期刊文献+
共找到8篇文章
< 1 >
每页显示 20 50 100
面向边缘端设备的轻量化视频异常事件检测方法 被引量:7
1
作者 李南君 李爽 +2 位作者 李拓 邹晓峰 王长红 《计算机应用研究》 CSCD 北大核心 2024年第1期306-313,320,共9页
现有基于CNN模型的视频异常事件检测方法在精度不断提升的同时,面临架构复杂、参数庞大、训练冗长等问题,致使硬件算力需求高,难以适配无人机等计算资源有限的边缘端设备。为此,提出一种面向边缘端设备的轻量化异常事件检测方法,旨在平... 现有基于CNN模型的视频异常事件检测方法在精度不断提升的同时,面临架构复杂、参数庞大、训练冗长等问题,致使硬件算力需求高,难以适配无人机等计算资源有限的边缘端设备。为此,提出一种面向边缘端设备的轻量化异常事件检测方法,旨在平衡检测性能与推理延迟。首先,由原始视频序列提取梯度立方体与光流立方体作为事件表观与运动特征表示;其次,设计改进的小规模PCANet获取梯度立方体对应的高层次分块直方图特征;再次,根据每个局部分块的直方图特征分布情况计算表观异常得分,同时基于内部像素光流幅值累加计算运动异常得分;最后,依据表观与运动异常得分的加权融合值判别异常分块,实现表观与运动异常事件联合检测与定位。在公开数据集UCSD的Ped1与Ped2子集上进行实验验证,该方法的帧层面AUC分别达到86.7%与94.9%,领先大多数对比方法,且参数量明显降低。实验结果表明,该方法在低算力需求下,可以实现较高的异常检测稳定性和准确率,能够有效兼顾检测精度与计算资源,因此适用于低功耗边缘端设备。 展开更多
关键词 智能视频监控 边缘端设备 异常事件检测 主成分分析网络 分块直方图特征
在线阅读 下载PDF
基于非线性主成分分析的最小包围盒计算方法 被引量:12
2
作者 陈柏松 叶雪梅 安利 《计算机集成制造系统》 EI CSCD 北大核心 2010年第11期2375-2378,共4页
研究了三维模型最小有向包围盒算法,提出了基于非线性主成分分析的最小包围盒计算框架,根据Voronoi区域和Barycentric区域定义了顶点区域面积,并根据非线性主成分分析原理,使用顶点区域面积对各顶点进行调制,消除顶点分布的不均匀性,再... 研究了三维模型最小有向包围盒算法,提出了基于非线性主成分分析的最小包围盒计算框架,根据Voronoi区域和Barycentric区域定义了顶点区域面积,并根据非线性主成分分析原理,使用顶点区域面积对各顶点进行调制,消除顶点分布的不均匀性,再使用传统主成分分析得到目标正交坐标系,从而得到最小包围盒。最后,定义了一个相似度系数,来度量最小包围盒的计算效果。通过实验表明,使用顶点面积进行调制可以得到比其他方法更稳定的结果,且计算复杂度较小。 展开更多
关键词 非线性主成分分析 最小包围盒 顶点面积 三维模型
在线阅读 下载PDF
主元分析法在原油储罐监控系统中的应用 被引量:2
3
作者 刘春涛 陈祥光 +1 位作者 李宇峰 刘志成 《仪器仪表学报》 EI CAS CSCD 北大核心 2006年第z2期1740-1743,共4页
为了确保安全生产,实时监控原油集输过程中的变量,基于主元分析方法研究原油储罐各参数的变化规律,建立了主元回归模型,分析影响原油储罐正常运行的主要因素,对生产过程工艺参数的不正常状态实现有效的识别。通过现场数据验证表明:本文... 为了确保安全生产,实时监控原油集输过程中的变量,基于主元分析方法研究原油储罐各参数的变化规律,建立了主元回归模型,分析影响原油储罐正常运行的主要因素,对生产过程工艺参数的不正常状态实现有效的识别。通过现场数据验证表明:本文基于主元模型和采用统计量检测故障的方法,对过程参数发生异常的现象具有较精确的分辨能力,可获得比较满意的结果。 展开更多
关键词 主元分析 主元回归 故障检测 贡献图
在线阅读 下载PDF
递归核PCA及其在非线性过程自适应监控中的应用 被引量:12
4
作者 谢磊 王树青 《化工学报》 EI CAS CSCD 北大核心 2007年第7期1776-1782,共7页
PCA、PLS作为常用的多变量统计监控算法,一般适用于线性、定常的过程。针对实际工业过程的时变、非线性特性,提出了一种递归核PCA(RKPCA)方法用于非线性过程的自适应监控。RKPCA算法通过将递归奇异值分解推广到核空间,给出了核形式描述... PCA、PLS作为常用的多变量统计监控算法,一般适用于线性、定常的过程。针对实际工业过程的时变、非线性特性,提出了一种递归核PCA(RKPCA)方法用于非线性过程的自适应监控。RKPCA算法通过将递归奇异值分解推广到核空间,给出了核形式描述的递归KPCA算法,运算复杂度比KPCA明显降低,保证非线性监控模型能够在线更新。在Alstom工业燃气发生装置上的自适应监控表明,所提出的RKPCA算法能够及时跟踪非线性过程的时变特征,保证了监控模型的有效性。 展开更多
