息工程学院呼和浩特010018 内蒙古农业大学机电工程学院呼和浩特010018

动物在分娩前后其行为会发生明显变化,而其行为可以对其分娩状况进行评价。为提高母羊的福利水平、持续改善饲养管理措施,试验在自动识别母羊分娩前后不同时期的行走、站立、趴卧、刨地4种运动行为及采食和饮水行为的基础上对以上行为... 详细信息

动物在分娩前后其行为会发生明显变化,而其行为可以对其分娩状况进行评价。为提高母羊的福利水平、持续改善饲养管理措施,试验在自动识别母羊分娩前后不同时期的行走、站立、趴卧、刨地4种运动行为及采食和饮水行为的基础上对以上行为的时间分配及其节律进行了系统研究。结果表明:母羊分娩前后不同时期不同行为的变化规律有明显的差别。怀孕期母羊趴卧行为发生的频次较少,每次持续时间都较长,随着产期的接近,母羊趴卧行为所分配的时间呈递减趋势,分娩后昼间趴卧行为分配的时间依然会减少;随着产期的接近,母羊的站立及行走行为分配的时间呈增长趋势,发生的频次逐渐减少,但在分娩当天站立及行走行为时间明显增加,产后站立及行走的行为比产前会增长,但幅度很小;母羊分娩前其采食及饮水行为会呈现增长的趋势,但从产前第5天开始直至分娩该行为发生的时间会缓慢减少,在分娩当天母羊采食及饮水行为的时长降到最低,分娩后又呈现出增长趋势;母羊产前及产后刨地行为没有明显的变化规律,但在分娩当天刨地行为发生的时间及频率明显增加。说明母羊行为时间分配和活动节律研究可以为分娩及产前疾病预警。

关键词：母羊分娩行为行为时间分配活动节律繁殖效率

来源：评论

学校读者我要写书评

暂无评论

基于无监督深度学习的跨模态数据目标检索

引用

计算机仿真 2021年第3期38卷 380-383,418页

作者：纪冲刘岩内蒙古农业大学计算机与信息工程学院内蒙古呼和浩特010018

为解决传统方法关联误差较高,影响检索结果的准确性的问题,提出基于无监督深度学习的跨模态数据目标检索方法,利用各层自编码器及其参数,得到自编码器的编码,通过对编码的逐层初始化策略,对栈式自编码神经网络实施初始化处理,并将隐含... 详细信息

为解决传统方法关联误差较高,影响检索结果的准确性的问题,提出基于无监督深度学习的跨模态数据目标检索方法,利用各层自编码器及其参数,得到自编码器的编码,通过对编码的逐层初始化策略,对栈式自编码神经网络实施初始化处理,并将隐含层神经单元激活状态作为下一层级的输入,初始化对应层网络参数,采用逐层初始化与整体反馈策略,训练基本单元为受限玻尔兹曼机的深度信任网络;依据wake流程与sleep流程,完成深度信任网络的认知权值的优化调整;获取各模态间的关联偏差,根据文本主题分布与图像特征向量,实现跨模态数据目标检索。仿真结果表明,所提方法不仅能够检索各类型数据集,并且精度非常理想。

关键词：无监督深度学习跨模态数据目标检索

来源：评论

学校读者我要写书评

暂无评论

大数据信息传输中恶意攻击数据识别仿真

引用

计算机仿真 2017年第10期34卷 375-378,400页

作者：马莉莉刘江平内蒙古农业大学计算机与信息工程学院内蒙古呼和浩特010018

大数据信息传输下恶意攻击数据的识别,能够有效提升网络数据安全稳定性。对恶意攻击数据的识别,需要对数据恶意攻击信息进行预处理,获得恶意攻击数据特征的分离过程,完成数据识别。传统方法采用定量递归分析原理分析恶意攻击数据的聚类... 详细信息

