基于CHI与遗传算法的特征选择

在基于Web文本信息过滤系统中通过特征选择找到的最优特征子集直接影响到分类的速度及精度。针对此问题，提出了综合CHI及遗传算法的特征选择方法。首先针对原始特征集，采用CHI统计法进行初始筛选，去除冗余特征及噪声后，对得到的特征子集再采用遗传算法进行第二次特征选择，从而得出代表问题空间的最优特征子集，实现降维并提高了分类精度。     

基于特征加权的交通事件检测研究

针对影响交通事件的特征参数较多,参数之间有信息冗余,影响检测效率的问题,提出一种基于特征加权支持向量机的交通事件检测算法.影响交通事件的因素包括上下游交通流的交通密度、交通量、平均速度较多,各个影响因素的影响大小是不同的,根据可信间隔最大化确定影响权重.通过实测数据对算法的检测性能进行测试,交通密度的权重最大,说明事件发生时,交通密度的变化影响最大,与实际情况相符;对于同质量的样本,所提算法的检测率及误报率均优于标准支持向量机(SVM)算法.     

基于多尺度注意力特征融合CRNN的声音事件检测

针对声音事件检测中仅在时频维度使用注意力机制的局限性以及卷积层单一导致的特征提取不足问题,本文提出基于多尺度注意力特征融合的卷积循环神经网络(convolutional recurrent neural network,CRNN)模型,以提高声音事件检测性能.首先,提出多尺度注意力模块,实现对局部时频单元和全局通道特征...     

基于视频车辆运动轨迹场的交通事件检测方法*

针对现有交通事件检测算法存在的模型复杂、运算量大,并且检测结果滞后的缺点,提出了一种基于视频车辆运动轨迹场的交通事件检测方法.该方法以基于视频的车辆跟踪轨迹为基础,形成正常车辆运动轨迹场,进而将当前车辆轨迹矢量与正常轨迹场矢量比较,最终实现了对超速、慢行、变道和逆行的异常交通事件的检测.研究结果表明,与传统方法相比,该方法算法简单,并且可以快速、准确地对异常交通事件进行检测.     

基于视频的交通事件自动检测方法的研究

研究了基于视频的交通事件自动检测技术,它通过车辆跟踪和分析车辆的运动特征来判断所发生的交通事件.针对三种常见的交通事件车辆逆行、车辆停止和堵车进行建模.实验证明,该检测方法具有很好的实用效果.     

基于遗传算法的网络信息过滤系统中的特征选择

随着Intemet在全世界的应用和普及，网络跟人们的生活越来越紧密，人们在使用网络的同时，不可避免地接触到大量的不良信息，为了过滤网络信息，出现了网络信息过滤。本文首先采用向量空间模型表示文本，给出了一个基于遗传算法的文本特征选择方法。同时为了克服遗传算法所存在着的收敛速度慢、易陷入局部最优等缺陷，文中采用了候选特征子集，并增加了一个扩展操作。最后，通过实验验证了该方法的有效性。     

基于遗传算法的多传感器数据融合

文章给出了一个新的应用遗传算法技术的分级多传感器数据融合算法,各个传感器信息之间的关系用一种较新的模糊算子确定,与传统的集合论的并、交操作相比,它能更好地模仿人的推理。此外,遗传处法能近似最优地确定模糊算子的参数,使算法在信息源的可靠性,信息的冗余度／互补性以及进行融合的分级结构不确定的情况下,以近似最优的方式对传感器数据进行融合。     

基于ViBe算法和多特征融合的摔倒检测方法

为了准确、实时地检测独居老人室内意外摔倒事件,提出一种基于ViBe算法和多特征融合的摔倒检测方法,先通过ViBe算法提取运动目标,然后用人体质心到水平面的距离、人体宽高比、人体质心变化的速度3个特征参数,分别设定阈值以判断是否有摔倒事件发生,该方法能较准确地辨别出下蹲、坐下、平躺等非摔倒行为,使得在不出现漏判的前提下误判率更低。实验结果表明?该方法易于实现,且误判率明显降低。     

基于多尺度特征融合的雷达海上目标检测方法

雷达目标检测对海上信息处理具有重要意义,目前提出的检测方法在召回率和精度上都难以满足海上检测要求.为了解决上述问题,提出基于多尺度特征的雷达海上目标检测方法.通过X波段非相参脉冲体制导航雷达采集数据,在完成预处理后检验数据集,提取雷达数据.分析杂散噪声,确定噪声范围,根据平均强度和灰度值的差值实现归一化处理.对目标进行归一化分析,融合多尺度特征实现目标选择,完成目标检测.实验结果表明,基于多尺度特征融合的雷达海上目标检测方法召回率能够在短时间内达到90%以上,精度在95%以上,能够很好地提取海上目标信息.     

多尺度上下文融合的交通标志识别算法研究

针对自然场景中小型交通标志检测漏检和虚警问题,提出了一种多尺度上下文融合的交通标志检测算法.以YOLOv3为检测框架,将特征金字塔网络的深层特征信息融合进更浅层特征层,提高更浅层特征层中高级前景语义信息的利用率;在YOLOv3框架基础上加入上下文模块,重新分配交通标志特征图中的上下文信息权重,加强目标特征信息的复用;使...     

