检索结果-内蒙古大学图书馆

微机发展 2002年第5期12卷 44-46页

作者：桂国富阮宗才韦穗安徽大学智能计算与信号处理教育部重点实验室安徽合肥230039

图像Morphing是图像之间插补变换的一类被广泛使用的技术 ,这种方法是基于两幅图像之间的像素位置和颜色的内插 ,但对 3D场景或物体 ,它不能保证所生成图像的真实性 ,即不满足透视性质 ,在此介绍一种图像插补变换的新方法 :视图Morphin... 详细信息

图像Morphing是图像之间插补变换的一类被广泛使用的技术 ,这种方法是基于两幅图像之间的像素位置和颜色的内插 ,但对 3D场景或物体 ,它不能保证所生成图像的真实性 ,即不满足透视性质 ,在此介绍一种图像插补变换的新方法 :视图Morphing技术 ,它可以保证生成图像的真实性 ,且不需要知道图像的 3D信息 ,这避免了图像的 3D重建 ,因而具有极大的应用价值。一般的视图Morphing技术需要知道图像的投影矩阵 ,可是用目前的技术 ,从图像直接获得投影矩阵是很困难的。视图Morphing技术事先不需要知道图像的投影矩阵 ,就可以对摄像机刚体运动所获得的两幅图像进行插补运算 ,获得中间视点的图像。

关键词：视图Morphing技术视图插补计算机视觉图像变形图像匹配

来源：评论

学校读者我要写书评

暂无评论

范例库中特征项权重的发现技术

引用

厦门大学学报（自然科学版） 2002年第2期41卷 168-172页

作者：倪志伟蔡庆生贾瑞玉中国科学技术大学计算机科学系安徽合肥230027 安徽大学计算智能与信号处理教育部重点实验室安徽合肥230039

系统地探讨了在范例库中引入一系列可以使用的数据挖掘技术 ,以期提高范例推理系统中知识获取的自动化程度 .为了准确地表达范例比较间的本质特征 ,重点讨论了应用于范例库上特征项赋权的基本技术 ,并提出了一个自适应发现算法 ,然后进... 详细信息

系统地探讨了在范例库中引入一系列可以使用的数据挖掘技术 ,以期提高范例推理系统中知识获取的自动化程度 .为了准确地表达范例比较间的本质特征 ,重点讨论了应用于范例库上特征项赋权的基本技术 ,并提出了一个自适应发现算法 ,然后进行了实验。

关键词：范例推理数据挖掘范例库特征项权重知识获取自适应发现算法知识发现

来源：评论

学校读者我要写书评

暂无评论

范例库上的知识发现

引用

南开大学学报（自然科学版） 2002年第4期35卷 45-49页

作者：倪志伟蔡庆生贾瑞玉中国科学技术大学计算机科学系安徽合肥230027 安徽大学计算智能与信号处理教育部重点实验室安徽合肥230039

本文着重探讨在范例库中引入一系列可以使用的知识发现技术 ,以提高范例推理系统的知识获取的自动化程度 ,这里提出了基于范例库上的修正规则的发现技术与算法 ,为此进行了实验与讨论 .

关键词：范例推理知识发现范例库修正知识库知识获取修正规则规则推理

来源：评论

学校读者我要写书评

暂无评论

二次曲线运动轨迹恢复的新方法

引用

工程图学学报 2002年第3期23卷 85-91页

作者：胡茂林章权兵韦穗胡茂林安徽大学智能计算与信号处理教育部重点实验室合肥230039 安徽大学数学系合肥230039

研究了摄像机和景物同时运动时三维结构的重构问题,即从运动物体在多幅图像上的测量值重构物体在三维空间中的运动轨迹。这里的摄像机可以是一个移动的摄像机,也可以是由空间中多个不同位置的摄像机组成的集合。这个问题首先由AShashua... 详细信息

研究了摄像机和景物同时运动时三维结构的重构问题,即从运动物体在多幅图像上的测量值重构物体在三维空间中的运动轨迹。这里的摄像机可以是一个移动的摄像机,也可以是由空间中多个不同位置的摄像机组成的集合。这个问题首先由AShashua等提出并定义为摴旒Ｈ切畏ā?在关于运动轨迹的某些约束条件下,他们恢复了物体在三维空间中的运动轨迹。这里提出一种基于“测量矩阵”的秩5约束的新方法,这种方法只要求解一个单变量高次方程组,没有用到优化问题,因此是简单、直接的。虽然讨论的运动轨迹是二次曲线,但它也可以方便地推广到运动轨迹为高次多项式曲线的情况。

关键词：轨迹三角形法测量矩阵三维重构摄像机景物

来源：评论

学校读者我要写书评

暂无评论

基于时窗复杂度序列的睡眠脑电分析(英文)

引用

安徽大学学报（自然科学版） 2002年第1期26卷 56-61页

作者：龙飞张道信范羚吴小培安徽大学计算智能与信号处理教育部重点实验室安徽合肥230039

运用时窗复杂度序列来分析睡眠脑电 ,减少了非平稳性及状态空间的不均匀性造成的脑状态信息的丢失 ,在一定程度上克服了复杂度的自身的局限 ,有助于不同睡眠期状态特征的提取。另外本文采用ICA、小波变换等方法对脑电进行预处理 ,实验... 详细信息

