排序方式: 共有10条查询结果,搜索用时 15 毫秒
1
1.
提出了一种基于以太网的灯光亮度智能控制系统,系统在计算机上通过以太网实现对家庭中灯的亮度进行远程控制,在家庭内部用单片机实现数据通信与控制,具有操作简单、成本低和易于控制等优势,在智能家居中有广阔的应用前景. 相似文献
2.
针对多分类癫痫检测算法因特征维数多而导致识别率不理想的问题, 提出了一种基于分数阶傅里叶变换
(FrFT: Fractional Fourier Transform)和非负矩阵分解(NMF: Non-negative Matrix Factorization)的癫痫脑电自动识
别算法。 首先采用 FrFT 对脑电信号进行时频聚焦, 并利用短时傅里叶变换 (STFT: Short-Time Fourier
Transform)提取脑电信号的时频特征; 再应用 NMF 对提取的时频特征进行降维; 最后将降维后的特征输入到支
持向量机(SVM: Support Vector Machine)分类器中进行识别。 实验结果表明, 该方法能识别正常、 癫痫发作间
期和癫痫发作期 3 类脑电信号, 其分类准确率可达 98. 8%。 相似文献
3.
4.
5.
针对整形小波变换能量集中性较差的问题,提出了基于整数平方阈值的小波图像压缩算法.该算法用整数平方阚值代替传统零树编码中2的整数幂量化阈值;通过调整码字的表示方式,充分利用游程编码的优点,在提高压缩效率的同时,简化了编码与解码的过程;使零树编码在整形小波变换中得到高效应用. 相似文献
6.
为保证所提取特征表征作用的全面性, 提出一种基于几何特征和局部纹理特征相结合的特征提取方法。
将基于主动表观模型(AAM: Active Appearance Model)特征点标记提取的几何特征和基于局部二值模式(LBP:
Local Binary Pattern)提取的眼部和嘴部纹理特征进行融合, 融合后的特征经局部线性嵌入(LLE: Locally Linear
Embedding)方法进行特征降维, 并使用多分类的支持向量机(SVM: Support Vector Machine)进行分类识别。
该方法分别选取 JAFFE 数据集 7 类表情和小样本数据集 Yale 的 4 类表情进行实验, 识别准确率分别达到了
98. 57%和 91. 67%, 从而证明了该方法的有效性。 相似文献
7.
为使视频监控技术更方便、并能网络实时监控, 基于视频压缩技术的进步以及智能手机等移动设备的普及, 分析了监控系统的需求、面临的问题及调整, 设计了一套基于Android 平台的功能完善的远程视频监控报警系统。实际测试表明, 该系统实现了高清晰度的实时视频监控功能, 并在出现异常情况下进行智能分析做出相应预警操作。系统功能完善, 界面简洁大方, 并具有一定的兼容性、可扩展性。 相似文献
8.
一般小波变换,零树编码优点很多,但对于能量集中性较差的整形小波变换就显得力不从心。因此对整形小波变换存在的这一特点结合零树编码的优点提出了一种新算法。第一,根据整形小波变换后各子带系数幅值的动态变化较小;小波图像能量较一般小波差的特点,提出了利用整数平方作为量化阈值的整数平方算法,充分利用了整型小波变换;第二,提出一种基于索引表和游程编码的小波零树编码的新思路,简化了编码与解码的过程。 相似文献
9.
基于 PCA 和 ELM 的网络入侵检测技术 总被引:1,自引:0,他引:1
针对基于传统 BP(Back Propagation)神经网络算法的入侵检测技术收敛速度慢和检测率不高的问题, 提
出了一种基于主成分分析(PCA: Principal Component Analysis)和极限学习机(ELM: Extreme Learning Machine )
算法相结合的入侵检测方法。 对提取的特征矩阵采用了 PCA 降维, 并使用 ELM 算法对 4 类常见的攻击类型进
行了多分类检测。 实验结果表明, 该方法正确率高达 98. 337 5%, 检测时间仅 1. 851 7 s, 与传统方法相比缩短
了 2 ~6 倍, 同时还提高了检测率和精度, 降低了误报率和漏报率。 最终改善了正确率、 误报率、 漏报率、 检测
率、 精度和测试时间 6 项指标。 相似文献
10.
为解决癫痫脑电信号分类类别以及分类精度不足的问题,使用频率切片小波变换对脑电数据进行信号重构,得到5 个频段的节律信号,再利用非线性指标近似熵和线性指标波动指数共同作为癫痫信号的特征值,充分提取信号的特征信息。随后使用梯度提升树算法对得到的特征数据集进行多分类。实验表明,该算法对癫痫脑电信号的三分类识别率为98. 4%。较传统Adaboost 算法,该方法采取了GBDT( Gradient Boosting Decision Tree) 作为分类算法,成功利用更多的数据集,并且使得分类精度更高。 相似文献
1