排序方式: 共有29条查询结果,搜索用时 15 毫秒
1.
超像素分割是一种重要的图像预处理工具,有关这方面的研究是近年来计算机视觉领域的研究热点。该文对近年来基于聚类方法的超像素分割算法综合分析,并重点就2000年以来三种重要的基于聚类方法的超像素分割算法进行了实验对比,从分割效果和运行效率等方面进行了分析和比较。实验效果显示:DBSCAN超像素生成算法在执行效率和边缘贴合度上都优于其他两种算法,这对于计算机视觉和图像处理领域需要进行快速准确图像分割的应用场景具有重要的参考作用。 相似文献
2.
针对软件工程专业的学生毕业后无法快速进入并适应行业专业工作的现状,分析了现有程序设计综合实训课程教学中的弊端,并进行了教学改革探索和实践. 相似文献
3.
暴雨强度计算模型参数拟合优化的新进化方法 总被引:2,自引:0,他引:2
针对传统推求暴雨强度计算模型的参数的方法,不仅计算复杂、通用性差且常得不到全局最优解等问题,提出利用基因表达式编程对单一重现期暴雨强度计算模型参数的拟合优化的GEP_FPO算法,讨论了该算法的最优化特性和实施过程,并进行了实例计算评估分析,验证了基因表达式编程在单一重现期暴雨强度计算模型参数的拟合优化问题中是可行的,且效果较好。 相似文献
4.
覃晓 《广西师范学院学报(自然科学版)》2002,19(3):73-75
从电子商务平台同其他系统的相互关系出发,说明了为实现电子商务平台的“屏蔽数据源大部分的变化对具体业务接口的影响,对不同的应用提供统一的流程”的功能,如何充分应用面向对象的程序设计方法进行电子商务系统的开发。 相似文献
5.
基于卷积神经网络的图像分类算法的优势是传统方法无法比拟的。卷积神经网络利用其设计好的网络结构和权值共享的特点,能够从数量庞大的训练数据中学习图像底层到高级语义的抽象特征,而且端到端的学习省去了在每一个独立学习任务执行之前所做的数据标注。多年来,卷积神经网络经过科研人员的探索和尝试,从最开始的多层神经网络模型,演变出多种优化结构,性能不断提高。本文介绍了基于卷积神经网络图像分类算法的研究进展,叙述了卷积神经网络在图像分类中的经典模型和近年来的改进方法,并对各个模型进行分析,展示各种方法在ImageNet公共数据集上的性能表现,最后对基于卷积神经网络的图像分类算法的研究进行总结和展望。 相似文献
6.
并行算法是当前研究解决算法效率问题的成熟技术之一.为提高GEP算法解决复杂函数优化问题的效率,将并行算法引入多细胞基因表达式编程函数优化问题,解决传统计算形式不能充分发挥多核处理器性能的问题.通过分析多细胞基因表达式编程并行算法的机理和MPI和OpenMP混合并行模型,设计与实现多细胞基因表达式编程函数优化的并行算法(Parallel Multicellula rGene Expression Programmingalgorithmfor Function Optimization)PGMFO.实验结果表明针对复杂的函数优化问题,在不影响精度和收敛性的情况下,PGMFO 算法比原有的算法效率高出10%-20%. 相似文献
7.
中文自动分词一直是中文信息处理、Web文档挖掘等处理文档类研究的基础技术之一,传统的中文分词技术研究,主要集中在算法的改进研究上,对实验的平台,有关软件的实现涉及很少.本文通过探讨中文自动分词的重要性和不可或缺性,给出了基于VC /MFC自动分词软件的开发技术,最后对软件实现的四种基于词典的机械匹配的算法进行了实验分析,实验证明该系统能够高效的给中文信息处理提供一个平台. 相似文献
8.
基于内容的网络不良文本信息动态过滤技术探析 总被引:2,自引:0,他引:2
该文探讨了基于内容的网络不良文本信息动态过滤方法的原理,评价了各方法特点、优势与不足,指出了的未来研究重点和难点.为有关管理者进行决策和研究者继续深入研究提供有益参考. 相似文献
9.
覃晓 《广西师范学院学报(自然科学版)》2009,(2):112-115
教学设计是连接教学理论与教学实践的桥梁,在教学过程中起着重要的作用.教学设计的优劣直接影响着教学质量.教学设计能力应该成为师范生成长为职业教师所必备的一项基本能力. 相似文献
10.
K均值聚类是医学图像分割中最常用的方法之一,但K均值(K-means)聚类算法一个固有缺陷,在于若初始中心点的选取有重复的中心点,则聚类结果将含有空簇而使得聚类结果没有意义,进而影响图像分割效果。针对这一缺陷,首先提出在初始选点过程中进行聚类中心优化,避免产生重复的解决办法——初始点优化K均值算法(Initialization Optimized K-means,IOK-means),继而将初始选点数据域约束到图像直方图峰值集,进一步改善聚类效果,得到全局优化K均值聚类算法(Global Optimized K-means,GOK-means)。将GOK-means应用在脑部医学图像分割的实验表明:GOK-means能够将脑部灰质、白质及骨骼部分清晰地分割,与传统K均值算法IOKmeans相比,GOK-means的初始化聚类中心成功率达到100%,聚类总体均方差降低了54.9%,验证了GOK-means的有效性。 相似文献