排序方式: 共有15条查询结果,搜索用时 15 毫秒
1.
2.
相对于窄带多普勒雷达,超宽带雷达能够同时获取目标的距离和多普勒信息,更利于行为识别。为了提高跌倒行为的识别性能,该文采用调频连续波超宽带雷达在两个真实的室内复杂场景下采集36名受试者的日常行为和跌倒的回波数据,建立了动作种类丰富的多场景跌倒检测数据集;通过预处理,获取受试者的距离时间谱、距离多普勒谱和时间多普勒谱;基于MobileNet-V3轻量级网络,设计了数据级、特征级和决策级3种雷达图谱深度学习融合网络。统计分析结果表明,该文提出的决策级融合方法相对于仅用单种图谱、数据级和特征级融合的方法,能够提高跌倒检测的性能(显著性检验方法得到的所有P值<0.003)。决策级融合方法的5折交叉验证的准确率为0.9956,在新场景下测试的准确率为0.9778,具有良好的泛化能力。 相似文献
3.
4.
提出了一种基于快速独立分量分析(FastICA)的高光谱图像压缩算法。首先引入虚拟维数算法估计图像中的目标端元个数,进而提取出感兴趣的目标端元矢量,并初始化快速独立分量分析的混合矩阵;利用最小噪声分量变换对原始数据进行降维,从降维后的主分量中提取独立分量;对独立分量进行恒虚警率检测与形态学滤波,实现目标分割。对高光谱图像进行谱间Karhunen-Loeve变换,利用比例位移法对感兴趣目标的小波系数进行提升,最后对各主分量进行最优码率的SPIHT压缩。实验结果表明,该方法在获得较高压缩性能的同时能够有效地保留感兴趣的目标。 相似文献
5.
6.
临床上检测异位性心搏,对心血管疾病的早发现、早诊断、早治疗有重大意义。异位性心搏的自动识别能有效减轻人工识别的负担。采用37只小鼠各10 min的心电图(ECG)信号,由3位专家完成异位性心搏的标定及数据库的建立。在此基础上,使用7种机器学习方法,组合脉冲排除滤波器和模板匹配算法的值,对异位性心搏点进行自动识别。实验结果表明,7种机器学习的方法都能得到较好的预测性能(所有曲线下面积(AUC)大于0.899),其中集成学习AdaBoost的预测能力最好(AUC=0.940,准确度、特异性均为0.888)。 相似文献
7.
由于高光谱遥感图像的混合程度较高,使得传统的非负矩阵欠逼近(Nonnegative Matrix Underapproximation,NMU)算法所提取的基本成分仍然不纯,且易受噪声影响。针对这些不足,提出了一种基于L1/2正则化的软阈值NMU逐次光谱解混算法。首先,通过引入丰度的L1/2正则项来增强算法的地物区分能力,进而提高所分离地物的纯度;其次,利用软阈值惩罚函数代替NMU中的残差非负约束,通过调节惩罚因子来控制非负元素的数量,从而提高算法的抗噪性能。在仿真数据和实测数据上的实验结果表明,即使在有噪声的条件下,该算法也能得到较好的分离结果。 相似文献
8.
9.
为保护数字图像的版权,提出一种新的基于Contourlet变换的特征子空间投影的非对称水印方法.构造的嵌入矩阵(私钥)和检测矩阵(公钥)不同,且嵌入矩阵保密,检测矩阵公开,同时可实现嵌入矩阵不依赖宿主图像.采用Contourlet变换获得顽健性子空间,用嵌入矩阵将任意水印嵌入顽健性空间中,并构造检测函数判断待测图像是否含有水印,因此该方法具有较好的安全性、较高的检测概率和较低的虚警概率,同时实验数据表明具有较强的顽健性,可以抵抗多种攻击. 相似文献
10.