排序方式: 共有12条查询结果,搜索用时 78 毫秒
1.
考虑实际应用中水尺图像受遮挡较多,自动识别水位困难的问题,提出了一种遮挡情况下的水尺图像特征加权学习识别算法。针对现有稀疏表示算法通常对图像整体进行操作如字典训练等,致使图像中的特征信息无法突出的情况,提出在稀疏表示过程中对回归系数设置不同权值并在迭代过程中对权值更新学习。首先通过对特征权值的迭代学习以增加有效信息的权重,排除遮挡信息的干扰;其次,通过对图像分类残余值进行不同模型下的回归表示,提出采用更能表现出残余值重尾分布实际情况的逻辑分布模型。实验过程采用实际水尺图像,先通过边缘检测等预处理方式得到当前水位的刻度图像,进一步对该图像附加遮挡进行分类识别以验证实验结果,所附加遮挡用以模拟水尺刻度被水面遮挡等情况。实验结果表明,与常用的稀疏回归表示算法相比,该算法在多遮挡情况下的性能较优。图10幅。 相似文献
2.
3.
4.
利用粗集的约简功能消除压缩机故障样本数据中冗余信息,将粗集与神经网络相结合,构建了一个基于粗集一神经网络的智能混合压缩机故障诊断系统,实现了粗集对神经网络在压缩机故障诊断中的优化。 相似文献
5.
6.
7.
8.
9.
10.
针对压缩机运行状态预报所具有的模糊性问题,尝试将模糊神经网络理论应用于压缩机运行状态预报,提出了预测的方法与步骤. 相似文献