一种基于视觉的库区可疑目标识别算法研究

针对库区巡检图像采集设备对图像目标智能识别需求,进行基于视觉的远距离可疑目标识别算法设计与实现. 采用目标检测算法对图像进行目标识别并采集,通过基于卷积神经网络的深度学习模型卷积层对目标图像提取特征,采用基于机器学习传统方法的浅层网络对特征进行可疑目标分类. 根据算法设计实验,实验结果表明本算法模型识别效果良好,可有效减少人工识别工作量,能满足实际应用需要要求.      

一种基于正方形内插点的二维平面视觉定位算法

针对二维平面上物体定位、尺寸测量,提出了一种基于正方形内插点的二维平面视觉定位算法,在待测物所在平面上放置由N×N个尺寸相同的特征正方形组成的棋盘格标定板,以各特征正方形角点为标定点,确定像素坐标系和世界坐标系的映射关系,根据待测点像素坐标计算出其所处的特征正方形位置,并求解出待测点与所处特征正方形左下角点像素值的线性系数,反求出待测点的世界坐标值进而完成待测点的定位.将本文算法与文献[3]的快速二维Delaunay三角网点定位算法和文献[8]的改进的基于九圆点的摄像机自标定算法进行对比实验,结果表明:本文算法标定过程简单、计算量小、精度更高,可实现二维平面上物体的精确定位和测量,对二维平面视觉定位具有较高的借鉴价值.     

一种基于多分类器融合的人数统计算法

基于多分类器融合,首先提取行人的运动前景,计算校正透视效应之后的前景面积,提取图像的有效Harris角点和SURF点信息,并由此得到反映行人遮挡程度的遮挡系数,从而构造特征向量,输入BP)神经网络建立回归模型;然后提取行人的HOG特征,采用Adaboost级联分类器训练出相应的行人检测器,检测每帧视频的行人并统计数量;最后基于前两个分类器,用stacking的策略构造了组合分类器,并实现分类器融合时权值的自适应调整.通过与现有算法进行对比,算法的效果优于其他算法,对复杂场景适应性强且满足实时性要求.     

一种改进的点定位算法

通过对传统的点定位算法——奇偶法则算法的分析 ,提出了一种改进的奇偶法则的实现算法 .在改进算法中 ,从待判定点引出的射线定义为与 x轴平行且与其同向 ,对射线与区域边界边的相交情况进行了分类处理 .通过分析射线与边界边的位置关系 ,只有少数情况需要计算其交点 ,而大部分情况只需简单比较即可得出相交情况 .当射线穿过两条相邻边界边的交点时 ,根据定义的法则 ,只进行一次相交情况的判定 .因此 ,改进算法减少了计算交点的次数 ,提高了点定位的效率 .最后通过实际应用 ,对传统算法与改进算法在同样条件下的处理时间进行了比较     

一种改进的点定位算法

通过对传统的点定位算法－－奇偶法则算法的分析，提出了一种改进的奇偶法则的实现算法，在改进算法中，从待判定点引出的射线定义为与x轴平行且与其同向，以射线与区域边界边的相交情况进行了分类处理，通过分析射线与边界边的位置关系，只有少数情况需要计算其交点，而大部分只需简单比较即可得出相交情况，当射线穿过两条相邻边界边的交点时，根据定义的法则，只进行一次相交情况的判定。因此，改进算法减少了计算交点的次数，提高了点定位的效率，最后通过实际应用，对传统算法与改进算法在同样条件下的处理时间进行了比较。     

一种双目主动立体视觉系统的目标定位算法

首先引入主动视觉空间的概念,即用系统本身运动自由度来表达摄像焦点到空间点的视线,其次,推导了把任意摄像机图像点换到主动视觉空间的算法,最后,采用三角形测量原理对图像特征点进行匹配和定位,因为系统中的各个摄像机独立注视目标,摄像机可以采用较小的视野,这为提高定位精度提供了可能性,采用数值仿真手段对相关理论进行了验证。     

一种适用于信息检索的支持向量机

针对基于内容的信息检索中负样本抽样效率低的问题，设计了1．5类支持向量分类器．在训练过程中利用正样本对分类线建立初始模型，在保证总体泛化能力的基础上，用所能获得的负样本修正分类线，以提高其检测精度；通过对比标准序列最小优化方法，得到快速训练算法．在美国邮政数据库(USPS数据库)与麻省理工大学人脸数据库(CBCL数据库)上的实验结果表明，与传统的支持向量分类器相比，这种方法能取得更高的检测精度．     

一种改进的启发式球面点定位算法

将仅适用于平面网格的基于质心坐标的搜索策略进行推广和拓展,提出一种适用于球面网格的改进启发式算法,并详细讨论了不同质心坐标值情况下的下一搜索三角形的选择方法.为进一步提高算法效率,在进行启发式搜索之前通过执行若干顶点比较操作来选择一个较优的初始搜索三角形,同时引进一个近似度阈值来调整初始三角形确定时间与后续目标三角形搜索时间之间的平衡关系.分析表明,改进启发式算法的时间复杂度仅为O(n1/2f)(nf为网格包含的三角形数目).     

