排序方式： 共有3条查询结果，搜索用时 0 毫秒
1
1.
为解决车牌图像识别因复杂光照变化,导致车牌图像识别质量差的问题,提出基于卷积神经网络的复杂光照变化车牌图像识别方法。先采用复杂光照变化下车牌图像核心目标增强方法,对车牌图像核心目标进行有效聚类增强;再将复杂光照变化下核心目标增强后的车牌图像,作为基于深度可分离卷积网络的车牌图像识别方法的输入样本,导进卷积神经网络中,获取车牌图像特征图,然后将其变换为特征序列,通过双向循环神经网络,学习与预测车牌图像特征序列,实现对复杂光照变化下车牌图像的识别。实验结果表明,所提方法的识别精度高达0.99,比同类方法的识别精度高;在车牌图像数量逐渐增多时,该方法识别耗时仍低于2 s,识别效率显著。 相似文献
2.
数据挖掘是数据库研究中一个很有应用价值的课题,它融合了数据库、人工智能、机器学习等多个领域的理论和技术。本文介绍了数据挖掘的定义、功能、常用技术、数据挖掘过程,以及数据挖掘的应用。 相似文献
3.
采用传统固相法对锂离子电池富镍系LiNi0.8Co0.15Al0.05O2正极材料进行了Mg2+和F-共掺杂改性研究,借助X射线衍射(XRD)、XRD数据精修、扫描电子显微镜(SEM)、恒电流充放电测试、循环伏安曲线(CV)和电化学阻抗谱(EIS)等手段探究Mg2+和F-共掺杂对材料晶体结构、表面形貌和电化学性能的影响.物理测试表明,Mg2+和F-共掺杂后正极材料仍保持α-NaFeO2结构,无杂质生成,且共掺杂后正极材料晶胞参数增大,离子混排程度降低,这有利于Li+在晶格中的脱嵌迁移.此外,共掺杂后正极材料的微观形貌未发生明显变化.电化学性能表明,Mg2+和F-共掺杂样品表现出优异的电化学性能,1C倍率下循环200圈后,放电比容量仍保持有144.1mAh·g-1,容量保持率高达83.1％.优异的电化学性能归因于Mg2+和F-稳定了材料的晶体结构,减少了材料极化,抑制了电池电荷转移阻抗的增加.本工作的开展为其他锂离子电池正极材料性能提升提供了思路. 相似文献
1