排序方式: 共有29条查询结果,搜索用时 15 毫秒
1.
基于机器学习的垃圾邮件过滤技术是当前垃圾邮件过滤的主流方法。机器学习模型主要分为两类:以朴素贝叶斯(NB)为代表的生成模型和以逻辑回归模型(LR)、支持向量机模型(SVM)为代表的判别学习模型。以往对两种模型的研究都是针对某一种语言进行,对于模型的语言独立性与相关性研究较少。因此,在中文数据集和英文数据集上比较典型的生产模型和判别学习模型的过滤性能。比较Bogo(Bogo系统是基于贝叶斯算法的,它是典型的生成模型)、逻辑回归模型和松弛在线支持向量机(两种典型的判别学习模型)在中英文数据集上的过滤性能。其中:实验是在公开英文数据集TREC05p-1、TREC06p和公开中文数据集TREC06c、SEWM2011上进行。实验结果显示基于判别模型垃圾邮件过滤器性能明显优于基于生成模型,并且相同的模型在中文数据集上显示了较好的效果。 相似文献
3.
4.
圆度误差检测的现状与展望 总被引:10,自引:1,他引:9
介绍圆误差检测的仪器,在线测量,误差分离技术等方面的研究概况,并展望了圆度误差检测的发展趋势。 相似文献
5.
本文介绍了基本的相关匹配算法,探讨了提高算法实时性的途径,针对红外序列图像提出了一种基于优化搜索策略的快速相关匹配算法. 相似文献
6.
将基于轮廓曲率的帧间几何形状约束势能,与目标区域信息和边缘梯度信息相结合,定义新的主动轮廓跟踪模型.该模型可以克服弱边缘及强背景等噪声对轮廓的吸引和干扰,同时保持目标的基本形状,实现和改善对具有尖角、深凹等不规则形状目标的边缘跟踪.采用基于块匹配的边界仿射变换方法对主动轮廓的初始位置进行估计,使其更接近目标的真实边缘.实验结果表明,该算法具有较好的边缘跟踪和抗复杂背景的能力. 相似文献
7.
用Snake模型分割自然背景下的人造目标时,Snake曲线往往被复杂背景所吸引,无法收敛到人造目标的边缘。针对该问题,文章从目标特征的角度,将分形维数特征引入Snake模型。利用自然背景和人造目标在分形维数特征上的显著区别,定义了基于目标分形维数特征的梯度加权函数,来自适应调整图像梯度幅值的大小,抑制自然背景的干扰。同时,该模型允许初始轮廓远离目标的真实边缘,降低了Snake模型对初始位置的依赖性。实验表明,该Snake模型能够克服复杂自然背景的干扰,提取出人造目标的边缘。 相似文献
9.
介绍一起500 kV电流互感器故障过程,对故障电流互感器进行现场检查及返厂解体检查,确认电流互感器内部击穿部位,查阅了电流互感器线圈浇注记录,确认了电流互感器故障原因。 相似文献
10.
Chan-Vese模型(简称C-V模型)是基于均质区域能量最小化的曲线演化分割框架。本文提出一种区域相关权重的C-V模型,并对模型的区域权重进行了探讨,定义了自适应权值调整函数,加速曲线收敛过程,得到精确的区域边界。实验表明该算法可行有效。 相似文献