基于KNN分类器的分层图像特征提取

给出一种基于k最近邻分类器(KNN)的分层图像特征提取方法.该方法能有效地获得有代表性和判别性的模板集合,并以较低计算复杂度来获取更高的识别精度.     

具有临界指数的k-耦合薛定谔系统的基态解

考虑k-耦合薛定谔系统■证明了在系数满足一定条件时正的基态解的存在性以及非平凡解的不存在性结果。     

鲤鱼尾鳍对鱼体阻力特性影响的数值模拟

采用逆向工程方法获取了鲤鱼外形的三维点云数据,构建了鲤鱼三维模型,应用k-ωSST湍流模型对比模拟研究鲤鱼尾鳍对鱼体阻力特性的影响。结果表明:在未考虑鲤鱼表面黏性的条件下,鲤鱼摩擦阻力占总阻力的比例略大;鲤鱼尾鳍可显著减小鱼体压差阻力,来流速度为10m/s时,有尾鳍的鱼体模型压差阻力较无尾鳍的鱼体模型降低了4.95%;尾鳍在不同来流速度下均可显著减小鱼体模型压差阻力占总阻力的比例,最大减小了4%。     

一种基于KNN的室内位置指纹定位算法

提出了一种基于KNN 的FM、DTMB 联合信号位置指纹匹配算法,并根据不同位置具有不同信号强度将匹配过程设计为一个多分类算法模型. 离线阶段,通过采集FM 信号与DTMB 信号的强度信息,完成位置指纹库的构建. 在线匹配阶段,利用KNN 算法对新采集到的数据进行加权欧氏距离匹配,通过对K 值以及特征向 量的选取对定位误差进行了分析. 仿真结果表明,该算法在室内定位中具有良好的鲁棒性和准确度,90% 概率下定位精度2.3 m.     

基于区块链的物联网节点位置隐私保护模型

物联网正在改变消费者的行为和业务流程.针对物联网设备的信息隐私及安全问题，提出基于区块链技术的物联网设备位置信息保护模型.该模型首先借助区块链技术将记录设备标识，保证物联网设备信息不可篡改；然后基于白名单技术实现分布式哈希表网络，并对设备位置信息进行异或处理以隐藏物联网的网络拓扑，保护物联网设备的位置信息；最后根据k-匿名算法泛化数据的敏感属性为用户提供区域信息统计服务.实验结果证明该模型可以有效隐藏设备位置信息，同时能够提供定制的区域统计服务并且保护用户信息安全.     

多特征和神经网络相融合的体育视频识别

为了提高体育视频识别的精度,提出一种多特征和神经网络相融合的体育视频识别模型(MF-RBFNN).分别提取反映体育视频的静态和动态特征,然后采用RBF神经网络对静态和动态特征分别分类,并将初步识别结果构造基本概率指派,运用证据理论对初步结果进行融合,得到体育视频识别结果.结果表明,相对于对比模型,MF-RBFNN提高了体育视频识别精度,是一种有效的体育视频识别方法.     

最短特征线段多分类器系统设计

为提高多分类器系统分类的性能,设计了一种使用最短特征线段分类器的多分类器系统。依据最短特征线段分类算法工作机理,利用特征线段长度表征样本隶属于各个类别的可能性,即模糊隶属度,对成员分类器输出形式完成由摘要级至度量级的重新建模,更多地保留输出细节以减少信息损失,进而利用基于模糊的证据融合规则实现成员分类器的度量级融合,通过隶属度到mass函数的转换,利用模糊-证据融合规则实现多分类器系统的构造,进一步提高了多分类器系统分类性能。采用人工数据集和UCI数据集设计了对比实验,实验表明,与其他邻域型分类器构造的多分类器系统相比,新多分类器系统能有效提升分类正确率。