检索结果-内蒙古大学图书馆

南京航空航天大学学报 2019年第5期51卷 599-608页

作者：张燕兰李长清许晴媛闽南师范大学计算机学院漳州363000 闽南师范大学数学与统计学院漳州363000 数据科学与智能应用福建省高等学校重点实验室漳州363000 福建省粒计算及其应用重点实验室漳州363000

决策为划分的覆盖决策信息系统的特征选择理论和方法日趋成熟。但在数据采集的过程中,有些数据集存在对象的决策缺失或决策不能完全确定情况,那么将决策刻画为覆盖更加合理。而决策为覆盖的覆盖决策信息系统特征选择的研究却很少见。本... 详细信息

决策为划分的覆盖决策信息系统的特征选择理论和方法日趋成熟。但在数据采集的过程中,有些数据集存在对象的决策缺失或决策不能完全确定情况,那么将决策刻画为覆盖更加合理。而决策为覆盖的覆盖决策信息系统特征选择的研究却很少见。本文讨论决策为覆盖的覆盖决策信息系统的特征选择,利用证据理论中的信任函数和似然函数给出覆盖决策信息系统约简的等价刻画,从而给出求约简的算法,并以实例说明该方法的有效性。

关键词：属性约简覆盖信息系统覆盖粗糙集证据理论

来源：评论

学校读者我要写书评

暂无评论

融合双HOG特征和颜色特征的目标跟踪

引用

江苏科技大学学报（自然科学版） 2020年第4期34卷 64-70页

作者：林淑彬丁飞飞杨文元闽南师范大学计算机学院漳州363000 闽南师范大学福建省粒计算及其应用重点实验室漳州363000

目标跟踪是计算机视觉中一个极具挑战性的任务,应用于图像处理、模式识别、自动控制等不同领域.许多跟踪算法都获得了良好的效果,但复杂的运动场景会影响目标跟踪的性能.文中提出一种融合双HOG特征和颜色特征的方法,用于视觉目标跟踪,... 详细信息

目标跟踪是计算机视觉中一个极具挑战性的任务,应用于图像处理、模式识别、自动控制等不同领域.许多跟踪算法都获得了良好的效果,但复杂的运动场景会影响目标跟踪的性能.文中提出一种融合双HOG特征和颜色特征的方法,用于视觉目标跟踪,通过构造双HOG特征和颜色直方图特征,并进行融合,减少运动场景变化对目标跟踪的影响.首先,提取当前帧目标区域的HOG特征,并分割为HOG1和HOG2,利用判别相关滤波器对两个特征分别进行滤波处理,选择出最优的特征;然后,利用颜色直方图提取当前帧目标区域的颜色属性特征;最后,融合双HOG特征和颜色特征,获得特征响应图,在响应图中寻找最大值位置,即预测出的新目标位置.在OTB-2013、OTB-2015基准数据集上与其他6个算法对比,实验结果显示,该方法在处理背景杂乱、平面外旋转和形状变化等目标跟踪方面具有良好性能.

关键词：计算机视觉目标跟踪颜色特征 HOG特征特征响应

来源：评论

学校读者我要写书评

暂无评论

基于拉普拉斯超分辨率印刷电路板瑕疵检测方法

引用

中国体视学与图像分析 2020年第3期25卷 295-303页

作者：施玉娟林璐颖杨文元漳州职业技术学院福建漳州363000 闽南师范大学福建省粒计算及其应用重点实验室福建漳州363000

瑕疵检测是印刷电路板生产中一个重要环节。电路板复杂度高,瑕疵尺寸小,工业采集图像分辨率低,传统检测方法无法满足高精度及高召回率的要求。针对此问题,本文提出一种结合拉普拉斯金字塔超分辨率网络和YOLO v3目标检测算法的瑕疵检测... 详细信息

