论OpenCV基本原理在医院管理中的应用

到医院就医的患者和到医院探访的家属自驾车的数量在不断增加,如何在资源紧张的停车场地规范停车秩序,已成为现代化医院管理中急待解决的问题.为此,根据计算机视觉类库OpenCV具有实时处理图像的特点,在级联分类器的基础上,构建了实时视频预警系统,从而实现了车辆场地无人看管的有序化管理.     

基于纹理信息的水果图像识别方法仿真研究

研究水果图像自动识别问题.由于外界噪声的干扰,影响自动识别的准确率.针对传统水果分类系统依靠人工或者特殊传感器件的局限,同时识别算法由于水果图像的颜色特征和纹理特征复杂,造成识别难度增大等缺陷,提出了一种新的计算机视觉和图像的水果自动分类识别系统.针对于对水果图像进行特征取值,特别是对颜色不同的水果进行识别.首先利用水果的HSV颜色表达,提取稳定的颜色特征;另外利用小波变换所生成的共生矩阵,提取水果的纹理特征.将这两种特征结合,并利用K最近邻分类器进行水果的分类和识别.经仿真结果证明了利用水果颜色和纹理特征的结合,可以有效的实现不同水果的自动分类,并比较传统单一的特征有更高的分类准确率.改进方法设备简单,分类准确率高,无需训练的优点,特别适宜在农业生产领域广泛应用.     

基于聚类的模糊柴油机故障诊断

在柴油机系统故障诊断背景问题的研究中,针对系统的安全准确预测故障类型,提出了一种从柴油机故障历史数据样本中提取模糊规则的方法,将隐含于样本中的专家知识转化为更易于理解的模糊规则,并以此建立模糊故障分类器和模糊故障诊断系统.先利用减法聚类获得故障数据中具有代表性的样本,以样本为基础,生成模糊规则,进行优化后,通过规则综合...     

多标签分类器准确性评估方法的研究

分类是数据挖掘领域研究的核心技术之一,分类器性能评估方法也是众多学者的研究热点之一。以往的分类器性能评估方法一般针对于单标签数据集,对于多标签问题并未涉及。文中主要针对多标签分类问题中的单实例情况,提出了一种多标签分类器准确性评估方法（EMOSIML）。该方法的思路是：如果分类器对一个多标签对象预测的类别标签是其属于的多个类别标签中的任何一个,则分类结果都是正确的。该方法用C#编程实现,并对朴素贝叶斯分类器进行分类器性能评估实验,实验结果表明,EMOSIML评估方法较传统的准确率评估方法更合理。     

一个基于XCS的同质团队学习模型

同质团队学习是实现多Agent协作的一种方法。但是,传统方法仅在系统运行的前后对目标Agent进行修改,系统运行过程没有直接对Agent的改进做出贡献。本文利用合作策略,在学习分类器系统XCS的基础上提出了一种同质团队学习模型,弥补了传统方法的上述不足。文中还在模型的基础上实验分析了相关因素,如规则积累、通信以及发现新规则等对多Agent协作效率的影响。     

敏感图片自动检测系统的研究

设计并实现了一个敏感图片自动识别系统。该系统首先利用肤色模型从敏感图片中检测出肤色区域,再从图片肤色区域中,提取大量经验特征表示图像内容,然后采用Haar特征算法设计一个检测敏感部位对象的分类器,最后通过敏感部位的几何特征逐级识别正常图片与敏感图片。该检测系统具有良好的系统性能。     

不同种类支持向量机算法的比较研究

介绍一种新型的机器学习方法-支持向量机.论述了不同种类支持向量机算法并指出了每种算法的优劣.实验结果显示了核函数中选择合适的参数对分类器的效果是很重要的,通过实验还重点比较了Chunking、SMO和SVMlight三种典型分解算法,并分析了训练速度优劣的原因.文章最后给出了今后SVM研究方向的一些预见.     

一种基于Vague-Sigmoid核的支持向量机研究

Sigmoid核最初起源于神经网络,目前在支持向量机中也得到了广泛应用,但由于核矩阵的非半正定性,其应用受到一些限制.研究表明Sigmoid核可以用简单的模糊三角隶属函数来近似替代,使得其学习效率能进一步提高.本文首先分析模糊支持向量机的特性,将模糊理论用于支持向量机的核中,并在此基础上提出了基于Vague-Sigmoid核函数的支持向量分类器.该方法充分结合了Vague集的自身优势,用基于Vague集的相似度量来代替了常规中的样本间的点积计算方法.将文中提出的方法应用于标准数据集中,并与传统的Sigmoid核方法、Fuzzy -Sigmoid核方法进行了实验分析, 实验表明文中提出的方法在不损失精度的情况下,能较好的提高算法的执行效率,取得了较好的实验结果;同时也表明在支持向量机中能利用Vague-S igmoid核取代替传统的Sigmoid核,从而减少对Sigmoid核的限制.     

分类器融合中模糊积分理论研究进展

将模糊积分理论与多分类器融合方法中其他两种研究热点方法进行了比较.介绍模糊积分的基本模型及通用求解过程.讨论目前分类器融合领域模糊积分理论的几个研究方向的发展现状和面临的问题,分析模糊积分理论基本模型和几种扩展模型的求解算法.提出了分类器融合领域模糊积分理论未来理论和应用研究中的开放课题.     

安全审计中频率敏感的异常检测算法

传统使用系统调用序列的异常检测算法主要关注切分的长度,忽略了各个系统调用序列的发生频率对整个检测结果的重要性。该文提出一种对序列发生频率敏感的基于支持向量描述异常检测算法,利用发生频率定义样本的重要性,使分类器更加倾向于这些重要的样本。采用国际标准数据集进行测试,讨论了核参数对分类结果的影响。实验结果表明,与传统检测模型相比,基于序列发生频率的检测模型具有较低的误警率。