【摘 要】
：
为改善大多数异常检测算法仅通过正常样本训练模型,缺乏异常样本,将会造成一定程度的误判问题,提出了一种基于有效异常样本构造的异常检测算法。通过K-means聚类算法得到代表不同类型正常事件的聚类簇,然后,基于异常事件的时序关系构造异常样本,再结合本文构造的异常样本,利用二分类支持向量机算法训练分类器,将检测任务转化为分类任务,从而提高检测准确率。本文在经典数据集(Avenue数据集)上进行了算法有效
论文部分内容阅读
为改善大多数异常检测算法仅通过正常样本训练模型,缺乏异常样本,将会造成一定程度的误判问题,提出了一种基于有效异常样本构造的异常检测算法。通过K-means聚类算法得到代表不同类型正常事件的聚类簇,然后,基于异常事件的时序关系构造异常样本,再结合本文构造的异常样本,利用二分类支持向量机算法训练分类器,将检测任务转化为分类任务,从而提高检测准确率。本文在经典数据集(Avenue数据集)上进行了算法有效性验证,发现本文算法的检测准确度优于一些领域内的先进算法。因此,充分利用视频的时序关系进行异常样本的构造
其他文献
传统红外人工诊断方法难以应对变电站机器人、无人机自主巡检产生的海量红外图片,目前针对电流致热型缺陷较易识别,但缺少危害严重的电压致热型缺陷智能诊断方法研究,提出了一种基于旋转目标检测的变电设备电压致热型缺陷智能诊断方法。基于改进R3Det模型对瓷套进行旋转目标检测,基于Faster RCNN模型对红外图像中三相区域、套管、电流互感器等变电设备区域进行识别、定位;通过自动关联包含在三相区域中的同类设
在自然环境下对火龙果进行实时检测是实现火龙果自动化采摘的必要条件之一。该研究提出了一种轻量级卷积神经网络YOLOv4-LITE火龙果检测方法。YOLOv4集成了多种优化策略,YOLOv4的检测准确率比传统的YOLOv3高出10%。但是YOLOv4的骨干网络复杂,计算量大,模型体积较大,不适合部署在嵌入式设备中进行实时检测。将YOLOv4的骨干网络CSPDarknet-53替换为MobileNet-
《趣味地震学》是发表于中国地震学会主办期刊《地震科学进展》的系列科普文章,自2019年1月起连载两年多,好评如潮,下载量居高。该结集出版的精编版,知识点多、可读性强,对于地震科学的基本概念用翔实的材料做了通俗易懂的讲解,生动有趣的文笔和高质量的插图跃然纸上,非但对不了解此行业的读者有很好的启蒙作用,对专业人员也有较大的参考价值。在地震科普写作上,从新颖的视角做了尝试,内涵与辞采兼备。
环境感知是智能化的基础,着重于让计算机解析图像内容,实现个体的身份认证。随着数字化与自动化技术的普及与发展,建筑物图像识别系统的设计与实现,成为了图像识别技术与建筑管理领域共同的发展目标。如何运用先进的图像识别算法对建筑物进行准确识别,又该如何提升建筑物图像识别技术的智慧性与先进性,是建筑物图像识别系统的现实问题。
后照明图像在白内障诊断和治疗中有着广泛的应用.使用计算机进行分割、分级,不仅省时而且可以得到客观的结果.针对已有算法在灰度不均匀、背景与前景灰度接近区域时无法有效分割的问题,提出一种基于改进FCM算法的后照明图像分割算法.在改进的算法中,首先计算超像素图像区域梯度信息,然后将超像素区域梯度信息归一化后作为权重引入到FCM算法中,充分考虑超像素图像区域信息和梯度信息,从而减少了这些区域的误分.实验结
为了实现中小型牧场实际养殖环境下牛只个体身份识别,达到精细化饲养的目的,试验提出了一种基于图像多通道K-奇异值分解(K-SVD)算法的字典学习算法来进行牛脸识别。该算法结合稀疏表示理论,通过R、G、B 3个通道获取更多图像细节和分量信息,将3个通道分量划分为n×n的网格重构输入矩阵。利用正交匹配追踪算法(OMP)对重构矩阵进行稀疏表示,结合K-SVD算法进行字典更新,为每类样本构造对应通道的学习字
边缘增强作为一种图像处理技术,对于研究物体边界信息有着重要的应用。根据热光鬼成像的关联机制,将鬼成像与螺旋相衬成像技术相结合,把相位物体与涡旋滤光器非定域地放在热光鬼成像系统的探测光路和参考光路中,建立了相位物体边缘增强识别系统。实验结果表明,采用具有分数阶轨道角动量拓扑荷的涡旋滤波器可以实现轨道角动量值在0～1范围内的相位物体的边缘渐变性增强效果。随着轨道角动量拓扑荷数的增加,相位物体的边缘增强
Land data assimilation(DA) is an effective method to provide high-quality spatially and temporally continuous soil moisture datasets that are crucial in weather, climate, hydrological, and agricultura
为了实现复眼系统小型化、轻量化,提出一种基于相机外凸式的安装结构。基于该种结构,首先分析了子眼系统视场角之和与光轴夹角之间的关系,通过两子眼系统视场边缘点之间的坐标关系,建立了与子眼间光轴夹角、子眼系统视场角、观测距离相关的视场重叠率计算模型。通过对此模型分析,复眼系统中子眼间光轴夹角应当小于子眼视场角之和,且大于子眼视场角之差;在上千米的观测距离下,子眼间的视场重叠率随观测距离的变化趋向于定值。
针对在小样本图像分类中,几个样本的特征图不足以描述整个类特征空间,导致误分类的问题,提出了滑动特征向量神经网络(SFV),该方法通过集合同类样本的滑动特征向量构建类特征空间,并利用样本-类的特征向量度量方式分类查询样本。SFV融合了特征块的边缘信息以及位置结构的相关性,最大限度地利用深层特征信息的同时扩充了类特征空间。实验表明:在各数据集中SFV均能取得不错的效果,在细粒度数据集上,达到了最佳精度