检索结果-内蒙古大学图书馆

计算机应用研究 2017年第11期34卷 3233-3236页

作者：张亮李智星王进重庆邮电大学计算机科学与技术学院重庆400065 重庆邮电大学计算智能重庆市重点实验室重庆400065

针对AdaBoost算法只能静态分配基分类器权重,不能自适应地对每个测试样本动态调整权重的问题,提出了一种基于动态权重的AdaBoost算法。算法通过对训练样本集合进行聚类,并分析每个基分类器和每个类簇的适应性,进而为每个基分类器在不同... 详细信息

针对AdaBoost算法只能静态分配基分类器权重,不能自适应地对每个测试样本动态调整权重的问题,提出了一种基于动态权重的AdaBoost算法。算法通过对训练样本集合进行聚类,并分析每个基分类器和每个类簇的适应性,进而为每个基分类器在不同类簇上设置不同权重,最终根据测试样本与类簇之间的相似性来计算基分类器在测试样本上的权重。在UCI数据集上的实验结果表明,提出的算法有效利用了测试样本之间的差异性,得到了比AdaBoost算法更好的效果。

关键词： AdaBoost 动态权重聚类基分类器

来源：评论

学校读者我要写书评

暂无评论

一种采用点匹配的图像区域复制粘贴篡改检测方法

引用

小型微型计算机系统 2017年第7期38卷 1631-1635页

作者：甘玲周灿李大港重庆邮电大学计算机科学与技术学院重庆400065 重庆邮电大学计算智能重庆市重点实验室重庆400065 重庆邮电大学软件工程学院重庆400065

针对应用尺度不变特征变换(SIFT)特征进行图像复制粘贴篡改检测时,在特征匹配过程中出现的错误匹配现象以及不能较准确的定位出篡改图像中的复制区域和粘贴区域等不足,本文结合层次聚类算法和随机抽样一致性算法,提出一种有效的特征匹... 详细信息

针对应用尺度不变特征变换(SIFT)特征进行图像复制粘贴篡改检测时,在特征匹配过程中出现的错误匹配现象以及不能较准确的定位出篡改图像中的复制区域和粘贴区域等不足,本文结合层次聚类算法和随机抽样一致性算法,提出一种有效的特征匹配方法.并以最终得到的匹配特征点作为种子点,基于像素区域生长的思想,有效的定位出了篡改图像中的复制区域和粘贴区域.实验结果表明,所提方法在保证图像鉴别效率的同时,能够有效去除经过平移、旋转和缩放等篡改方式的图像中的特征误匹配问题,并且在实现区域定位方面取得了较好的效果.

关键词：复制粘贴篡改特征提取特征匹配误匹配区域生长

来源：评论

学校读者我要写书评

暂无评论

基于Hessian矩阵的冠脉造影图像分割与骨架提取

引用

数据采集与处理 2016年第5期31卷 911-918页

作者：秦红星黄晓雪重庆邮电大学计算机科学与技术学院重庆400065 重庆邮电大学计算智能重庆市重点实验室重庆400065

针对冠脉造影图像模糊、对比度低等导致的冠脉血管提取不完整、骨架不连续等问题,提出一种基于Hessian矩阵的多尺度冠脉分割与骨架提取算法,并估计血管半径值,为冠脉结构的三维重建奠定基础。该方法利用Hessian矩阵特征值对应线性目标... 详细信息

针对冠脉造影图像模糊、对比度低等导致的冠脉血管提取不完整、骨架不连续等问题,提出一种基于Hessian矩阵的多尺度冠脉分割与骨架提取算法,并估计血管半径值,为冠脉结构的三维重建奠定基础。该方法利用Hessian矩阵特征值对应线性目标的关系,构造一个新颖的血管相似性响应函数,对冠脉增强并阈值化得到分割结果,同时由Hessian矩阵确定冠脉血管的法线方向,通过求解法线方向上的极值点得到冠脉骨架的初始像素点集,以此来提取冠脉血管的欧氏骨架。实验结果表明,该算法简洁高效,相比现有算法能提取到更多的细小分支,得到的冠脉骨架完整,半径估计准确。

关键词：冠脉造影图像 Hessian矩阵对数变换中轴转换欧氏骨架

来源：评论

学校读者我要写书评

暂无评论

改进的局部保持典型相关分析的无线传感器网络节点定位方法

引用

传感技术学报 2016年第10期29卷 1579-1588页

作者：朱素文曾宪华胡梦重庆邮电大学计算机科学与技术学院重庆400065 计算智能重庆市重点实验室重庆400065

利用接收信号强度(RSSI)进行无线传感器网络(WSN)定位是一类低成本定位方法。局部保持典型相关分析定位(LE-LPCCA)算法能通过节点间RSSI数据的相似度信息近似拟合WSN结构,取得了较高定位精度。但该算法只使用节点间相似性信息未保留信... 详细信息

