排序方式: 共有57条查询结果,搜索用时 46 毫秒
1.
2.
手势识别跟踪一般采用线下训练分类器,不能有效检测跟踪形变的手势,针对手势形变及在窗口的暂时性消失等问题,提出了一种通过线下训练结合线上提取样本对分类器进行训练的检测方法,同时采用跟踪一检测一学习(TLD)的方法不断对跟踪器的结果进行纠正.试验结果表明,本算法对手势形变、短暂消失具有很好的适应性,与TLD算法相比较具有更好的稳定性. 相似文献
3.
针对大规模无线传感器网络(WSN)中由于簇首节点分布不合理而导致节点消耗能量过快的问题,设计了一种基于非均匀分簇的无线传感器网络分层路由协议(HRPNC)。HRPNC结合低功耗自适应集簇分层型协议(LEACH)中的分簇思想,并在分层的基础上对能量均衡的无线传感器网络非均匀分簇路由协议(DEBUC)中竞争半径的算法进行改进,即通过分层机制及竞争机制选取簇首,使簇首节点分布更加合理,有效均衡节点的能量消耗。在Matlab上进行的仿真实验中,HRPNC在生存周期上较LEACH协议与DEBUC协议分别提高了约500轮、300轮;HRPNC的节点平均剩余能量高于LEACH协议与DEBUC协议,节点能量的消耗在生存周期间基本保持较低且平稳的能量消耗;HRPNC较LEACH协议与DEBUC协议在数据包传输总量上分别提高了约300%、130%;在不同仿真环境下,HRPNC的丢包率均比LEACH协议和DEBUC协议低。实验结果表明,HRPNC不仅能有效延长网络的生存周期,提高数据的传输数量与网络的稳定性,并且能有效降低数据传输的丢包率。 相似文献
4.
目前嵌入式系统软件开发方法不利于嵌入式系统的发展,如何将高级的构件技术应用到嵌入式系统软件开发中,以便快速灵活高效地设计系统,已成为其发展的关键。文章提出了一个基于构件的构造模型,它包括一个通用的、轻便的核心构件库,构件可在运行时动态装入,是可替换的。模型引入了构件框架概念,允许在部署时和运行时不同阶段进行重配置系统,有效缩短嵌入式系统软件开发周期。 相似文献
5.
6.
8.
在大数据时代,在城市复杂交通环境中,实现实时、准确的交通流预测,是实现智能交通系统的必要前提。提出了一种在Spark平台上基于梯度优化决策树的分布式城市交通流预测模型(distributed urban traffic prediction with GBDT,DUTP-GBDT);并提出了分布式情况下梯度优化决策树模型实现的优化方法,包括切分点抽样、特征装箱和逐层训练三种,提高了分布式情况下梯度优化决策树训练效率。基于Spark分布式计算平台高效、可靠、弹性可扩展的优势,以及梯度优化决策树模型准确率较高和时间复杂度较低的优点,利用时间特征、道路状况特征以及天气特征等特征参数,建立了DUTP-GBDT模型,实现了实时、准确的交通流预测。通过与GABP、GA-KNN、MSTAR等模型的对比,证明了利用Spark平台,DUTP-GBDT模型在分布式环境下准确率和训练速度方面均有所提高,符合城市交通流预测系统的各项要求。 相似文献
9.
10.