基于图像识别技术的网吧防盗系统的研究与实现

针对类似网吧这种娱乐场所盗窃行为经常发生的现象,研究并实现了一防盗系统．系统通过分析网吧盗窃时罪犯动作的共同点,采用了基于阈值分割法的图像处理技术,使用OPENCV工具编程实现;该系统能识别上网者身边潜在的危险以便及时提醒,使盗窃案防患于未然．系统研究过程中通过搭建一模拟的网吧环境验证了此课题应用到实际生活中的的可行性...     

基于改进FCM算法的彩色图像破损区域提取

现有的大部分图像修复技术需要人工确定待修复区域。结合改进的FCM算法提出了一种自适应提取彩色图像破损区域的方法。该方法可以自适应获取彩色图像初始聚类数目,并采用交叉熵距离测度进行FCM聚类,同时利用颜色和纹理特征向量对彩色图像进行分割,进而提取破损区域。实验结果表明,该方法不仅能够有效提取图像的破损区域,而且算法的普适度也得到了相应提高。与传统的FCM算法相比,本文方法对彩色图像的分割更易于实现,分割效果令人满意。     

结合信息增益率和K-means聚类的协同训练算法

【目的】针对标准协同训练中视图分割不充分冗余导致两个分类器误差累积加大,且两个分类器对同一个未标记样本分类不一致的问题,提出了结合信息增益率和K-means聚类的协同训练算法。【方法】该算法先根据有标记样本计算出数据中每一个特征的信息增益率,将信息增益率高的特征平均划分到两个视图,再在每次分类过程中应用K-means聚类确定标记不一致样本点的最终类别。【结果】通过在9个UCI数据集上的3组实验表明,与对比算法相比,所提算法中两视图分类器的平均正确率差值降低了2.9%,有效均衡了分类器性能,同时在分类准确率和算法稳定性上也有较大提升。【结论】利用信息增益率将关键特征均衡划分到两个视图,有效解决了视图分割不充分冗余问题;K-means聚类重新分类标记不一致的样本,降低了样本被误分类的概率。     

C2AS-CAS2复相耐火材料的制备及其性能研究

本文以镁渣、高岭土、工业氧化铝为原料,采用高温固相法制备C2AS-CAS2复相耐火材料,利用XRD、FE-SEM、EDS等测试技术对试样进行表征,并测试了试样的耐压强度、抗水化性能、抗热震性能。结果表明,试样主晶相为C2AS和CAS2,耐压强度为65.3 MPa,抗水化性能及抗热震性能良好。     

降低实验室制取甲烷中试管破损率的研究

本试验通过采取降低药剂传热层的厚度和衬垫纸张等有效方法,使实验室制取甲烷的实验中,试管破裂率由90％降到0,并消除了碱对试管壁的腐蚀作用,经济效益显著。     

基于K-means算法分割遥感图像的阈值确定方法研究

当前遥感图像分割中阈值确定方法忽略了前景和背景内在的联系,导致过分割和轮廓模糊,造成整体性能低下。为此,提出一种新型基于K-means算法分割遥感图像的阈值确定方法,通过K-means算法对遥感图像进行分割,利用最大类间方差方法得到分割遥感图像的初始阈值,依据该阈值将遥感图像划分成两类,求出两类的均值,将其作为K-means聚类算法的两个初始聚类中心,通过K-means聚类方法逐次迭代,不断更新聚类中心,直至得到聚类准则函数,从而求出遥感图像的最佳分割阈值。实验结果表明,采用所提方法确定遥感图像分割中的阈值,不仅效率高,而且整体性能优越;将得到的阈值应用于遥感图像分割中,能够使目标和背景被有效分离,且分离后目标部分轮廓比较清晰。     

基于图像识别的客观题答题卡识别研究

传统机器阅卷系统成本高,难于普及,针对当今数码相机等数据采集设备越来越普及的形势,本文提出了一种基于图像识别的客观题阅卷的新方法,该方法采用数值图像处理技术和识别技术来提取客观题答题卡中的考试信息,将得到的答案信息与标准答案相比较,得出试卷的分数。利用论文中给出的方法实现客观题智能阅卷具有硬件价格低,维护开销小,修改简便,通用性强,易于推广等优点。实验表明,该方法能识别出正确选择、错误选择、多选及漏选等多种情况,准确率较高,检测识别速度较快。     