基于遗传交叉因子的蝙蝠算法的改进

蝙蝠算法(BA)是一类新型的搜索全局最优解的随机优化算法,但是标准的蝙蝠算法存在着寻优精度不高、后期收敛速度慢、易陷入局部最优等问题。针对这些问题,提出了一种基于遗传交叉因子的改进的蝙蝠算法(GHBA),从而提高蝙蝠算法的多样性,避免种群个体陷入局部最优,增强算法全局寻优能力。在MATLAB环境下,运用6个标准测试函数进行实验仿真。结果表明,与BA算法相比,该算法(GHBA)的收敛速度及精度均有明显提高。     

基于算法适用知识的挖掘算法选择交互系统

为具体挖掘任务选择合适的挖掘算法需要用户对挖掘任务、各种挖掘算法和数据特征都非常熟悉,一般用户是很难达到这个要求的。针对以往研究的系统存在实现困难、不能适应动态添加算法等不足,文中形式化表示数据挖掘算法的适用知识,并基于此设计算法选择交互问题和选择逻辑,实现了一个易于实现的数据挖掘算法选择交互系统。实例验证了系统的有效性。     

基于遗传算法的最优码本设计

矢量量化是一种极其重要的信号压缩方法,广泛应用于图像信号压缩、语音信号压缩等领域,它的主要问题是码本设计问题,传统的LBG算法及其改进算法只能获得局部最优的码本。本文详细讨论了如何利用遗传算法来获得全局最优的码本,目的应用于说话人识别。本文具体给出了基于遗传算法的最优码本设计算法的实现方法和实验结果。实验表明,本文实现的算法有效。     

基于声信号处理的交通事故自动检测算法

建立交通事故应急救援系统具有很强的现实意义,关键技术是对交通事故进行自动检测。为了保证检测的实时性与准确性,提出一种基于声信号处理的方法,采集车辆周围的声音并进行预处理,使用Harr小波变换提取声信号的频域特征,采用单类支持向量机进行异常点检测,实现了分类判别。按上述方法对交通事故发生时的碰撞信号与正常行驶时的非碰撞信号做了分析,准确的识别出交通事故。仿真实验结果表明与常用的线性判别分析方法相比准确率有了显著提高,而且计算复杂度低,易于在DSP系统上实现,算法的判别性能达到了实用化的程度。     

一种新的基于遗传算法DCT域半脆弱水印算法

半脆弱水印因为在多媒体内容认证方面的重要作用而受到人们密切的关注。为了能够区分偶然攻击与恶意篡改,半脆弱水印需要对一般的内容保护图像操作有一定的鲁棒性。基于此,提出了遗传算法的半脆弱数字图像水印方法。根据图像局部区域的类型自适应地确定图像局部区域的水印嵌入强度,GA用来优化水印的嵌入位置。实验结果证实了所提的算法的优点,表明该方法具有较好的不可见性和鲁棒性,并实现了印刷图像载体版权保护。     

基于计算机视频图像的车辆检测

提出了一种新的基于计算机视频图像的车辆检测方法,并提取了车辆的车次、车速、车长等交通流量参数,用VC 6.0在微机上进行了实现,取得了较好的效果.     

基于多特征的语音活动检测技术分析

针对高强度噪声背景下活动话音无法准确检测的问题,提出了基于多特征的语音活动检测算法,详细论述了该算法中语音信号的采样量化、预加重、分帧和加窗等预处理技术,分析了检测算法设计中的动态门限更新、短暂停顿平滑等关键因素,并总结出了多特征语音活动检测算法的流程图。通过基于硬件平台的算法测试和仿真分析,结果验证了该算法的合理性和有效性,对于复杂背景噪声环境下的活动话音检测有着重要的实用意义。     

一种基于改进Adaboost的人体检测算法

本文采用改进的Adaboost算法对静态图像中人体进行检测。针对传统算法中训练速度较慢,并且存在风险敏感的问题。本文提出一种快速特征选择算法,通过构造统计表,保存特征信息,避免每轮弱分类器训练时对所有特征重新计算分类误差;并结合fisher判别分析对选出的弱分类器进行训练,学习得到一个新的线性判别方程,最大化不同类别数据之间的可分离性,达到优化强分类器降低风险敏感影响的目的。实验结果表明,相对于传统的Adaboost算法,本文给出的方法加快了特征选择的速度,并具有较好的检测性能。     

基于遗传算法的TD-SCDMA多小区联合检测优化技术

TD-SCDMA作为具有我国自主知识产权的3G技术标准,在商用初期阶段,来自邻区的同频干扰一直是其组网过程中主要挑战之一,多小区联合检测是有效解决邻区同频干扰的重要手段,但是由于其计算量庞大,一般实施较复杂。基于遗传算法的研究能够有效的对于TD-SCDMA中多小区联合检测中庞大的计算复杂度予以收敛,同时能够保证有效的检测精度。本文首先对TD-SCDMA同频干扰问题进行简要介绍并分别对遗传算法以及优化后的遗传算法予以阐述,同时,通过仿真结果对基于优化的遗传算法的多小区联合检测性能进行验证。