检索结果-内蒙古大学图书馆

北京工业大学学报 2006年第5期32卷 467-472页

作者：孙艳丰梁永涛苏世前尹宝才北京工业大学计算机学院多媒体与智能软件技术北京市重点实验室北京100022

为了获得具有较高检测率并保持较低误检率的快速人脸检测,提出了一种基于知识的人脸检测方法．在人脸粗检中用肤色模型分割出输入图像中的人脸可能区域,并对这些区域进行重心模板匹配过滤出非人脸区域．利用人脸的生理分布特征设计出一... 详细信息

为了获得具有较高检测率并保持较低误检率的快速人脸检测,提出了一种基于知识的人脸检测方法．在人脸粗检中用肤色模型分割出输入图像中的人脸可能区域,并对这些区域进行重心模板匹配过滤出非人脸区域．利用人脸的生理分布特征设计出一种动态的人脸三分图分布模型,并以不同条件下的大量人脸图像样本作为统计数据建立了一个人脸规则知识库,用来判定过滤后的区域是否为人脸．实验结果表明,该方法具有很好的鲁棒性,能快速检测出不同光照、不同大小和有一定旋转角度的人脸．

关键词：人脸识别图像分割肤色重心模板

来源：评论

学校读者我要写书评

暂无评论

基于递推模式的帧内预测快速算法

引用

北京工业大学学报 2006年第3期32卷 252-257页

作者：尹宝才孙磊孔德慧季鹏飞北京工业大学计算机学院多媒体与智能软件技术北京市重点实验室北京100022

针对H．264帧内预测中存在的边缘像素预测不精确问题,提出一种基于递推模式的帧内预测算法．利用宏块内部像素之间相关性更强的特点,参考同一块内已经预测过的像素预测其他像素．为了降低H．264帧内编码的复杂性,提出一种基于递推模式... 详细信息

针对H．264帧内预测中存在的边缘像素预测不精确问题,提出一种基于递推模式的帧内预测算法．利用宏块内部像素之间相关性更强的特点,参考同一块内已经预测过的像素预测其他像素．为了降低H．264帧内编码的复杂性,提出一种基于递推模式的帧内预测快速算法．利用4×4块在空域和频域上的特性,采用层次性结构选择需要考察的候选模式,减少帧内预测所要计算的模式数量．根据4×4块与16×16宏块之间的关系,充分利用4×4块的预测结果,快速选择16×16宏块的预测模式．实验结果证明:与以前的快速算法不同,这种基于递推模式的快速算法不仅能在很大程度上减少预测以及重构的计算量,降低帧内编码的计算复杂度,还能提高帧内编码的效率．

关键词：视频编码压缩预测

来源：评论

学校读者我要写书评

暂无评论

基于蚁群算法的贝叶斯网结构学习

引用

北京工业大学学报 2011年第6期37卷 933-939,954页

作者：冀俊忠张鸿勋胡仁兵刘椿年北京工业大学计算机学院多媒体与智能软件技术北京市重点实验室北京100124

针对具有丢失数据的贝叶斯网结构学习问题,提出了一种将数据的完备化与结构的蚁群优化相结合的学习方法.随机初始化未观察到的数据,得到完整的数据集,并利用蚁群算法学习得到初始网络结构;然后进行迭代学习,在每次迭代中根据当前最好的... 详细信息

针对具有丢失数据的贝叶斯网结构学习问题,提出了一种将数据的完备化与结构的蚁群优化相结合的学习方法.随机初始化未观察到的数据,得到完整的数据集,并利用蚁群算法学习得到初始网络结构;然后进行迭代学习,在每次迭代中根据当前最好的贝叶斯网结构,利用EM估计和随机的采样插入对数据进行完备化,在完备数据下,利用改进的蚁群优化过程使结构不断进化,直到获得全局最优解.实验结果表明,该方法能有效地从不完备数据中学习贝叶斯网结构且与新近的MS-EM、EGA、BN-GS方法相比,具有更高的学习精度.

关键词：贝叶斯网结构学习丢失数据蚁群算法模拟退火

来源：评论

学校读者我要写书评

暂无评论

面向中国手语合成的视频语义描述方法

引用

北京工业大学学报 2012年第5期38卷 730-735页

作者：王茹尹宝才王立春孔德慧北京工业大学计算机学院多媒体与智能软件技术北京市重点实验室北京100124

为提高手语合成视频的真实感,提出一种面向手语合成的视频语义描述方法,并基于语义描述构建出相应的视频数据库.采集特定研究领域的手语视频数据,按照词义把源视频切分成词条基元和基于人体-部件的多层次过渡基元,通过对视频基元每帧图... 详细信息

为提高手语合成视频的真实感,提出一种面向手语合成的视频语义描述方法,并基于语义描述构建出相应的视频数据库.采集特定研究领域的手语视频数据,按照词义把源视频切分成词条基元和基于人体-部件的多层次过渡基元,通过对视频基元每帧图像进行语义描述来建立它们的多维语义模型.每个视频基元的多维语义模型代表了该视频每帧图像所包含的具体手语信息,包括位置、手形、韵律等.在手语合成过程中,通过解析视频的多维语义模型即可实时地调用有用的信息.该视频语义描述方法可为手语合成提供实时一致的语义理解,并且在拼接2段不同韵律的手语视频时,可通过解析出的韵律信息适当地调整过渡帧的插值位置,进而合成韵律一致的过渡视频.