大数据信息传输下恶意攻击数据的识别,能够有效提升网络数据安全稳定性。对恶意攻击数据的识别,需要对数据恶意攻击信息进行预处理,获得恶意攻击数据特征的分离过程,完成数据识别。传统方法采用定量递归分析原理分析恶意攻击数据的聚类特征,但忽略了获得恶意攻击数据特征的分离过程,导致识别精度较低。提出基于离散小波变换的恶意攻击数据识别方法。上述方法首先采用函数极值法确定隶属度,获取数据恶意攻击特征,采用离散小波变换方法对大数据信息传输中数据恶意攻击信息进行预处理,结合FIR滤波器进行网络数据抗干扰滤波处理,采用高阶累积量后置路径搜索获得大数据信息传输中恶意攻击数据特征的分离过程,实现恶意攻击数据特征的准确识别。实验结果表明,所提方法进行恶意攻击数据识别的准确度较高,抗干扰能力较强。

关键词：信息传输恶意攻击数据识别

来源：评论

学校读者我要写书评

暂无评论

稀疏表示的手掌图像识别研究

引用

计算机仿真 2014年第12期31卷 334-338页

作者：翟林潘新刘霞罗小玲内蒙古农业大学计算机与信息工程学院内蒙古呼和浩特010018

针对手掌位置、光照、采集设备等外界因素会影响掌纹图像的识别率以及传统稀疏重构的分类方法计算复杂度高的问题。提出融合双向二维主成分分析((2D)2PCA)与压缩感知的掌纹识别方法,将L1范数最小化重构算法替换成分类正交匹配追踪(COMP... 详细信息

针对手掌位置、光照、采集设备等外界因素会影响掌纹图像的识别率以及传统稀疏重构的分类方法计算复杂度高的问题。提出融合双向二维主成分分析((2D)2PCA)与压缩感知的掌纹识别方法,将L1范数最小化重构算法替换成分类正交匹配追踪(COMP)算法,以降低复杂度。首先利用双向二维主成分分析对掌纹图像行列两个方向进行降维,提取特征矩阵,做为压缩感知算法的过完备字典。然后通过分类正交匹配追踪算法(COMP)求解图像在过完备字典上的稀疏表示,以得到一组最优稀疏系数重构每个图像。最后求得测试图像与各类重构图像的最小残差得出分类结果。基于北京交通大学掌纹库的实验结果表明,主成分分析与压缩感知方法可有效降低计算复杂度,对于光照不均匀和有位置变化的掌纹具有一定的鲁棒性,具有良好的掌纹识别性能,可以得到较高的掌纹识别率。

关键词：掌纹识别双向二维主成分分析压缩感知分类正交匹配追踪算法

来源：评论

学校读者我要写书评

暂无评论

基于半监督深度学习法的网络大数据集成挖掘

引用

计算机仿真 2021年第7期38卷 313-316页

作者：纪冲刘岩内蒙古农业大学计算机与信息工程学院内蒙古呼和浩特010018

传统的数据集成挖掘方法在集成与挖掘两个步骤之间存在较大误差,导致大数据出现乱码问题,数据显示不全。为解决上述问题,提出基于半监督深度学习法的大数据集成挖掘方法。利用有监督与无监督深度学习间的机器学习,组成半监督深度学习。... 详细信息

传统的数据集成挖掘方法在集成与挖掘两个步骤之间存在较大误差,导致大数据出现乱码问题,数据显示不全。为解决上述问题,提出基于半监督深度学习法的大数据集成挖掘方法。利用有监督与无监督深度学习间的机器学习,组成半监督深度学习。利用支持向量数据组建立超球体。依据超球体结合标记样本,组建半监督深度学习数据检测模型,筛选样本特征词,利用半监督深度学习方法训练单分类SVDD模型,实现网络大数据集成挖掘。仿真结果证明,所提方法能够高精度、高效的对大数据完成集成挖掘,具有理想的应用性能。

