排序方式: 共有14条查询结果,搜索用时 15 毫秒
1.
特征点匹配法实现汽车牌照的快速识别 总被引:7,自引:1,他引:6
本文在模板匹配法的基础上,根据汽车牌照本身的特性,提出了特征点匹配识别的方法,选取能够区分各字符的若干特征点,进面最值得到各字符的编码、通过判断达到识别汽车牌照的目的。本方法减少了冗余信息,大大提高了识别速度。 相似文献
2.
网络流量中大多数流量都是正常的,但经常会出现偏离正常范围的异常流量,主要由DDOS攻击、渗透攻击等恶意的网络行为引起,这些异常行为通常会导致网络质量下降,甚至网络直接瘫痪。因此引入网络安全态势的预测,在仅知道正常网络流量的情况下判断网络中的异常。异常检测是一种网络安全态势的预测方法,用来判断网络中是否有异常。现有的异常检测算法由于无法准确提取网络数据包的低维特征导致算法的性能不佳,因此,需要找到网络数据包的准确的低维特征表示,该低维特征表示能够区分网络数据包是正常的还是有攻击的。为此,本文引入基于t-SNE降维的NLOF异常检测算法。该算法采用t-SNE算法自动预处理网络数据包以获得低维的网络数据包特征,之后将得到的低维的网络数据包特征作为NLOF算法的输入进行异常检测。其中,本文的NLOF算法首先采用k-means算法将网络数据包聚类成为K个簇,并将网络数据包数量小于N个的簇标记为异常簇,之后将未被标记为异常簇的网络数据包作为LOF算法的输入进行异常检测。在ISCX2012数据集上的实验结果表明,基于t-SNE降维的LOF算法达到最优性能时,准确率为98.46%,精确度为98.38%,检测率为98.54%,FAR为0.66%。该算法比基于现有最新算法的准确率、检测率和F1分别高3.18个百分点、0.02个百分点和0.01个百分点。基于t-SNE降维的NLOF算法达到最优性能时,准确率为98.53%,精确度为98.86%,检测率为98.86%,FAR为0.32%。该算法比基于现有最新算法的准确率、检测率和F1分别高3.25个百分点、0.34个百分点和0.41个百分点。这是异常检测中首次采用t-SNE算法自动提取低维的网络数据包特征。此外,LOF算法仅能捕获异常点,而本文的NLOF算法能够同时捕获异常点和异常簇。 相似文献
3.
目前主流的边缘存储策略通过协同或非协同的方式来提高存储资源的请求命中率,从而降低请求延迟以满足时间敏感型业务的需求,然而这些策略并未考虑存储节点的副本数量过多所带来的一致性开销问题。提出一种基于虚拟传播树(VST)的边缘存储算法,针对边缘存储中的一致性开销问题,设计VST生成算法和节点淘汰算法,从而在副本数量高、一致性需求大的场景下实现可控低延迟服务。实验结果表明,该算法可以在一致性场景下提供低延迟服务,在非一致性场景下同样具有稳定的性能表现,请求时延和存储开销低于CV和NCV算法。 相似文献
4.
投影电视的均匀照明系统设计 总被引:1,自引:0,他引:1
分析和设计了用于提高大屏幕投影电视光学性能的均匀照明系统:透镜阵列和积分方棒。基于弧长为1.2mm的超高压水银灯(UHP).建立嵌套圆筒的体光源模型.给出了两个照明系统的设计方法和用于2.3cm空间光调制器照明系统的设计参数。仿真结果表明,透镜阵列系统实现了均匀性( 4.55%,-5.54%),光能利用率为81%的照明输出;积分方棒系统实现了均匀性( 4.37%,-4.58%),光能利用率为79%的远心照明输出。均能满足投影电视对照明系统的指标要求。 相似文献
5.
6.
7.
在推荐系统中,传统的矩阵分解无法提取用户和物品特征,而神经协同过滤(NCF)在分解模型中增加多层感知器,但不能有效利用用户和物品ID之外的辅助信息.为此,提出一种新的条件卷积方法.通过将物品特征作为输入,将用户特征作为卷积核,达到权值不共享的目的,使得条件卷积具有更强的特征提取和组合能力以及不增加参数量的特性.在此基础上,条件卷积能够融入多种辅助信息进行个性化推荐.实验结果表明,与NCF模型相比,该方法在隐性反馈数据中推荐命中率提升3.11%,在显性反馈数据中评分预测误差降低2.47%. 相似文献
8.
提出了一种新型离轴照明系统,它由一个半球—椭球型反射镜、一个双曲面反射镜和
一个倾斜的匀光杆组成。半球—椭球型反光镜收集灯弧发出光能,双曲面反光镜将光束再次聚焦到匀光杆的前端面。用LightTools 软件建模的结果显示,当光调制器尺寸为1. 4 或1. 3 m 时,在满足高均匀性的前提下,光收集率能够提高20 %。 相似文献
9.
10.