检索结果-内蒙古大学图书馆

电子测量技术 2024年第17期47卷 80-88页

作者：谭棉李志玲陈望曾涛涛冯夫健贵州民族大学数据科学与信息工程学院贵阳550025 贵州民族大学贵州省模式识别与智能系统重点实验室贵阳550025

多源域自适应是迁移学习中的一个重要分支,类别偏移是多源域自适应领域的热点难题之一,其本质是源域和目标域类别分布不匹配的问题。针对此问题,提出了一种基于类别感知与重加权的多源域自适应算法,该算法通过类别感知策略增强相似类别... 详细信息

多源域自适应是迁移学习中的一个重要分支,类别偏移是多源域自适应领域的热点难题之一,其本质是源域和目标域类别分布不匹配的问题。针对此问题,提出了一种基于类别感知与重加权的多源域自适应算法,该算法通过类别感知策略增强相似类别间的正向迁移;同时,引入重加权矩匹配策略,减少不同层面的分布差异;此外,利用伪标签构建自适应权重,有效降低类别偏移的影响。在Digits-five和Office-Caltech10两个数据集上的任务分类准确率分别达到了94.11%和97.18%,实验结果表明,所提算法相比于当前典型的多源域自适应算法在类别偏移场景下的准确性方面有显著提升。

关键词：迁移学习多源域自适应类别感知矩匹配自适应加权

来源：评论

学校读者我要写书评

暂无评论

基于自注意特征融合的钢材表面小目标缺陷检测

引用

电子测量技术 2024年第19期47卷 172-180页

作者：冯夫健罗太维谭棉汪小梅王岳继贵州民族大学数据科学与信息工程学院贵阳550025 贵州民族大学贵州省模式识别与智能系统重点实验室贵阳550025

针对钢材表面小目标缺陷占比小,对比度低,导致钢材表面小目标缺陷检测模型提取丰富缺陷特征失效的问题。基于联系上下文信息和增强特征融合之间的关系,对钢材表面小目标缺陷检测问题提出以下解决方案:首先,结合滑动窗口机制Swin Transfo... 详细信息

针对钢材表面小目标缺陷占比小,对比度低,导致钢材表面小目标缺陷检测模型提取丰富缺陷特征失效的问题。基于联系上下文信息和增强特征融合之间的关系,对钢材表面小目标缺陷检测问题提出以下解决方案:首先,结合滑动窗口机制Swin Transformer,利用分层结构和局部窗口整合不同特征块的特征信息,以在降低卷积操作密集性的基础上增强小目标缺陷特征信息的对比度;其次,采用坐标注意力机制使模型获得更多的位置信息,以增强小目标缺陷特征信息的多样性;最后结合具有丰富梯度流信息的特征融合模块CSP-FCN,提出了基于自注意特征融合的钢材表面小目标缺陷检测模型SFNet,该模型将不同尺度特征融合以产生丰富的语义信息,增强钢材表面小目标缺陷的特征表达能力。实验结果表明,SFNet在NEU-DET和GC10-DET公开数据集上的检测性能优于目前经典的目标检测模型。此外,所提模型在参数量减少为原来1/2的基础上平均精度值分别提升了3%和3.7%。

关键词：钢材表面缺陷小目标缺陷检测 Swin Transformer 位置信息特征融合

来源：评论

学校读者我要写书评

暂无评论

非完整约束移动机器人CRAB RRT轨迹规划

引用

机械与电子 2023年第4期41卷 3-8,16页

作者：宋云云杨盛毅朱力贵州民族大学数据科学与信息工程学院贵州贵阳550025 贵州民族大学模式识别与智能系统重点实验室贵州贵阳550025 贵州民族大学机械电子工程学院贵州贵阳550025

针对快速扩展树算法在多障碍环境搜索效率低、冗余节点多的问题,提出一种CRAB-RRT算法。该算法采用圆域概率偏向采样策略进行随机采样;将扩展树上节点分为2类,通过度量邻近点间对角线距离、历史路径成本和扩展角度的加权和,在有效邻近... 详细信息

针对快速扩展树算法在多障碍环境搜索效率低、冗余节点多的问题,提出一种CRAB-RRT算法。该算法采用圆域概率偏向采样策略进行随机采样;将扩展树上节点分为2类,通过度量邻近点间对角线距离、历史路径成本和扩展角度的加权和,在有效邻近点集中选出高质量最近点;在新节点扩展中添加了目标引力分量,并根据环境障碍信息实现扩展步长自适应变化;经过对非完整约束移动机器人运动学模型的分析,提出了极限角约束,通过考虑受极限角约束的路径裁剪策略剔除冗余节点,利用三次B样条平滑方法平滑轨迹。通过数值仿真分析和实车实验,验证了CRAB-RRT算法的可行性、实用性与优越性,平滑后的路径更利于机器人跟踪,且适用于多障碍环境。

关键词：非完整约束 CRAB-RRT 目标偏向性自适应步长 B样条平滑

来源：评论

学校读者我要写书评

暂无评论

基于信息融合的边缘检测在现场可编程门阵列上的实现

引用

济南大学学报（自然科学版） 2016年第1期30卷 60-63页

作者：姚宗国陈大伟李金屏山东省工商行政管理局信息中心山东济南250014 济南大学信息科学与工程学院山东济南250022 济南大学模式识别与智能系统研究所山东济南250022 济南大学山东省网络环境智能计算技术重点实验室山东济南250022