关键词：手语合成语义描述语义模型

来源：评论

学校读者我要写书评

暂无评论

基于相对编辑相似度的近似重复视频检索和定位

引用

北京理工大学学报 2018年第1期38卷 85-90页

作者：赵清杰王浩刘浩张聪北京理工大学计算机学院智能信息技术北京市重点实验室北京100081

为有效对近似重复视频进行检索和定位,提出了一种基于相对编辑相似度的检索和定位算法.算法包括基于局部特征的视频编码和基于相对编辑相似度的在线检索和定位两部分.基于局部特征的视频编码首先提取数据库视频的关键帧,然后在关键帧中... 详细信息

为有效对近似重复视频进行检索和定位,提出了一种基于相对编辑相似度的检索和定位算法.算法包括基于局部特征的视频编码和基于相对编辑相似度的在线检索和定位两部分.基于局部特征的视频编码首先提取数据库视频的关键帧,然后在关键帧中提取Root-SIFT特征描述符并应用层次K-Means聚类算法构建词典,之后将关键帧量化至词袋模型的单词并编码.基于相对编辑相似度的在线检索和定位首先对查询视频进行编码,然后应用相对编辑相似度算法,筛选近似重复视频并对近似重复片段进行定位.实验结果表明,LD算法比Yeh等提出的算法在平均F1评价准则上效果要高8.55%,并且NDCR降低为原来的29%,效果提升明显.

关键词：近似重复视频检索近似重复视频定位相对编辑相似度

来源：评论

学校读者我要写书评

暂无评论

蛋白质相互作用网络功能模块检测的研究综述

引用

自动化学报 2014年第4期40卷 577-593页

作者：冀俊忠刘志军刘红欣刘椿年北京工业大学计算机学院多媒体与智能软件技术北京市重点实验室北京100124

蛋白质相互作用(Protein-protein interaction,PPI)网络是生命活动中一种极其重要的生物分子关系网络,利用计算方法从PPI网络中检测功能模块是目前生物信息学中一项重要的研究课题.本文首先总结了功能模块检测过程的基本流程,说明了预... 详细信息

蛋白质相互作用(Protein-protein interaction,PPI)网络是生命活动中一种极其重要的生物分子关系网络,利用计算方法从PPI网络中检测功能模块是目前生物信息学中一项重要的研究课题.本文首先总结了功能模块检测过程的基本流程,说明了预处理和后处理的作用;其次,提出了一种模块检测方法的分类体系,并对其中一些代表性的检测算法进行了阐述;再次,给出了模块检测常用的数据库、评价指标和相关软件工具,并通过实验对代表性算法进行了性能对比.最后,通过对该领域挑战性问题的分析预测了模块检测未来的研究方向,以期对相关研究提供一定的参考.

关键词：蛋白质相互作用网络功能模块检测检测流程分类体系性能对比

来源：评论

学校读者我要写书评

暂无评论

多媒体传感器网络及其研究进展

引用

软件学报 2006年第9期17卷 2013-2028页

作者：马华东陶丹北京邮电大学计算机学院智能通信软件与多媒体北京市重点实验室北京100876

作为一种全新的信息获取和处理技术,多媒体传感器网络较之传统传感器网络更多地关注于音频、视频、图像等大数据量、大信息量媒体的采集与处理,在军事、民用及商业领域中具有广阔的应用前景.介绍了多媒体传感器网络的概念与特点,着重探... 详细信息

作为一种全新的信息获取和处理技术,多媒体传感器网络较之传统传感器网络更多地关注于音频、视频、图像等大数据量、大信息量媒体的采集与处理,在军事、民用及商业领域中具有广阔的应用前景.介绍了多媒体传感器网络的概念与特点,着重探讨了多媒体传感器网络所面临的挑战与国内外的研究进展,最后分析了当前亟待解决的问题,并展望了其未来的发展趋势.多媒体传感器网络是一种新的概念系统但也存在较多的问题需要解决,其研究具有很强的理论意义和实用价值.

