首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   4篇
  免费   3篇
自动化技术   7篇
  2019年   3篇
  2015年   1篇
  2012年   1篇
  2010年   1篇
  2006年   1篇
排序方式: 共有7条查询结果,搜索用时 15 毫秒
1
1.
反馈节点集问题源于组合电路的设计,在预防计算机操作系统的死锁、VLSI芯片设计、计算机程序证明以及贝叶斯推论等方面部有极其重要的应用。最小反馈节点集问题是一个NP完全问题,很难准确求解。该文在计算流程、图的约减操作以及贪婪函数3个方面对以前求解该问题的贪婪随机适应性搜索算法作了改进。实验表明改进的算法无论在计算结果方面还是在计算稳定性方面都要优于前者,同时还在一定程度上减少了计算时间。  相似文献   
2.
稀疏梯度先验模型的正则化图像复原   总被引:1,自引:1,他引:0       下载免费PDF全文
传统Lucy-Richardson(LR)算法是一种基于贝叶斯分析的图像复原迭代算法,对高信噪比的退化图像能获得很好的复原结果,但对噪声过于敏感,对低信噪比的退化图像在迭代过程中易造成噪声的放大,虽然有一些正则化方法应用到LR算法中来抑制噪声,但往往容易产生过度平滑的问题。针对这些问题将图像稀疏先验模型作为正则项引入到LR算法中,抑制噪声在迭代过程中的放大。与常规的图像梯度约束算法不同,本文算法中根据模糊图像梯度分布特点的不同提出了可变参数的图像稀疏梯度正则化约束方法,使复原图像的梯度分布参数在迭代过程中更趋近于真实梯度分布,同时通过调整正则项系数可以避免复原图像的过度平滑。实验结果表明,同标准LR算法和常规梯度约束算法相比,本文算法能够实现在抑制噪声放大的同时较好地保留图像的细节。  相似文献   
3.
为了有效解决最小碰集问题,基于分支约减技术提出了一个相对简单的递归算法.同时使用新近提出的一种称为度量与分治的方法,通过对问题实例规模进行加权,建立非标准的度量,对算法进行了分析,并与标准的分析方法做了比较.在分析过程中,为了优化权值以获得更好的算法时间复杂度,使用了一种成功应用于回溯算法分析的数学规划方法--拟凸规划,对建立的问题实例规模新度量中的权值进行了优化,最终证明了该算法可以在使用多项式空间情况下,在O(1.23801")时间内解决最小碰集问题.  相似文献   
4.
针对计算机视觉领域的行人检测问题,提出一种基于局部行颜色自相似性特征,该特征可表征为在HSV空间,图像水平方向非重叠对称块颜色直方图的距离信息,结合多层次导向边缘能量特征形成图像的融合特征,利用交叉核支持向量机进行分类。与主流用于行人检测的HOG+SVM方法相比,其特征维数低,在保证检测精度的同时,大幅提高了算法效率。实验结果验证了该算法的有效性。  相似文献   
5.
针对广场等区域人流量大、安保要求高的特点,设计并实现了一套基于音视频识别的区域安防管控平台.该平台从区域安防的需求出发,设计了嫌疑人员报警、人群拥挤报警和异常声音报警三大功能,以人脸识别、人群密度估计、异常声音识别三个音视频识别算法作为支撑,实现对区域内与人相关的异常事件的预警.首先介绍了基于深度神经网络的人脸识别算法,然后介绍了一种引入注意力机制的卷积神经网络模型来实现的人群密度估计算法,和一种基于多卷积神经网络模型融合的异常声音识别算法;最后介绍了平台需求与设计过程,主要包括平台建设的需求分析和界面设计.  相似文献   
6.
近年来,深度学习方法被广泛用来解决车辆检测问题并取得了显著的成果,然而,当车辆尺寸较小时,当前深度学习算法的检测丢失率仍然很高.为了解决这个问题,本文提出了一种基于组合目标框提取结构的扩张全卷积神经网络(Dilated Fully Convolutional Network with Grouped Proposals,DFCN-GP).具体提出了一种结合低层特征和高层特征的组合网络模型用于生成目标框,其中低层特征对小目标更加敏感.此外,为保留更多的细节信息,基于扩张卷积思想,增加了网络最后一层卷积层的大小和感受野,用于目标框的提取和车辆检测.通过控制变量的对比试验,对基于组合方式的目标框提取网络和扩张卷积层的有效性进行了验证.本文提出的算法模型在公开数据集UA-DETRAC上性能优异.  相似文献   
7.
为了提高卷积神经网络在目标检测的精度,本文提出了一种基于改进损失函数的YOLOv3网络.该网络模型应用一种新的损失函数Tan-Squared Error (TSE),将原有的平方和损失(Sum Squared Error,SSE)函数进行转化,能更好地计算连续变量的损失;TSE能有效减低Sigmoid函数梯度消失的影响,使模型收敛更加快速.在VOC数据集上的实验结果表明,与原网络模型的表现相比,利用TSE有效提高了检测精度,且收敛更加快速.  相似文献   
1
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号