利用接收信号强度(RSSI)进行无线传感器网络(WSN)定位是一类低成本定位方法。局部保持典型相关分析定位(LE-LPCCA)算法能通过节点间RSSI数据的相似度信息近似拟合WSN结构,取得了较高定位精度。但该算法只使用节点间相似性信息未保留信号空间和物理空间的相关性信息,且求解未知节点坐标时使用粗糙的质心法。针对以上问题,提出改进的局部保持典型相关分析定位(LE-ILPCCA)算法,该算法在样本训练阶段用平衡参数将数据的相似性和相关性信息进行融合,求取RSSI内在低维坐标表示的投影变换;在定位阶段,求解已知节点位置坐标和RSSI内在低维坐标之间存在的线性转换关系,获得未知节点的坐标。实验结果表明,本文算法与LE-LPCCA和LE-CCA相比定位精度高、稳定性强。

关键词：无线传感器网络定位典型相关分析局部保持投影

来源：评论

学校读者我要写书评

暂无评论

流形排序的交互式图像分割

引用

智能系统学报 2016年第1期11卷 117-123页

作者：曾宪华易荣辉何姗姗重庆邮电大学计算机科学与技术学院重庆400065 重庆邮电大学计算智能重庆市重点实验室重庆400065

针对显著目标检测难以获得有效的目标整体检测导致目标分割困难的问题,采用一种在初始显著图的指导下添加有效交互信息的方式来获得目标的准确分割。该方法利用边界先验对超像素进行流形排序获得初始显著图,参照显著图对不显著的目标部... 详细信息

针对显著目标检测难以获得有效的目标整体检测导致目标分割困难的问题,采用一种在初始显著图的指导下添加有效交互信息的方式来获得目标的准确分割。该方法利用边界先验对超像素进行流形排序获得初始显著图,参照显著图对不显著的目标部分添加目标标记,显著背景部分添加背景标记,利用标记信息对超像素重新进行流形排序,将获得的显著图与初始显著图融合,对融合后的显著图采用自适应阈值法来获得目标的分割。在BSD图像数据库中的实验得到的平均正确分割率(TPR)和平均错误分割率(FPR)优于经典的最大相似合并图像分割算法(MSRM),表明了该算法能有效分割出正确的目标。

关键词：流形排序交互式图像分割显著目标目标检测显著图背景标记目标标记

来源：评论

学校读者我要写书评

暂无评论

基于热扩散的体绘制传递函数设计方法

引用

计算机工程与设计 2016年第1期37卷 174-179页

作者：秦红星何锐董明杰重庆邮电大学计算机科学与技术学院重庆400065 重庆邮电大学计算智能重庆市重点实验室重庆400065

为在体绘制中更直观地探索体数据的内部结构,提出一种基于热扩散的传递函数设计方案。根据体数据中的体素密度值赋予热扩散的初始热值,把每个体素都作为一个体源进行热扩散处理,扩散结束后,每个体素都会得到一个热值,根据体素上的热值... 详细信息

为在体绘制中更直观地探索体数据的内部结构,提出一种基于热扩散的传递函数设计方案。根据体数据中的体素密度值赋予热扩散的初始热值,把每个体素都作为一个体源进行热扩散处理,扩散结束后,每个体素都会得到一个热值,根据体素上的热值和密度值设计传递函数,为体数据中不同结构对象设置颜色和不透明度光学属性。基于几组体数据的实验结果表明,该方法比传统的一维传递函数更直观有效。

关键词：热扩散热值传递函数分类体绘制

来源：评论

学校读者我要写书评

暂无评论

基于宽度学习的集成超分辨率重建方法

引用

计算机工程与设计 2016年第9期37卷 2526-2532页

作者：曾宪华侯苏丽重庆邮电大学计算机科学与技术学院重庆400065 重庆邮电大学计算智能重庆市重点实验室重庆400065

不同的超分辨率重建算法重建得到的高分辨率图像都各有所长,为将这些重建图像中的有效信息集成到一幅图像中,做到优势互补,提高图像的质量,提出基于宽度学习的集成超分辨率重建方法。利用径向基神经网络的宽度学习模式训练一个预测模型... 详细信息

不同的超分辨率重建算法重建得到的高分辨率图像都各有所长,为将这些重建图像中的有效信息集成到一幅图像中,做到优势互补,提高图像的质量,提出基于宽度学习的集成超分辨率重建方法。利用径向基神经网络的宽度学习模式训练一个预测模型,利用该模型对新输入数据进行预测,得到其对应的权值,重建高分辨率图像。对常用的近邻重建算法、稀疏重建算法以及稀疏近邻算法进行集成,在医学图像上进行实验,实验结果表明,相较集成的算法,该算法重建效果有较大程度提高,比近邻重建算法PSNR提高1.14dB,SSIM提高0.23,比稀疏重建算法PSNR提高1.26dB,SSIM提高0.05,比稀疏近邻重建算法PSNR提高1.01dB,SSIM提高0.03。