瑕疵检测是印刷电路板生产中一个重要环节。电路板复杂度高,瑕疵尺寸小,工业采集图像分辨率低,传统检测方法无法满足高精度及高召回率的要求。针对此问题,本文提出一种结合拉普拉斯金字塔超分辨率网络和YOLO v3目标检测算法的瑕疵检测方法。首先,使用拉普拉斯金字塔超分辨率网络逐级重建电路板高分辨率图像。其次,将高分辨率图像输入到Darknet-53网络中,使用YOLO v3算法提取特征。然后,使用K-Means聚类调整先验框的大小,利用先验框对特征图进行多尺度检测。最后使用非极大值抑制合并候选框,定位瑕疵及分类。在北大公开的电路板瑕疵数据集上进行训练和检测,实验结果平均精度均值为99.41%,召回率为99.31%。

关键词：目标检测卷积神经网络拉普拉斯超分辨率网络 YOLO 瑕疵检测

来源：评论

学校读者我要写书评

暂无评论

二进制辨识矩阵的属性约简及不必要属性的求解

引用

太原师范学院学报（自然科学版） 2020年第3期19卷 49-53页

作者：黄丽萍闽南师范大学计算机学院福建漳州363000 数据科学与智能应用福建省高等学校重点实验室福建漳州363000 福建省粒计算及其应用重点实验室福建漳州363000

针对现有二进制辨识矩阵的属性约简算法得不到最小约简且效率较低的问题,提出从行和列的角度对属性的重要度进行计算,求取属性约简,并在约简的过程中对辨识矩阵进行删减,提高了算法效率.在计算属性约简的过程中可以求得核属性、绝对和... 详细信息

针对现有二进制辨识矩阵的属性约简算法得不到最小约简且效率较低的问题,提出从行和列的角度对属性的重要度进行计算,求取属性约简,并在约简的过程中对辨识矩阵进行删减,提高了算法效率.在计算属性约简的过程中可以求得核属性、绝对和相对不必要属性.最后通过实例和实验证明,该方法的有效性和可行性.

关键词：粗糙集二进制辨识矩阵属性约简绝对不必要属性相对不必要属性

来源：评论

学校读者我要写书评

暂无评论

平行线填充算法在区域面积量算中的应用

引用

内蒙古农业大学学报（自然科学版） 2019年第2期40卷 77-83页

作者：邱国清闽南师范大学计算机学院漳州363000 福建省粒计算及其应用重点实验室闽南师范大学漳州363000

基于平行线原理提出一种新的区域填充算法并运用于环形多边形的面积量算中。首先,绘制一组等间距平行线并计算与多边形边界的交点值;其次,从第二条平行线开始,依次和前一条平行线配对组成一个矩形区域并计算面积;最后,利用自定义的算法... 详细信息

基于平行线原理提出一种新的区域填充算法并运用于环形多边形的面积量算中。首先,绘制一组等间距平行线并计算与多边形边界的交点值;其次,从第二条平行线开始,依次和前一条平行线配对组成一个矩形区域并计算面积;最后,利用自定义的算法判断每个矩形区域两端的小三角形区域是否保留或删除,从而计算出整个环形多边形区域的面积。通过对单一、相交、凹进和凸起、复杂多边形区域面积量算得出的数据表明,该算法能快速准确计算指定区域面积且具有较好的通用性。

关键词：等间距平行线面积量算复杂多边形矩形区域斜率

来源：评论

学校读者我要写书评

暂无评论

多特征融合的无人机目标跟踪算法研究

引用

哈尔滨商业大学学报（自然科学版） 2020年第2期36卷 183-189页

作者：欧丰林杨文元漳州职业技术学院信息工程学院福建漳州363000 闽南师范大学福建省粒计算及其应用重点实验室福建漳州363000

视觉目标跟踪是无人机监控领域一项重要的关键技术.无人机在高空领域监控的对象具有距离大而且目标小,因此视差和光照变化等方面跟踪性能不高.在背景感知相关滤波器框架提出一种新的响应融合策略,通过对响应图中的峰值强度进行加权实现... 详细信息

