排序方式: 共有70条查询结果,搜索用时 78 毫秒
1.
2.
针对医学图像具有对比度较低,不同组织之间的模糊性较高的特点,给出一种基于多主体和数学形态学灰度形态运算的聚类算法。算法采用agent技术和多结构元素结合的模式,用结构元素做智能个体,每个不同类型的agents随机散布在离散空间格点上,在同时刻控制系统驱动下agents根据其自身结构元素的类型用给出的邻域平均算子自主选择作相应的运算进而实现图像聚类。算法无须先验知识和预处理操作,对初始聚类点不敏感,无须事先输入聚类簇数。算法具有分布式并行计算功能和自主分析能力。实验结果验证了该算法的可行性和可靠性。 相似文献
3.
为了准确监测井下输送带运行状态,防止输送带跑偏,提出了一种基于计算机视觉的井下输送带跑偏检测方法。首先采用基于卷积神经网络的MaskRCNN实例分割算法提取输送带图象中的感兴趣区域并进行图像预处理;之后采用改进的Canny算法提取输送带区域的边缘轮廓信息;最后采用改进的直线段检测(LSD)算法提取输送带边缘直线特征,根据边缘直线的斜率和中心线的相对位置判断输送带是否跑偏。实验结果表明,提出的井下输送带跑偏检测方法能够较准确地检测出输送带边缘直线从而进行跑偏判定,验证了算法的有效性。 相似文献
4.
数据挖掘算法过程中对客户行为的实时性是分析客户网络消费行为的重要要素之一,但是Prefixspan数据挖掘算法挖掘过程中并未对此问题予以考虑,因此,在时间间隔序列模式概念的基础上,提出了一种基于时间间隔和点击量的Prefixspan改进算法。在该算法中,引人了频繁度和时间属性的概念,并加入了时间间隔和点击量等要素,从而使挖掘到的信息具有实时性的特点,并且提高了对挖掘对象的侧重性。通过实验验证,与原来的Prefixspan算法相比较后表明,改进算法用于具有时间特性的数据集时获得的挖掘结果更精确,挖掘效率得到了有效的提高。 相似文献
5.
为帮助矿工在复杂的井下环境和突发事故中准确选择逃生路线,建立了基于多Agent的煤矿井下矿工逃生模型(UCMEM)。通过分析井下人员在灾害中的生理和心理情况,提取出了井下人员的行为规则。依据这些行为规则,利用RePast建模仿真软件模拟矿工在事故发生时的逃生行为,随机生成了逃生路线。结果表明:在井下发生灾害时,利用模型生成的逃生路线进行逃生能够有效降低死亡率;模型针对灾害发生的不同地点,可生成不同的逃生路线,并帮助Agent安全逃生。 相似文献
6.
为解决矿井探水作业中人工验收效率低、耗时长等问题,提出一种融合交叉熵损失函数的3DCNN探水作业动作识别模型。使用Re LU非线性化函数和Soft Max交叉熵损失函数,将隐含的特征数据判断分类别后再进行学习,得到较为丰富的批次网络信息图;将批量归一化操作引入到网络结构中,弥补网络模型收敛速率慢的不足,提高模型的泛化能力和鲁棒性,达到有效提高验收效率的目的。经过与其它网络模型对比,实验结果表明,该方法有效解决了人工验收低效率的问题,提高了动作识别的准确率。 相似文献
7.
8.
深度卷积神经网络因规模庞大、计算复杂而限制了其在实时要求高和资源受限环境下的应用,因此有必要对卷积神经网络现有的结构进行优化压缩和加速。为了解决这一问题,提出了一种结合剪枝、流合并的混合压缩方法。该方法通过不同角度去压缩模型,进一步降低了参数冗余和结构冗余所带来的内存消耗和时间消耗。首先,从模型的内部将每层中冗余的参数剪去;然后,从模型的结构上将非必要的层与重要的层进行流合并;最后,通过重新训练来恢复模型的精度。在MNIST数据集上的实验结果表明,提出的混合压缩方法在不降低模型精度前提下,将LeNet-5压缩到原来的1/20,运行速度提升了8倍。 相似文献
9.
10.
针对细粒度车型中子车系间识别率低的问题,同时为了增强卷积神经网络的表征能力,提出融合独立组件的残差网络(IC-ResNet)模型。优化ResNet网络,通过改进下采样层,减少特征信息损失,接着使用中心损失函数和Softmax损失函数联合学习策略,增强模型的类内聚性。在卷积层前引入独立组件(IC)层,获得相对独立的神经元,增强网络独立性,提高模型的特征表示能力,从而对细粒度车型实现更准确的分类。仿真实验表明,该模型在Stanford cars-196数据集上的识别准确率达到94.7%,与其他模型相比,实现了最优效果,从而验证了该车型识别模型的有效性。 相似文献