排序方式: 共有66条查询结果,搜索用时 0 毫秒
11.
12.
针对ORB算法中特征点缺乏尺度不变性导致算法误匹配率高,以及二进制鲁棒独立基本特征(BRIEF)算法的描述子易受噪声影响的问题,提出了改进的特征点匹配方法。采用加速的具有鲁棒性的特征(SURF)算法进行特征点提取,利用带有方向信息的BRIEF算法进行特征点描述;在特征点邻域内选取随机点对,并对随机点对的灰度大小比较和相似度比较分别进行编码,采用汉明距离计算两种编码的差异;利用自适应加权融合的方式实现特征点相似性距离度量。实验结果表明,改进方法对于尺度变化、光照变化以及模糊变化的图像具有更好的适应性,与传统ORB特征点匹配方法相比能够获得更高的特征点正确匹配率,且该特征点匹配方法可用于改善图像拼接的性能。 相似文献
13.
树脂浇注干式变压器三维温度场仿真计算 总被引:1,自引:0,他引:1
为便于诊断干式变压器的故障,对干式变压器进行热点分析.根据干式变压器实际结构建立了三维对称热传导模型,并基于多物理场有限元软件平台Comsol Multiphysics对干式变压器开展温度场仿真计算,计算得出温度场分布云图以及铁芯、绕组温升曲线.通过比对实际数据和仿真分析结果,从而确定温度分布及最热点温度位置在低压绕组距底部2/3处,可为该类干式变压器的在线诊断及结构优化设计提供理论依据. 相似文献
14.
本文分析了"电机及拖动基础"课程教学中存在的问题,针对该课程理论教学学时有限,课程内容抽象,课程理论与实践紧密结合的特点,对教学内容、教学方法和实验教学等进行了改革与探索.通过将虚拟仿真实验教学平台与实物实验教学相结合的方法以及建立网络辅助教学平台手段,提高了教学效果,满足高质量人才培养的需求. 相似文献
15.
基于神经网络的刑事案件量刑决策系统 总被引:1,自引:0,他引:1
为了给刑事案件量刑提供一个客观公正的参考,提出了一种基于神经网络的量刑决策系统.根据案件的具体细节情况,确定案件各种量刑情节的有无,并将其作为分类和决策的特征量,确定刑罚的种类以及刑期的长短.为提高网络的决策性能,针对梯度学习存在的局部极小和假饱和等现象,提出了基于混沌退火的学习算法,进一步提高了网络的决策能力.大量的仿真实验表明,该决策网络能够给出一个客观、公正的量刑结果. 相似文献
16.
针对目前动车组(electric multiple units,EMUs) 关键部件缺陷检测模型复杂、小目标漏检率高和检测效率低的问题,提出一种基于改进YOLOv5的缺陷检测方法。该方法在利用生成对抗网络(generative adversarial network,GAN)进行数据增强的基础上,采用轻量级网络MobileNetV3-large对YOLOv5m主干网络进行替换,同时使用深度可分离卷积优化颈部3×3网络结构,以降低模型的参数量和计算量;在改进后的主干网络中引入坐标注意力机制(coordinate attention,CA),以捕获小目标的位置信息和通道信息,增强网络的特征表达能力;对非极大值抑制(non-max suppression,NMS)算法进行优化,融入重叠检测框中心点的位置信息,以提升预测框的定位准确性。在EMUs缺陷数据集上的实验结果表明,本文提出的检测模型相较于YOLOv5m,参数量减少了77%,计算量降低了80.9%,单张图片的检测时间减少了31.7%,平均精度均值(mean average precision,mAP)可达到0.804。另外,在NEU-DET数据集上的实验结果表明,改进后的模型也具有较强的泛化能力。 相似文献
17.
18.
基于迟滞神经网络的风速时间序列预测 总被引:1,自引:0,他引:1
为了改善风速时间序列的预测性能,提出了一种基于迟滞神经网络的预测方法.通过改变神经元激励函数的方式将迟滞特性引入神经网络中,以增强历史输入对当前响应的影响,从而提高有用信息的利用率,提高风速时间序列的预测性能;借助于相空间重构理论构造风速预测训练样本,采用梯度下降法对网络权值进行训练,利用遗传算法对迟滞参数进行优化.仿真结果表明:与传统神经网络及ARMA模型等方法相比,迟滞神经网络能够有效减小风速时间序列的预测误差,提高预测性能. 相似文献
19.
为了提高混沌同步误差在滑模面上的收敛速度,提出了一种改进的终端滑模面,并设计了自适应终端滑模控制律,改善了混沌同步控制性能。在终端滑模面中引入系统状态量的幂指函数积分项,提高了误差沿滑模面的收敛速度。针对同时考虑系统中存在未知参数、不确定项及外部扰动的混沌系统的同步控制问题,设计了自适应终端滑模控制律,实现了混沌同步系统的滑模控制,并对系统的稳定性进行了证明。将所设计的滑模控制方法应用于混沌同步控制系统中,相比于传统终端滑模控制方法,改进方法能够明显提高误差的收敛速度。仿真实验验证了所提方法的有效性。 相似文献
20.
基于运动想象的脑电信号是用户在执行不同运动想象任务时采集到的不同脑区的电信号.受到用户的大脑结构和头皮状态等因素影响,采集到的运动想象任务信号之间混乱,从而导致大量信号被错分.鉴于此,提出一种基于改进深度森林的运动想象任务信号分类方法.首先,利用变长粒子群算法强大的寻优能力,为深度森林中每一层的随机森林和完全随机森林预测的类概率值搜寻最优权重;然后,将此权重赋予对应的类概率值,以此实现对结果修正目的;最后,利用BCI竞赛IV的数据集2a评估所提出方法的有效性.实验结果表明,相比传统的深度森林,该方法对四分类运动想象脑电信号实现了更高的分类准确率.所提出方法根据分类器预测的结果进行学习,对于提升分类器性能的研究具有重要意义. 相似文献