GOS+MU:一种查询对象选择新方法

在分析单一MU(Most Uncertainty)采样缺陷的基础上,提出一种"全局最优搜寻"方法 GOS(Global Optimal Search),并结合MU共同完成查询选择。GOS+MU方法中,GOS着眼全局寻找目标,在应用环境能提供的训练样本数量有限、分类器受训不充分时,该方法选择的对象学习价值高,能快速推进分类器学习进程;MU则能够在GOS采样失效情形下,利用分类器当前训练成果,选择查询不确定性最强的样本补充训练集。通过对网络商品的用户评论进行分类仿真,并比较其他采样学习方法的效果,证明了GOS+MU方法在压缩学习成本、提高训练效率方面的有效性。     

一种基于非下采样Contourlet变换的去噪算法

文章提出了一种新的去噪算法,算法是基于非下采样Contourlet变换(NSCT)的自适应阈值。首先需要对含噪图像进行非下采样Contourlet变换,然后得到各个尺度各个方向子带的系数。为了克服软、硬阈值函数的缺点,提出了一种自适应的新阈值函数。仿真实验表明,文章方法在峰值信噪比(PSNR)、信噪比(SNR)、均方误差(MSE)与视觉效果上均优于其他去噪算法。     

基于FPGA的颜色识别触摸屏系统设计与实现

为了提高颜色识别系统的准确性、稳定性以及设计灵活性,基于现场可编程门阵列技术,设计了一个应用于静态图片的颜色识别系统,并设定了触摸屏功能。通过触摸读取屏幕坐标对应的RGB颜色值,减少了环境变化对系统的影响,利用阈值判定法实现颜色识别。实验结果表明,该系统稳定而且实用性强,系统可以识别任意800×480像素bmp图像的颜色,并具有较好的鲁棒性。     

前磁曲线数据数字化预处理

本文结合前磁曲线的特点，提出了一种结合空间分布信息的大津阈值方法，克服了传统预处理过程中的缺陷，很好地解决了那些类似于照片纸张扫描的灰度图中背景与目标曲线的灰度非常接近的问题，并在实际应用中取得了良好的效果。     

小波变换分离太阳射电频谱图中的纤维结构

太阳射电爆发纤维精细结构是太阳射电爆发活动中一类重要的观测现象,利用二维小波变换对纤维精细结构动态频谱图进行处理,分离频谱图中的纤维结构。首先对原始频谱图实行多层小波变换,由低频分量重构原始图像,就可得到爆发的背景信息,令原始频谱图减去背景并经过阈值处理后,便可将原始频谱图中的纤维结构很好地分离出来。     

基于主体外部轮廓的照片分割算法

在实际应用中常常需要将人像从照片的背景中有效地分割出来，通常的做法是通过提取照片中人像各部分特征来实现分割，其缺陷是计算复杂度较大，分割效果受各种干扰因素影响很大。现提出了一种基于主体外部轮廓信息的照片分割算法，通过梯度锐化、边缘保护、临近像素点相似度比较来确定图像的边界，该算法对于具有相对均匀背景的照片具有较高的计算效率。     

国外人工智能研究的动态

介绍了近年来人工智能领域中的几项重要成果及其发展动向。其中包括ＳＯＡＲ系统，无需符号表示的智能系统，开放的信息系统的设想，知识的阈值理论和达到国际大师水平的计算机下棋程序。