排序方式: 共有158条查询结果,搜索用时 15 毫秒
1.
传统的基于稀疏表示的目标跟踪方法主要利用目标的灰度特征构建稀疏表示模型。由于灰度特征对光照变化敏感,这会影响目标跟踪在复杂场景下的鲁棒性。基于多源数据融合的目标跟踪可以明显提升目标跟踪鲁棒性,但如何有效融合不同维度,不同类型的多源目标特征成为基于多源数据融合的目标跟踪所要解决的关键问题。提出了一个基于目标状态以及灰度特征的稀疏表示目标跟踪方法。所提出的方法可通过基于核函数表示的稀疏表示模型,在探究目标状态以及灰度特征相关性的基础上,将两种不同维度的特征进行有效融合,提升目标跟踪在复杂场景下的鲁棒性。 相似文献
2.
3.
元学习期望训练所得的元模型在学习到的“元知识”基础上利用来自新任务的少量标注样本,仅通过较少的梯度下降步骤微调模型就能够快速适应该任务。但是,由于缺乏训练样本,元学习算法在元训练期间对现有任务过度训练时所得的分类器决策边界不够准确,不合理的决策边界使得元模型更容易受到微小对抗扰动的影响,导致元模型在新任务上的鲁棒性能降低。提出一种半监督对抗鲁棒模型无关元学习(semi-ARMAML)方法,在目标函数中分别引入半监督的对抗鲁棒正则项和基于信息熵的任务无偏正则项,以此优化决策边界,其中对抗鲁棒正则项的计算允许未标注样本包含未见过类样本,从而使得元模型能更好地适应真实应用场景,降低对输入扰动的敏感性,提高对抗鲁棒性。实验结果表明,相比ADML、R-MAML-TRADES等当下主流的对抗元学习方法,semi-ARMAML方法在干净样本上准确率较高,在MiniImageNet数据集的5-way 1-shot与5-way 5-shot任务上对抗鲁棒性能分别约提升1.8%和2.7%,在CIFAR-FS数据集上分别约提升5.2%和8.1%。 相似文献
4.
针对基本遗传算法在机器人路径规划中存在收敛速度慢、易陷入局部最优解的问题,提出一种改进的遗传算法. 在适应度函数中增加带有惩罚项的平滑度函数; 引入精英保留机制,保留每一代最优个体; 自适应调整交叉概率和变异概率,使交叉概率和变异概率随进化次数变化而变化. 利用MATLAB在两种障碍物地图中与其他两种算法进行仿真对比分析,实验结果表明,改进后的算法在路径规划的应用中有效减少了机器人的转弯次数,提高了逃离局部最优路径的能力,寻优能力更强. 相似文献
5.
移动终端群智感知研究 总被引:1,自引:0,他引:1
随着移动终端集成了越来越多的内置传感器,移动群智感知成为近几年来的研究热点。通过对移动终端传感器感知数据的收集分析处理,用户所处情境便能被识别,还原用户所处场景,为用户提供个性化服务。文中通过归纳国内外的最新研究成果,提出了移动终端群智感知模型,并从数据处理、激励机制和群智感知应用、群智感知平台等几个方面具体归纳概括了国内外的研究趋势。文中归纳了最新的数据处理技术和群智感知应用场景,并提出了竞争和协作相辅相成的激励模式。 相似文献
6.
随着移动终端的不断发展与普及,它已经变成了一个交流、传感的设备。普通市民只需要通过移动设备就可以从周围的环境中获取海量信息以及分享自己的信息。文中研究了群智感知原理,结合普适环境下情境信息的特点,提出了移动终端智能引擎平台。该平台通过接口能实时、有效地获取、处理用户的感知数据,还原用户情境,获取用户需求,并把用户需求和处理好的数据供第三方应用使用,第三方应用通过平台提供的接口提供应用服务。实验证明,该平台能够有效地获取用户情境信息,提供给第三方应用。 相似文献
7.
8.
异构网络互联互通技术是物联网关键技术之一,主要是为了将有线网络与无线网络技术有效的集成,实现透明的无缝连接,IP网络架构因其可扩展性、通用性、具备成熟的基础设施等优势成为当前物联网异构网互通合的研究热点。本文提出了将61owpan技术应用于异构网络,从而设计出一套基于轻量级IPv6技术的跨网络互联互通系统。系统可实现61owpan节点通过一个运行61owpan协议和标准ip协议的网关与一台运行标准ip协议的远程Pc机进行通信。 相似文献
9.
《Planning》2014,(1)
异构网络互联互通技术是物联网关键技术之一,主要是为了将有线网络与无线网络技术有效的集成,实现透明的无缝连接,IP网络架构因其可扩展性、通用性、具备成熟的基础设施等优势成为当前物联网异构网互通合的研究热点。本文提出了将6lowpan技术应用于异构网络,从而设计出一套基于轻量级IPv6技术的跨网络互联互通系统。系统可实现6lowpan节点通过一个运行6lowpan协议和标准ip协议的网关与一台运行标准ip协议的远程PC机进行通信。 相似文献
10.
当前集成电路芯片参数成品率估算通常预设大量扰动基函数进行芯片性能模型构建,易造成成品率估算方法复杂度过高.而若随意减少扰动基函数数量,则极易造成成品率估算精度缺失.针对此问题,本文提出一种芯片参数成品率稀疏估算方法.该方法首先根据工艺参数扰动建立具有随机不确定性的漏电功耗模型;然后按照关键度高低,利用弹性网自适应选取关键扰动基函数对漏电功耗模型进行稀疏表示建模;最后,利用贝叶斯理论及马尔科夫链方法对漏电功耗成品率进行估算.实验结果表明,该方法不仅可以使所构建的漏电功耗模型具有一般性和稀疏性优点,而且能够对漏电功耗成品率进行准确估算,与蒙特卡罗仿真结果相比估算误差不超过5%.同时,相较于蒙特卡罗采样,该方法还可以大幅减少算法仿真时间,具有更好的仿真效率. 相似文献