视觉目标跟踪是无人机监控领域一项重要的关键技术.无人机在高空领域监控的对象具有距离大而且目标小,因此视差和光照变化等方面跟踪性能不高.在背景感知相关滤波器框架提出一种新的响应融合策略,通过对响应图中的峰值强度进行加权实现目标跟踪的精确定位.通过背景感知相关滤波器对跟踪的目标提取的每个特征;利用峰值信噪比来衡量响应值的峰值强度,对每个响应值进行加权融合.利用融合响应图对目标进行精确定位.该算法在UAV123公开的数据集进行实验,与六个视频跟踪算法进行对比分析.实验表明,该算法表现出较好的性能,特别是提高目标跟踪的运动中视差和光照变化的性能.

关键词：计算机视觉目标跟踪无人机峰值信噪比相关滤波多特征响应融合

来源：评论

学校读者我要写书评

暂无评论

无监督混阶栈式稀疏自编码器的图像分类学习

引用

计算机应用 2019年第12期39卷 3420-3425页

作者：杨东海林敏敏张文杰杨敬民闽南师范大学计算机学院福建漳州363000 福建省粒计算及其应用重点实验室(闽南师范大学) 福建漳州363000

目前多数图像分类的方法是采用监督学习或者半监督学习对图像进行降维,然而监督学习与半监督学习需要图像携带标签信息。针对无标签图像的降维及分类问题,提出采用混阶栈式稀疏自编码器对图像进行无监督降维来实现图像的分类学习。首先... 详细信息

目前多数图像分类的方法是采用监督学习或者半监督学习对图像进行降维,然而监督学习与半监督学习需要图像携带标签信息。针对无标签图像的降维及分类问题,提出采用混阶栈式稀疏自编码器对图像进行无监督降维来实现图像的分类学习。首先,构建一个具有三个隐藏层的串行栈式自编码器网络,对栈式自编码器的每一个隐藏层单独训练,将前一个隐藏层的输出作为后一个隐藏层的输入,对图像数据进行特征提取并实现对数据的降维。其次,将训练好的栈式自编码器的第一个隐藏层和第二个隐藏层的特征进行拼接融合,形成一个包含混阶特征的矩阵。最后,使用支持向量机对降维后的图像特征进行分类,并进行精度评价。在公开的四个图像数据集上将所提方法与七个对比算法进行对比实验,实验结果表明,所提方法能够对无标签图像进行特征提取,实现图像分类学习,减少分类时间,提高图像的分类精度。

关键词：无监督学习栈式自编码器降维混阶特征图像分类

来源：评论

学校读者我要写书评

暂无评论

基于多粒度粗糙集的聚类融合方法

引用

计算机应用研究 2019年第10期36卷 2943-2947页

作者：于佩秋李进金林国平闽南师范大学数学与统计学院福建漳州363000 福建省粒计算重点实验室福建漳州363000

现有的聚类融合算法从聚类成员的角度出发,若使用全部聚类成员则融合结果受劣质成员影响,对聚类成员进行选择再进行融合则选择的策略存在主观性。为在一定程度上避免这两种局限性,可以从元素的角度出发,提出一种新的聚类融合方法。通过... 详细信息

现有的聚类融合算法从聚类成员的角度出发,若使用全部聚类成员则融合结果受劣质成员影响,对聚类成员进行选择再进行融合则选择的策略存在主观性。为在一定程度上避免这两种局限性,可以从元素的角度出发,提出一种新的聚类融合方法。通过多粒度决策不一致粗糙集来选择一部分类别确定的元素,再利用这部分元素进行聚类融合生成新的划分;多粒度决策不一致粗糙集模型能够刻画多粒度决策过程中属性一致而决策不一致的现象,提出了一种基于多粒度决策不一致的粗糙集模型,并给出了一种聚类融合方法。具体做法是:首先在数据集上多次使用K-means聚类算法,生成论域上的多个粒结构;其次对所有粒结构两两之间求粒间包含度,建立包含度矩阵,对矩阵使用Otsu算法计算阈值,得出多组满足阈值条件的信息粒,求解多粒度决策不一致下近似和上近似;最后分别处理下近似与边界域中元素的类别,从而获得一个经过融合的聚类划分。实验结果表明,该方法能够有效改善聚类的结果,具有较高的时间效率,且算法具有较好的鲁棒性。

