排序方式: 共有23条查询结果,搜索用时 15 毫秒
1.
2.
虚拟现实中的LOD技术 总被引:14,自引:1,他引:13
虚拟现实技术对实时性要求很高,本文主要介绍了在同实技术中为降低场景生成的时间、提高实时模拟效果所采用的一些典型LOD算法,包括它们的思想、优缺点和实现方法的一些典型LOD算法,包括它们的思想、优缺点和实现方法,以及对LOD技术的展望。 相似文献
3.
虚拟现实技术对实时性要求很高,本文主要介绍在虚拟现实技术中为降低场景生成的时间、提高实时模拟效果所采用的一些典型LOD算法,包括它们的思想、优缺点和实现方法,以及对LOD技术的展望。 相似文献
4.
本文探讨了独立分量分析在图像特征提取方面的应用.对一组自然景色图像进行独立分量分析,结果产生一组具有空间、频域的局部性及局部的方向选择性的视觉滤波器,这组视觉滤波器输出的独立元就是图像的特征(图像中的边缘和线段).利用此项技术,我们将无监督学习技术(独立分量分析)和有监督学习技术(支持向量机)相结合,提出了一种新的脸谱识别方法--基于独立分量分析和支持向量机的脸谱识别方法.利用ORL脸谱库进行脸谱识别实验以检验新方法的有效性.实验结果显示,新方法的识别率明显优于经典的特征脸方法. 相似文献
5.
本文提出了一种新的结合纹理特征的支持向量机图象分割方法,将纹理特征和灰度特征一起组成训练特征向量,利用支持向量机分类方法进行图象分割.该算法结合了纹理特征在图象描述中的重要意义和支持向量机方法在模式识别领域已表现出的优越性能,实验证明其在图象分割中取得了良好的效果.同时,当需要处理一批内容相似,感兴趣区域具有相同纹理、灰度特征的同类图象时,只需对其中一幅代表性的图象进行SVM训练,所产生的分类模型适用于所有该类图象,无需逐幅进行处理,大大简化了运算过程. 相似文献
6.
7.
基于核的K-均值聚类 总被引:17,自引:0,他引:17
将核学习方法的思想应用于K-均值聚类中,提出了一种核K-均值聚类算法,算法的主要思想是:首先将原空间中待聚类的样本经过一个非线性映射,映射到一个高维的核空间中,突出各类样本之间的特征差异,然后在这个核空间中进行K-均值聚类。同时还将一种新的核函数应用于核K-均值聚类中以提高算法的速度。为了验证算法的有效性,分别利用人工和实际数据进行K-均值聚类和核K-均值聚类,实验结果显示对于一些特殊的类分布数据,核K-均值聚类比K-均值聚类具有更好的聚类效果。 相似文献
8.
9.
10.
此文提出了一种新的脸谱识别方法--基于核主分量分析(KPCA)的脸谱识别方法.首先利用KPCA方法提取脸谱图象的特征,然后利用线性支持向量机进行识别.KPCA的基本思想就是首先经过一个非线性映射,将输入空间的数据映射到一个高维的特征空间中,以求数据在特征空间中线性可分(或近似线性可分),然后在特征空间中进行标准的PCA提取主元,作为特征向量.同时,我们将脸谱识别的经典方法主分量分析(PCA)(特征脸方法)和最近提出的独立分量分析(ICA)脸谱识别方法与新方法进行了比较,并利用ORL脸谱库进行实验,实验结果显示,新的方法具有较高的识别率. 相似文献