一种无人机非标定视觉自定位新算法

针对高动态环境下如何利用视觉导航快速解决GPS失效故障的问题,基于射影几何的基本性质,在预知失效时刻无人机坐标的情况下,提出了一种无人机非标定视觉自定位的新算法。首先对目标进行定位,假定摄像机内参数在拍摄过程中不发生变化,重点分析视觉系统在对目标一次识别的情况下快速定位,并在此基础上对无人机进行反定位。仿真验证表明:该算法能有效进行自定位,新位置的自定位坐标与实际坐标差异小,最大差值为0.01m,该算法无需知道摄像机的参数,避开了由于摄像机标定不准确带来的定位误差问题,提供了一种简单、实时、精度高的自定位新思路。     

BP神经元网络在Web文本分类中的应用

Web文本分类是Web文本挖掘的一项重要技术,它是一种基于主题分类的指导,能够使用户在快速地找到想要的资源和知识。文本分类过程中,首先采用向量空间模型对Web文本进行特征提取,然后将得到的数据集分成样本数据集和测试数据集,将样本数据集输入BP神经元网络进行分类,网络经过训练后,输入测试数据集进行验证。实验结果证明BP神经元网络在文本分类领域有着较好的实用价值。     

神经网络在字符识别中的应用

本文研究了字符的几种识别算法和字符识别中神经网络的应用，并对两种神经网络的识别系统进行了探讨     

基于CNN的水表故障检测算法研究

合格水表运行一段时间后可能出现硬件故障,造成水费计量异常。为避免此问题,传统上采用机器学习方法（例如支持向量机）分析水表日常读数以判断水表是否出现故障,但该方法常因人工选择特征不当而导致检测性能不能满足实用要求。为解决该问题,本文利用卷积神经网络（CNN）卓越的特征提取能力,根据水表日常读数自动提取水表故障特征,在此基础上提出一种基于CNN的水表故障检测方法,并通过大量实验对检测模型进行了参数优化。对比实验结果表明,本文所提方法相比于支持向量机和集成学习方法,具备更高的检测性能,且检测精度满足实用需求。     

基于反向传播神经网络的WSN节点定位方法研究

针对无线传感器网络存在的定位精度问题,基于反向传播神经网络提出一种新的节点定位方法.该方法首先结合时间差测距和信号强度给出了节点定位计算公式,同时结合反向传播神经网络对上述参数进行快速求解.最后结合NS2和MATLAB进行仿真实验,深入研究了影响定位方法的关键因素.通过对比其他定位算法,本方法具有较好的适应性,能够有效降低定位误差.     

基于反求工程的螺旋扫描件边界提取方法研究

复杂曲面零件的几何模型重构是反求工程的研究重点之一。针对螺旋零件表面的数字化数据提取边界线的问题,提出了一种基于层析数据的螺旋扫描件边界特征线提取方法。该方法分两步进行,首先将点云切片,对切片后每一层数据点进行边界特征点提取和轮廓线拟合;其次将相邻层边界点拟合得到边界线。通过实例验证,结果表明该方法具有较强的可操作性和实用性。     

基于BP神经网络的田间杂草识别技术研究

设计了一种以田间除草指标体系作为神经网络的输入,以田间除草等级作为输出的田间除草综合评价模型;以田间除草指标的各级评价标准作为模型的训练样本和检验样本,设计了一种神经网络算法,利用Matlab软件对BP神经网络进行训练和检验.结果表明:BP神经网络对检验样本的模拟输出和期望输出是一致的;BP神经网络人工智能技术应用到田间除草,具有运算速度快、精度高,过程方便简捷的优点.     

一种优化 BP 神经网络训练样本的方法

BP神经网络训练样本的选取对网络的泛化能力有较大的影响,特别,怎样从高维大样本数据中选取合适训练样本是一个难点。本文运用因子分析法对大样本数据进行预处理,再利用分析所得的公因子进行聚类分析,这样既可以降低指标的维数,也可以减少样本的数量。实验证明,该方法简化了网络结构、加快了网络的收敛速度,对提高网络的泛化能力有一定的帮助。     

模拟电路故障诊断的BP神经网络实现

本文介绍BP神经网络在模拟电路故障诊断中的应用并对选定的待测电路在元件存在容差的条件下,仿真实现了模拟电路软故障诊断。     

遥感影像浅水河道提取二维EMD方法

遥感影像中浅水河道与居民地具有相似的光谱特性,在浅水河道自动提取过程中噪声较多,经验模态分解(EMD)可获取原始信号不同尺度上的细节信息,有效地提高遥感影像浅水河道自动提取的精度。利用环境与减灾小卫星数据,以彰武县柳河为研究区,对该区2012年10个时期NDVI时间序列分别EMD分解,选取每个时相信息量较大的前三个固有模态函数(IMF),结合2012年9月18号影像共34波段作为研究数据,利用极大似然法、BP神经网络传统的分类方法进行分类。结果表明结合EMD的分类方法可有效地去除居民地噪声, Kappa系数最高达到0.9690,总体分类精度最高达到93.35%,从而有效地解决了遥感影像中浅水河道提取正确率低的难题。     

BP神经网络在字符识别中的设计改进

BP网络模型是最早被提出来的人工神经网络模型之一,它是一种简单而且非常有效的算法.在数字字符识别系统中,为了克服BP神经网络的易陷入局部极小、收敛速度慢等缺点,本文对传统的BP算法进行了多方面的改进,使得算法更加有效.