关键词：多粒度粗糙集聚类融合大津算法包含度

来源：评论

学校读者我要写书评

暂无评论

目标跟踪的尺度参数优化研究

引用

南京师大学报（自然科学版） 2019年第4期42卷 69-76页

作者：吴慧君李梅云杨文元漳州职业技术学院信息工程学院福建漳州363000 闽南师范大学福建省粒计算及其应用重点实验室福建漳州363000

鲁棒的尺度判别一直是视频目标跟踪领域中一个富有挑战性的问题.现有的算法在处理复杂图像序列的尺度变化问题时,跟踪速度和精度方面都还有待提升.本文构建两个相关滤波器,加入尺度变换,对目标跟踪的尺度参数进行优化,以提升跟踪速度和... 详细信息

鲁棒的尺度判别一直是视频目标跟踪领域中一个富有挑战性的问题.现有的算法在处理复杂图像序列的尺度变化问题时,跟踪速度和精度方面都还有待提升.本文构建两个相关滤波器,加入尺度变换,对目标跟踪的尺度参数进行优化,以提升跟踪速度和精度.首先,构建一维和二维相关滤波器,其中二维位置滤波器实现目标的跟踪以确定目标的位置,一维尺度滤波器对尺度变换进行初步计算得到目标的尺度.然后,组合一维和二维相关滤波器形成三维滤波器,实现最终的目标定位;最后,分析尺度因子参数的取值对跟踪中的速度、中心位置偏移、位置精度和重叠精度的影响.在OTB-2015数据集进行实验,获得了目标跟踪尺度参数的优化取值.

关键词：计算机视觉目标跟踪相关滤波尺度估计参数优化

来源：评论

学校读者我要写书评

暂无评论

基于属性重要度的变精度邻域粗糙集属性约简算法

引用

计算机科学 2019年第12期46卷 261-265页

作者：郑文彬李进金何秋红闽南师范大学计算机学院福建漳州363000 福建省粒计算及其应用重点实验室(闽南师范大学) 福建漳州363000 闽南师范大学数学与统计学院福建漳州363000

邻域粗糙集理论主要用于知识发现、属性选择、决策分析和数据挖掘等领域,能够根据数据的特点选择合适的离散化策略,在处理模糊和不确定性知识方面表现良好。但是,传统粗糙集属性约简算法存在难以确保获得约简、约简后的粗糙集属性识别... 详细信息

邻域粗糙集理论主要用于知识发现、属性选择、决策分析和数据挖掘等领域,能够根据数据的特点选择合适的离散化策略,在处理模糊和不确定性知识方面表现良好。但是,传统粗糙集属性约简算法存在难以确保获得约简、约简后的粗糙集属性识别准确率低等不足。对此,文中提出了一种基于属性重要度的属性约简算法。在充分考虑现有条件信息熵多方面不足的基础上,借鉴变精度邻域粗糙集理论对阈值参数进行重选,以新的条件信息熵作为度量基准,根据决策信息系统中的偏好属性推导出偏好决策规则集。对偏好决策规则集进行粗糙规则提取,并通过邻域粒化方法建立了变精度邻域粗糙集模型。该模型在处理大规模粗糙集属性数据时,计算时间较长,冗余属性过多。针对该问题,给出了一种属性重要度评价策略,在此基础上通过融合多叉树理论设计了变精度邻域粗糙集属性约简算法。实验结果表明,与传统方法相比,所提算法的属性识别准确率为92%,提高了10%左右,这充分验证了所设计的属性约简算法具有较强的有效性和较高的应用价值。

关键词：属性重要度变精度邻域粗糙集属性约简多叉树

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：