关键词：半监督学习网络大数据集成挖掘检测模型

来源：评论

学校读者我要写书评

暂无评论

云计算环境下异常信息优化检测仿真

引用

计算机仿真 2017年第9期34卷 439-442页

作者：左东石内蒙古农业大学计算机与信息工程学院内蒙古呼和浩特010018

对云计算环境下异常信息的优化检测,能够有效解决云计算环境中信息存储以及传输过程的安全问题。对异常信息的检测,需要定义异常信息行为的属性值,计算出异常信息行为分类器的输出最大目标概率值,完成异常信息的优化检测。传统方法先给... 详细信息

对云计算环境下异常信息的优化检测,能够有效解决云计算环境中信息存储以及传输过程的安全问题。对异常信息的检测,需要定义异常信息行为的属性值,计算出异常信息行为分类器的输出最大目标概率值,完成异常信息的优化检测。传统方法先给出异常信息的调用流图特征,从而给出异常信息的"行为"特性,但忽略了计算出异常信息的最大目标概率值,导致检测精度偏低。提出基于朴素贝叶斯的云计算环境下异常信息优化检测方法。上述方法利用字符矩方法提取出异常信息的样本特征,得到未知异常信息中的每个分块空间的关系特征向量,给出异常信息行为模式在朴素贝叶斯中的表述方程,定义异常信息行为的属性值,计算出异常信息的输出最大目标概率值,并完成对云计算环境下异常信息优化检测。实验结果表明,所提方法检测精度较高,为保障云计算环境的安全稳定运行奠定了基础。

关键词：云计算环境异常信息优化检测

来源：评论

学校读者我要写书评

暂无评论

基于二维OTSU的田间植物图像分割方法

引用

江苏农业科学 2015年第12期43卷 437-440页

作者：关强薛河儒姜新华内蒙古农业大学计算机与信息工程学院内蒙古呼和浩特010018

田间植物图像分割就是将田间图像分成绿色植物部分和背景部分,它是田间杂草识别过程中的关键步骤。通过对植物部分与背景部分特点的研究,采用RGB颜色模型和HSV颜色模型的灰度化方法,根据不同灰度化结果的特点选取不同的分割算法。通过... 详细信息

田间植物图像分割就是将田间图像分成绿色植物部分和背景部分,它是田间杂草识别过程中的关键步骤。通过对植物部分与背景部分特点的研究,采用RGB颜色模型和HSV颜色模型的灰度化方法,根据不同灰度化结果的特点选取不同的分割算法。通过试验对比,选取RGB颜色模型中g-r作为灰度化方法,并且选取二维OSTU算法作为图像的分割方法,最终得到较好的分割效果。

关键词：田间植物图像处理图像分割二维OTSU

来源：评论

学校读者我要写书评

暂无评论

网络中高速目标信息优化检测仿真研究

引用

计算机仿真 2017年第1期34卷 409-413页

作者：李建荣付学良内蒙古农业大学计算机与信息工程学院内蒙古呼和浩特010018

对网络中高速目标信息进行优化检测,可提高网络信息的检索速度。进行高速目标信息检测时,应建立在找出全部符合支持度的高速目标信息的频繁集基础上进行,但是网络运行时存在非线性和随机性,导致传统方法在非线性和随机性的干扰下无法准... 详细信息

对网络中高速目标信息进行优化检测,可提高网络信息的检索速度。进行高速目标信息检测时,应建立在找出全部符合支持度的高速目标信息的频繁集基础上进行,但是网络运行时存在非线性和随机性,导致传统方法在非线性和随机性的干扰下无法准确获取高速目标信息的频繁集,不能对网络中高速目标信息进行有效检测。提出一种基于关联规则的网络中高速目标信息优化检测方法,对网络中的数据进行预处理,并引入了关联规则理论,找出全部符合支持度的高速目标信息的频繁集,依据频繁集获取关联规则,实现网络中高速目标信息优化检测。仿真结果表明,所提模型不仅扩展性高,而且在检测更多网络中高速目标信息的同时,能够保持较高的检测精度。

关键词：网络目标信息优化检测关联规则

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：