关键词：图像块集成非负权值宽度学习预测模型超分辨率重建

来源：评论

学校读者我要写书评

暂无评论

基于集成深度学习的时间序列预测模型

引用

山东大学学报（工学版） 2016年第6期46卷 40-47页

作者：何正义曾宪华曲省卫吴治龙重庆邮电大学计算机科学与技术学院重庆400065 计算智能重庆市重点实验室重庆400065

基于高斯过程的条件受限玻尔兹曼机(GCRBM)时序模型可以很好的预测单一种类时序数据,但是该模型难以预测多类别的真实高维数据。针对这个问题,提出基于集成深度学习的时间序列预测模型,对多类时序对应训练多个深可信网络(deep belief ne... 详细信息

基于高斯过程的条件受限玻尔兹曼机(GCRBM)时序模型可以很好的预测单一种类时序数据,但是该模型难以预测多类别的真实高维数据。针对这个问题,提出基于集成深度学习的时间序列预测模型,对多类时序对应训练多个深可信网络(deep belief networks,DBN)模型来学习低维特征,利用低维特征对应训练多个GCRBM时序模型。预测时序时先通过训练出的一组DBN模型对目标数据进行降维并通过重建误差识别类别,然后通过识别到的类别所对应的GCRBM模型预测目标数据的后期时序。在CASIA-A步态数据集上的试验结果表明:本方法能够准确识别出步态序列,而且预测结果能够模拟出真实的步态序列,证实了本模型的有效性。

关键词：时间序列预测模型深可信网络高斯过程的条件受限玻尔兹曼机集成深度学习

来源：评论

学校读者我要写书评

暂无评论

基于区域生长的稠密三维点云重建方法

引用

计算机工程与设计 2016年第2期37卷 465-469页

作者：秦红星胡勇强重庆邮电大学计算机科学与技术学院重庆400065 重庆邮电大学计算智能重庆市重点实验室重庆400065

目前存在的稀疏方法重建出的三维点云不够充足,导致无法重建出有效三维模型,为此提出一种基于区域生长的方法实现稠密三维点云的重建。以图像特征点匹配作为初始种子,以零均值归一化互相关系数和双视几何约束作为生长过程中图像对应点... 详细信息

目前存在的稀疏方法重建出的三维点云不够充足,导致无法重建出有效三维模型,为此提出一种基于区域生长的方法实现稠密三维点云的重建。以图像特征点匹配作为初始种子,以零均值归一化互相关系数和双视几何约束作为生长过程中图像对应点的匹配标准,在整幅图像上进行匹配生长,采取视差梯度约束和置信度约束进行匹配优化,获得稠密的图像对应点匹配;采用一种基于平面的相机标定方法计算相机的内部参数;利用稠密匹配和相机的内部参数计算图像间的相机运动参数,以投票策略确定相机运动参数;建立双视几何模型重建点云。实验结果表明,该方法能重建出准确的稠密三维点云。

关键词：区域生长零均值归一化互相关系数双视几何匹配优化相机标定稠密三维点云

来源：评论

学校读者我要写书评

暂无评论

迎接智能时代——“人工智能”专刊篇首语

引用

计算机科学 2016年第12期43卷 I0001-I0002页

作者：王国胤孙富春马华东蒋田仔重庆邮电大学计算智能重庆市重点实验室清华大学计算机科学与技术系北京邮电大学计算机学院中国科学院自动化研究所模式识别国家重点实验室

1956年夏，以John McCarthy，Marvin Lee Mingsky，Nathaniel Rochester和Claude Samuel等为首的一批年轻科学家在达特茅斯大学召开了两个月的学术研讨会，研究和探讨用机器模拟智能的问题，首次提出了“人工智能”这一术语，标志着“... 详细信息

1956年夏，以John McCarthy，Marvin Lee Mingsky，Nathaniel Rochester和Claude Samuel等为首的一批年轻科学家在达特茅斯大学召开了两个月的学术研讨会，研究和探讨用机器模拟智能的问题，首次提出了“人工智能”这一术语，标志着“人工智能”这门新兴学科的正式诞生。60年来，人工智能的发展道路波折起伏，形成了符号主义、连接主义、行为主义三大学派。云计算提供了强大的信息计算和处理能力，大数据提供了丰富的数据信息资源，人工智能迎来了新一轮的发展高潮。近年来，人机大战、人脸识别、语音识别、智能搜索、机器人等领域纷纷取得了具有划时代意义的里程碑式的人工智能科技创新成果，引起了国际社会对人工智能的广泛关注。

关键词：人工智能信息计算学术研讨会新兴学科符号主义连接主义行为主义信息资源

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：