利用信息融合和4个方向Sobel边缘检测器,在现场可编程门阵列(FPGA)上实现了彩色图像的边缘检测。将每个像素的多个颜色分量用于信息融合,通过使用加权信息融合和Sobel算子提取有效的边缘。实验结果表明:该方法可以提高边缘检测的效果,... 详细信息

利用信息融合和4个方向Sobel边缘检测器,在现场可编程门阵列(FPGA)上实现了彩色图像的边缘检测。将每个像素的多个颜色分量用于信息融合,通过使用加权信息融合和Sobel算子提取有效的边缘。实验结果表明:该方法可以提高边缘检测的效果,平均处理速度达到25帧/s,能够满足实时处理的要求。同时,图像处理的硬件实现大大加速了市场产品的形成。

关键词：边缘检测现场可编程门阵列信息融合多颜色空间

来源：评论

学校读者我要写书评

暂无评论

贵州民族大学开放实验室管理模式研究

引用

明日风尚 2017年第15期 239-239页

作者：冯夫健谭棉贵州民族大学贵州省模式识别与智能系统实验室

贵州民族大学工程实训中心结合本校学科专业建设实际对重点实验室管理制度进行改革,分别从人员管理、系统化管理、不同种类实验室管理等方面进行革新,构建了适合本校的实验室管理模式,通过实践表明,该管理模式有效的提高了教师、学生的... 详细信息

贵州民族大学工程实训中心结合本校学科专业建设实际对重点实验室管理制度进行改革,分别从人员管理、系统化管理、不同种类实验室管理等方面进行革新,构建了适合本校的实验室管理模式,通过实践表明,该管理模式有效的提高了教师、学生的积极性,使理论研究和实验教学实现更好的衔接。

关键词：开放实验室实验室管理管理模式实验教学

来源：评论

学校读者我要写书评

暂无评论

基于相似关系的社会集合论

基于相似关系的社会集合论

引用

中国计算机学会多值逻辑与模糊逻辑专业委员会第十三届学术年会

作者：李金屏黄艺美济南大学信息科学与工程学院模式识别与智能系统研究所山东省网络环境智能计算技术重点实验室山东省济南市济微路106号 250022

来源：评论

学校读者我要写书评

暂无评论

基于Hough变换的道路边缘检测方法

科学导报

引用

科学导报 2015年第9期 214-214页

作者：冯夫健 550025 贵州民族大学贵州省模式识别与智能系统实验室贵州贵阳

在以图像处理技术为基础的视觉导引方式下,提出了一种基于Hough变换的道路边缘检测方法.将拍摄到的道路图像进行滤波预处理;利用纹理方向场和阈值分割的方法对处理后的图像进行分割;利用Hough变换实现道路边缘的检测与定位.试验结果表明... 详细信息

在以图像处理技术为基础的视觉导引方式下,提出了一种基于Hough变换的道路边缘检测方法.将拍摄到的道路图像进行滤波预处理;利用纹理方向场和阈值分割的方法对处理后的图像进行分割;利用Hough变换实现道路边缘的检测与定位.试验结果表明,此方法对复杂的道路环境具有较好的适应性.

关键词：道路边缘阈值分割纹理方向场 hough变换

来源：评论

学校读者我要写书评

暂无评论

基于混合注意力的布朗距离协方差小样本图像分类算法

引用

湖北民族大学学报（自然科学版） 2024年第4期42卷 521-527页

作者：包春梅王前陈望李志玲王彬王林贵州民族大学数据科学与信息工程学院贵阳550025 贵州省模式识别与智能系统重点实验室贵阳550025

针对小样本图像分类中主干卷积神经网络所提取特征缺乏关联性,以及在将其表示为布朗距离协方差(Brownian distance covariance,BDC)矩阵时易出现通道特征信息丢失的问题,提出了基于混合注意力的布朗距离协方差(hybrid attention-Brownia... 详细信息

针对小样本图像分类中主干卷积神经网络所提取特征缺乏关联性,以及在将其表示为布朗距离协方差(Brownian distance covariance,BDC)矩阵时易出现通道特征信息丢失的问题,提出了基于混合注意力的布朗距离协方差(hybrid attention-Brownian distance covariance,HA-BDC)小样本图像分类算法。该算法首先在主干卷积神经网络中引入加权的非局部注意力机制来增强特征提取能力,然后采用跨空间学习的高效多尺度注意力模块重塑嵌入特征,使得新的特征张量能够保留每个通道上的信息。再用BDC度量模块将新的特征张量表示为BDC矩阵,并通过全连接层得到BDC矩阵的权重矩阵,最后采用逻辑回归模型进行分类。在大规模视觉识别挑战的子数据集(mini ImageNet large scale visual recognition challenge,miniImageNet)和分层大规模视觉挑战的子数据集(tiered ImageNet large scale visual recognition challenge,tieredImageNet)上进行分类实验,结果表明,HA-BDC算法相较于简单迁移学习深度布朗协方差(simple transfer learning deep Brownian distance covariance,STL DeepBDC)算法在5-类别1-样本任务中的分类准确率分别提升了2.83%和0.77%。该研究能有效应用于数据量较小的濒危动物识别、罕见疾病识别等领域。

关键词：机器学习小样本学习度量学习布朗距离协方差混合注意力机制特征重塑

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：