【摘 要】
：
针对传统基于极端学习机(ELM)的纹理分类方法容易出现输出不稳定的缺点,本文将线性和非线性模型进行融合,改进了传统动力学模型。利用ELM能够快速学习的特点,将其作为基分类器,同时利用线性吸引子和局部吸引子的迭代,实现多个ELM分类器的最佳融合,以提升学习模型的泛化能力和稳定性。利用动力模型实现多分类器的融合有助于寻求多个基分类器之间的一致性,摒弃了基分类器中判别错误的样本输出。通过对CUReT纹理
论文部分内容阅读
针对传统基于极端学习机(ELM)的纹理分类方法容易出现输出不稳定的缺点,本文将线性和非线性模型进行融合,改进了传统动力学模型。利用ELM能够快速学习的特点,将其作为基分类器,同时利用线性吸引子和局部吸引子的迭代,实现多个ELM分类器的最佳融合,以提升学习模型的泛化能力和稳定性。利用动力模型实现多分类器的融合有助于寻求多个基分类器之间的一致性,摒弃了基分类器中判别错误的样本输出。通过对CUReT纹理数据库的分类结果,与传统纹理分类方法相比,本文算法的稳定性和分类准确率都得到了一定程度的提升,取得了理想
其他文献
针对迭代重建算法中投影系数的重复计算,以及投影矩阵存储占用空间大,检索效率低等问题,本文提出一种基于vector容器的投影矩阵稀疏存储与快速访问方法。该方法只计算一次投影系数,并利用容器的大小可变性将投影系数以二进制格式进行稀疏存储。在迭代重建过程中,循环访问这些二进制文件,并使用容器快速检索获得每一条射线的投影系数。实验证明,本文提出的方法有效地减少了投影矩阵占用的内存,减少了迭代过程中计算投影
随着信息技术的迅猛发展,多媒体投影辅助教学的方式已不能满足学生日益增长的学习需求。文章提出了一种针对3DS MAX等操作性较强课程的基于多媒体网络教学系统的教学模式,并对该模式如何解决多媒体投影教学中存在的学生主体性得不到发挥、理论和实际操作无法有效结合、课后辅导受空间限制等问题进行了阐述,为同类操作性课程提出了一种更为公平、易行、有效的评估方式,以促进学生高效学习。
为了实现对农产品配送过程中的可追溯,基于消费者、农产品相关企业和相关政府监管部门等,以实现对农产品的过程可追溯、质量问题可召回等为基本目标,并基于射频识别技术(RFID),提出了农产品冷链可追溯系统总体结构,设计了农产品冷链可追溯系统,并以生猪产品的冷链配送,重点研究了RFID在农产品冷链追溯中的应用。
针对彩色人脸中的环境影响,提出了一种新的识别方法。首先将彩色人脸图像在YCb Cr空间进行转换,增强了图像的聚类性;然后将转换后的图像进行NMF,得到对应基图像的分解系数;再经过LDA算法,找到投影矩阵Wopt,使得类间距最大,类内距最小,从而确定图像所属的类。实验验证此方法有效地提高了识别的准确率和效率。
Gestures recognition is of great importance to intelligent human-computer interaction technology, but it is also very difficult to deal with, especially when the environment is quite complex. In this
This paper studies diffraction tomography based on Fourier diffraction projection theorem. By the observation of frequency domain projecting image, one can find that projection in frequency domain is
裸眼跟踪三维立体显示技术能克服传统自由立体显示中固定视角和不能移动观测等问题。本文简述了裸眼跟踪三维立体技术的原理;评述了包括非可见光、单摄像侦测系统、多摄像侦测系统三类裸眼跟踪三维立体显示典型技术实现方法,并对最新实现装置进行了技术分析;最后总结了裸眼自由立体显示技术的发展动态,指出其将向高分辨率、广角、多观测者、多摄像侦测系统方向发展。
为了有效提高虹膜识别系统的识别率,对虹膜定位分割提出了改进算法。首先用二值化对瞳孔进行分离,然后将虹膜图像缩小。再通过改进的Canny算子检测虹膜边缘,接着采用最小二乘法进行曲线拟合。最后利用Radon变换对上下眼睑进行处理,得到有效的虹膜特征值区域。并选取CASIA1.0、CASIA4.0中虹膜图像在Matlab上进行实验,实验结果表明该算法不仅定位时间明显缩短,而且定位准确度可达到98.82%
针对数据的特征存在单一和协同特征的选择问题,基于平方误差标准核密度估计和随机置换理论,首先提出一种针对单一特征的特征选择方法 (FSKDE-RP);然后,针对协同特征的情况,通过拓展随机置换理论,提出多维协同特征选择算法(SFSKDE-MRP),并利用核神经网络(KNN)分类器的分类精度选择最优特征子集.在模拟数据和真实数据集上的实验结果表明了所提出算法的有效性.
针对传统道路偏离检测算法仅对结构化道路适用的缺陷,提出一种基于主动鉴别字典学习的偏离控制算法用于非结构化道路的偏离检测与控制.采用主动学习算法从未标记样本中学习得到主动鉴别字典,根据其结构化重构误差判断车辆偏离方向,并以此为依据控制车辆行驶方向;定义有代价的加权错误率,作为衡量算法纠偏能力的新准则.实验结果表明,所提出的算法对于结构化和非结构化道路偏离检测均有较强的有效性和可靠性.