关键词 时变非线性过程 故障检测 递归核主元分析 自适应监控
在线阅读 下载PDF
一种按块递归的盲源分离方法 被引量:2
5
作者 刘建强 冯大政 《西安电子科技大学学报》 EI CAS CSCD 北大核心 2008年第2期233-236,共4页
自然梯度算法比随机梯度算法有更好的收敛性能和数值稳定性,块递归算法需要较少的运算时间.结合这两者的优点,提出一种基于块递归的盲源分离算法.首先基于自然梯度和非线性主分量分析,构造出按块递归更新的矩阵方程,然后用QR分解和回代... 自然梯度算法比随机梯度算法有更好的收敛性能和数值稳定性,块递归算法需要较少的运算时间.结合这两者的优点,提出一种基于块递归的盲源分离算法.首先基于自然梯度和非线性主分量分析,构造出按块递归更新的矩阵方程,然后用QR分解和回代法逐块求解该矩阵方程得到最优分离矩阵.与已有递归型盲源分离算法相比,数值仿真实验表明本方法运行一次所需平均时间减少了65%,所求矩阵的正交性能指标改善了10 dB. 展开更多
关键词 盲源分离 自然梯度 非线性主分量分析 块递归
在线阅读 下载PDF
图像分块压缩感知中的自适应粒重建算法 被引量:2
6
作者 李然 孙艳歌 +1 位作者 张清洁 刘宏兵 《数据采集与处理》 CSCD 北大核心 2018年第1期151-160,共10页
在图像分块压缩感知(Block compressed sensning,BCS)框架下,基于平滑投影Landweber迭代的重建算法能以低计算复杂度确保良好率失真性能,尤其是采用主成分分析(Principle component analysis,PCA)作自适应硬阈值收缩。然而,在PCA学习过... 在图像分块压缩感知(Block compressed sensning,BCS)框架下,基于平滑投影Landweber迭代的重建算法能以低计算复杂度确保良好率失真性能,尤其是采用主成分分析(Principle component analysis,PCA)作自适应硬阈值收缩。然而,在PCA学习过程中忽略了图像局部结构特性平稳,会影响Landweber迭代重建性能的提升。针对该问题,本文采用粒计算(Granular computing,Gr C)理论,根据图像子块结构特性将图像分解为若干粒,再实施PCA学习各粒的稀疏表示基底,并对粒内子块硬阈值收缩去噪。由于粒内图像子块具有平稳的结构特性,可有效改善硬阈值收缩性能。实验结果表明,与传统算法相比,本文算法重建图像的整体客观质量较优,且可更好地保护边缘与纹理等重要细节,主观视觉质量良好,与此同时,保证了较低的重建计算复杂度。 展开更多
关键词 分块压缩感知 Landweber迭代 粒计算 主成分分析 硬阈值收缩
在线阅读 下载PDF
基于PCA与残差补偿的人脸超分辨率算法
7
作者 马祥 刘军辉 《计算机工程》 CAS CSCD 2012年第13期196-198,共3页
提出一种基于主成分分析(PCA)与相似递归残差补偿的人脸超分辨率算法。基于PCA获得高低分辨率人脸图像特征空间的映射系数,通过该系数重建初步的高分辨率人脸图像。利用高低分辨率人脸图像空间同一区域图像块的内容相似性,递归计算残差... 提出一种基于主成分分析(PCA)与相似递归残差补偿的人脸超分辨率算法。基于PCA获得高低分辨率人脸图像特征空间的映射系数,通过该系数重建初步的高分辨率人脸图像。利用高低分辨率人脸图像空间同一区域图像块的内容相似性,递归计算残差补偿图像。采用该残差图像对初步重建的全局人脸进行细节补偿。实验结果表明,该算法的重建效果较优。 展开更多
关键词 人脸图像 超分辨率 递归 主成分分析 残差补偿
在线阅读 下载PDF
一种改进的非线性PCA胎儿心电信号提取算法 被引量:3
8
作者 夏冰 刘亚雷 +2 位作者 穆晓敏 齐林 杨守义 《郑州大学学报(理学版)》 CAS 北大核心 2009年第1期99-103,共5页
传统非线性主分量分析(PCA)算法在提取胎儿心电信号(FECG)时,对信道参数变化的跟踪能力较差,为有效地跟踪信道参数的变化,快速提取胎儿心电信号,提出一种通过预测误差调整遗忘因子的非线性PCA算法.该算法具有收敛速度快,参数估计误差小... 传统非线性主分量分析(PCA)算法在提取胎儿心电信号(FECG)时,对信道参数变化的跟踪能力较差,为有效地跟踪信道参数的变化,快速提取胎儿心电信号,提出一种通过预测误差调整遗忘因子的非线性PCA算法.该算法具有收敛速度快,参数估计误差小的优点.仿真结果表明,该算法与传统算法相比,可以快速有效地抑制掉母亲心电信号(MECG)和各种噪声,提取更清晰的胎儿心电信号. 展开更多
关键词 非线性主分量分析 胎儿心电信号 母亲心电信号 盲信号分离
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部