运用时窗复杂度序列来分析睡眠脑电 ,减少了非平稳性及状态空间的不均匀性造成的脑状态信息的丢失 ,在一定程度上克服了复杂度的自身的局限 ,有助于不同睡眠期状态特征的提取。另外本文采用ICA、小波变换等方法对脑电进行预处理 ,实验表明它们能有效地去除脑电中的一些生理干扰。

关键词：时窗复杂度序列睡眠分期睡眠脑电分析特征提取 ICA 小波变换脑状态信号

来源：评论

学校读者我要写书评

暂无评论

VHDL综合系统中若干问题处理方法

引用

安徽大学学报（自然科学版） 2002年第2期26卷 18-23页

作者：吴建国张建勋安徽大学计算智能与信号处理教育部重点实验室安徽合肥230039

讨论了在研究和设计VHDL综合系统时遇到的若干问题的解决方案。文中论述了混合级综合、综合中的功能单元库等问题 ;提出分辨信号、断言语句应该综合 ,并给出了综合分辨信号、断言语句的方法 ;还给出了高级综合中复位信号和时钟信号的处... 详细信息

讨论了在研究和设计VHDL综合系统时遇到的若干问题的解决方案。文中论述了混合级综合、综合中的功能单元库等问题 ;提出分辨信号、断言语句应该综合 ,并给出了综合分辨信号、断言语句的方法 ;还给出了高级综合中复位信号和时钟信号的处理方法。

关键词： VHDL综合系统单元库分辨信号关系运算断言语句电子设计

来源：评论

学校读者我要写书评

暂无评论

列车控制问题的计算分析及自适应算法

引用

安徽大学学报（自然科学版） 2002年第2期26卷 1-8页

作者：程家兴陈万里安徽大学计算智能与信号处理教育部重点实验室安徽合肥230039

在对原有算法分析的基础之上指出其导致计算不能执行下去的原因并给出参数的下界 ,提出一种自适应的算法 ,并得到满意的实验结果。

关键词：列车控制问题计算分析自适应算法机车操纵

来源：评论

学校读者我要写书评

暂无评论

基于遗传算法的n皇后问题求解

引用

宿州教育学院学报 2002年第4期5卷 74-75页

作者：谷峰吴勇唐俊安徽大学人工智能研究所智能计算与信号处理教育部重点实验室安徽合肥230039

近代科学技术发展的显著特点之一是生命科学与工程科学的相互交叉,相互渗透和相互促进。遗传算法的蓬勃发展正体现了学科发展的这一特征和趋势。本文通过对n皇后问题的求解,深刻理解遗传算法的原理和对其改进的研究思路,将理论应用于实... 详细信息

近代科学技术发展的显著特点之一是生命科学与工程科学的相互交叉,相互渗透和相互促进。遗传算法的蓬勃发展正体现了学科发展的这一特征和趋势。本文通过对n皇后问题的求解,深刻理解遗传算法的原理和对其改进的研究思路,将理论应用于实践;熟练掌握遗传算法的三种基本操作;选择,交叉,变异的基本原理;体会遗传算法的自然背景;并在实际编写程序中解决具体问题,分析理解遗传算法的可改进之处并尝试作出一些扩展。

关键词：遗传算法 n皇后问题交叉算子染色体佳点集遗传算法

来源：评论

学校读者我要写书评

暂无评论

基于彩色CCD的三色法测量炉膛火焰温度场分布

引用

安徽大学学报（自然科学版） 2002年第2期26卷 24-28页

作者：姜学东韦穗安徽大学计算智能与信号处理教育部重点实验室安徽合肥230039

根据三色测温法原理 ,利用彩色CCD摄像机所摄取的火焰图象中的彩色分量 ,运用数字图象处理技术重建燃烧火焰的温度场分布。

关键词：彩色三色法测量炉膛火焰温度场 CCD摄像机电站锅炉

来源：评论

学校读者我要写书评

暂无评论

复杂噪声中基于累积量的二维DOA估计

引用

安徽大学学报（自然科学版） 2002年第2期26卷 29-33页

作者：徐尚志吴先良安徽大学计算智能与信号处理教育部重点实验室安徽合肥230039

针对自相关算法的局限性 ,研究了复杂环境 (乘法与加法观测噪声共存时 )中 ,通过高阶累积量对二维DOA估计的问题。算法能同时确定目标的仰角与方位角 ;高阶累积量使得算法能够更加有效抑制消除乘法噪声。该方法对任何平稳的加性与乘性... 详细信息

针对自相关算法的局限性 ,研究了复杂环境 (乘法与加法观测噪声共存时 )中 ,通过高阶累积量对二维DOA估计的问题。算法能同时确定目标的仰角与方位角 ;高阶累积量使得算法能够更加有效抑制消除乘法噪声。该方法对任何平稳的加性与乘性噪声均不敏感。

关键词：复杂噪声累积量二维DOA估计高斯噪声信号参量估计

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：