基于邻域关系的三支聚类方法

针对当前三支聚类方法不能有效处理数值型数据,且三支聚类结果受阈值影响问题,文章基于邻域关系提出了确定合适阈值的三支聚类方法。首先给出了确定最优K值的改进K-means聚类算法。进而基于邻域关系下的下、上近似引入精度,提出了权衡边界域和精度关系的有效性评价指标。应用该指标,给出了确定邻域下、上近似中最佳阈值的构建算法,进而得到三支聚类的核心域和边界域。最后,通过UCI数据集上的实验验证了该方法的可行性,且该方法有效提高了聚类精度。     

矿岩颗粒图像分割方法研究综述

工业矿场中,各种矿岩颗粒的存在形式是复杂多变的,如何更好地分割各种岩块,直接影响着生产成本和设备需求。传统矿岩颗粒的分割以肉眼观察和描述为主,存在主观性差、实时性差、定量困难等问题,故将数字图像处理技术引入岩石分割研究中。针对矿岩颗粒图像分割,通过介绍传统和新型的图像分割方法,对国内已有的矿岩分割算法进行了概括总结,并对今后的矿岩颗粒图像分割方法进行了展望。     

基于HSV颜色模型扫描地形图的分色方法

彩色地形图分色对实现地形图全自动数字化有着重要的意义。本文针对彩色扫描地形图,首先根据对应关系进行颜色模型转换,然后提出一种最大方差理论与FCM聚类算法相结合的分色方法。从数学的角度,对分割定义和分色方法进行描述和分析。     

基于DenseNet的图像识别方法研究

在深度学习中,随着神经网络层数的加深,训练网络变得越来越困难,现有的浅层的网络无法明显提升网络的识别效果。针对在原有网络的情况下提升网络识别效果,减少参数的问题,本文提出一种改进的DenseNet网络模型,借鉴Inception V3的思想,利用非对称卷积将DenseNet网络中Dense Block层所包含的3×3卷积分解成3×1和1×3的两个卷积,简化网络结构模型。之后再对改进前与改进后的网络模型在数据集上进行训练,实验结果表明,与经典的DenseNet网络模型相比,改进后的网络模型可以提高图像识别的准确性,降低参数,有效地缩短运行时间。     

基于最小聚类单元的商圈聚类方法研究

根据客户群聚的特点,在分析现有聚类方法的基础上,提出了基于最小聚类单元(LeastClusterCell,简称 LCC)的商圈聚类方法.并在数据挖掘体系结构中引入LCC子系统,以利用关系数据库成熟的接口技术方便地完成 对LCC的各种操作管理.     

K-means聚类算法的一种改进方法研究

针对K-means聚类算法对初始聚类中心敏感问题,提出1种结合方差与误差平方和的优化算法.首先,该算法基于方差和距离选取k个位于不同区域且样本点相对集中的集合.然后,分别选取使这k个样本集合误差平方和最小的数据作为k个初始聚类中心.利用改进算法与其他算法将UCI数据库中所选取的数据集进行聚类划分,对比不同算法下的聚类结...     

基于阈值的图像分割方法的研究

介绍了图像分割的定义和基于阈值选取的图像分割方法,分析了直方图阈值和最佳阈值法。     

基于改进K-means的图片主色提取方法

提出了一种基于密度的聚类结果优化方法,利用传统K-means快速高效的特性和基于密度的思想,有效提取图像中的主色,避免了基于密度来定位初始聚类中心导致的运算速度缓慢的缺点,同时避免传统聚类算法无法分析出部分主色的问题.实验结果表明,提出的方法能够很好地提升聚类效果,且最终得到的主色分析结果也更精确.     

基于复合形的K-means优化聚类算法研究

为了克服K-means算法受初始点影响大、结果稳定性差的不足,提出了一种新的K-means优化聚类算法.介绍了复合形法的基本原理并将其做了一定修改以适用于K-means优化聚类,推导了一系列用于计算的公式,给出了具体的实现步骤与方法.通过算例说明,与其他几种方法相比,该方法结果稳定,计算效率较高,有着很好的推广应用前景.     

一种基于最优模型选择的流量预测方法

本文提出一种基于ARMA(Auto-Regressive and Moving Average Model)最优模型选择的流量预测方法。该方法建立流量序列对应的ARMA模型集,利用OPTICS和K-Means两种聚类算法对序列分类。通过对基于模型集的最佳预测结果和序列分类的分析,建立序列分类与模型之间的对应关系,并利用对应关系选择针对序列类型的最优模型预测。实验表明该方法预测结果具有良好的精确度和稳定性。     

基于模糊阈值的图象分割方法

叙述了采用模糊阈值进行图象分割的基本原理，提出了简化资格函数形式和采用直方图中值滤波处理方法，算法简单直观，计算机仿真表明图象分割结果比较理想．