关键词：音视频处理传感器网络多媒体传感器网络

来源：评论

学校读者我要写书评

暂无评论

室内场景下实时地三维语义地图构建

引用

仪器仪表学报 2019年第5期40卷 240-248页

作者：单吉超李秀智张祥银贾松敏北京工业大学信息学部北京100124 计算智能与智能系统北京市重点实验室北京100124

移动机器人自主建图是完成智能行为的前提。为提高机器人智能水平和直观的用户交互,地图需要扩展超出几何和外观信息的语义信息。研究了将基于深度残差网络(DRN)的像素级图像语义分割和三维同时定位与建图(SLAM)相融合的三维语义地图构... 详细信息

移动机器人自主建图是完成智能行为的前提。为提高机器人智能水平和直观的用户交互,地图需要扩展超出几何和外观信息的语义信息。研究了将基于深度残差网络(DRN)的像素级图像语义分割和三维同时定位与建图(SLAM)相融合的三维语义地图构建方法。首先,采用一种联合中值滤波算法进行深度图像的修复,使用改进的迭代最近点(ICP)算法得到相机估计位姿以及基于随机蕨类的闭环检测构建出三维环境地图;其次,采用优化的深度残差网络对输入的图像实现较精准的像素语义级别的预测与分割;最后,采用贝叶斯更新方法,渐进式的将图像分割获取的语义分类标签迁移到重建的室内三维模型中,获得完整的三维语义地图。实验表明,所设计的方法可以在实际的、复杂环境下实时地构建语义地图。

关键词：闭环优化同时定位与建图图像语义分割贝叶斯更新三维语义地图

来源：评论

学校读者我要写书评

暂无评论

基于双向压力模型的多源应用层组播拥塞控制方案

引用

计算机研究与发展 2012年第8期49卷 1611-1617页

作者：高建敏陆慧梅刘婧曹元大北京理工大学计算机学院智能信息技术北京市重点实验室北京100081

相比传统组播模式,多源应用层组播能用更少的网络资源实现多方交互式应用.但组播特性、应用层环境以及多源属性均会使得多源应用层组播的拥塞问题变得更加严重.因此,提出一种基于双向压力模型的多源应用层组播拥塞控制方案,该方案采用... 详细信息

相比传统组播模式,多源应用层组播能用更少的网络资源实现多方交互式应用.但组播特性、应用层环境以及多源属性均会使得多源应用层组播的拥塞问题变得更加严重.因此,提出一种基于双向压力模型的多源应用层组播拥塞控制方案,该方案采用正反压的方式来避免组播流在节点上产生拥塞,并同时采用基于权重的缓冲转移策略来保证同一组内所有数据源的组播流在共享节点上公平地占用缓冲和带宽资源,并进一步讨论了环形拥塞问题的严重性和解决办法.PlanetLab实验网评测结果表明,该方案在实现多源应用层组播拥塞控制的同时,能够协调不同组播流的流量,实现其公平性和可扩展性.

关键词：应用层组播多源组播拥塞控制双向压力可靠性

来源：评论

学校读者我要写书评

暂无评论

面向城市固废焚烧过程的二噁英排放浓度检测方法综述

引用

自动化学报 2020年第6期46卷 1063-1089页

作者：乔俊飞郭子豪汤健北京工业大学信息学部北京100124 计算智能与智能系统北京市重点实验室北京100124

焚烧在城市固体废物(Municipal solid wastes,MSW)的无害化、减量化和资源化处理方面优势显著.MSW焚烧(MSW incineration,MSWI)过程副产品之一的剧毒持久性污染物二噁英(Dioxins,DXN)是造成焚烧建厂“邻避效应”的主要原因.DXN排放浓度... 详细信息

焚烧在城市固体废物(Municipal solid wastes,MSW)的无害化、减量化和资源化处理方面优势显著.MSW焚烧(MSW incineration,MSWI)过程副产品之一的剧毒持久性污染物二噁英(Dioxins,DXN)是造成焚烧建厂“邻避效应”的主要原因.DXN排放浓度难以在线实时检测的工业现状已成为制约MSWI过程运行优化与城市环境污染控制的瓶颈.首先,结合典型MSWI过程分析DXN的生成特性与排放控制策略;接着,将DXN排放浓度检测方法从测量原理、复杂度和时间尺度等视角分为离线直接检测法、指示物/关联物在线间接检测法和软测量法并进行综述;然后,对不同方法的发展阶段和关联性进行分析,指出各自的优劣性和相互间的互补性,结合MSWI过程特点归纳基于过程数据进行DXN排放浓度软测量的难点,并将其提炼为一类面向小样本高维稀疏标记数据的智能建模问题;最后,指出进行DXN排放浓度智能软测量的未来研究方向和发展前景.

关键词：城市固体废物焚烧二噁英排放在线检测小样本高维数据智能软测量

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：