期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
非均匀物性条件下多尺度窗口修正法换算磁源重力异常及在寻找DSO的应用 被引量:4
1
作者 颜廷杰 甘文龙 管彦武 《地球物理学报》 SCIE EI CAS CSCD 北大核心 2017年第12期4840-4854,共15页
DSO(Direct Shipping Ore,直运块矿)是一种高品位的富铁矿.在加拿大拉布拉多(Labrador)地槽谢菲尔威利(Schefferville)铁矿成矿带,含铁建造苏克曼(Sokoman)组地层全铁含量低、具高密度、强磁性,能够引起高重力异常与高磁异常;而风化淋... DSO(Direct Shipping Ore,直运块矿)是一种高品位的富铁矿.在加拿大拉布拉多(Labrador)地槽谢菲尔威利(Schefferville)铁矿成矿带,含铁建造苏克曼(Sokoman)组地层全铁含量低、具高密度、强磁性,能够引起高重力异常与高磁异常;而风化淋滤后富集的赤铁矿和针铁矿等(也称DSO)全铁含量高,具高密度、无磁性,仅能够引起高重力异常.采用一般的滤波方法不能提取DSO的重、磁异常.本文采用基于泊松(Poisson)公式的磁场换算磁源重力异常(pseudo-gravity anomaly)方法,由磁场换算磁源重力异常,再与实测重力异常对比,得到纯粹由高密度、无磁性的DSO产生的剩余重力异常,对剩余重力异常采用密度成像与2.5D反演方法解释DSO.泊松公式虽然提出时间很长,但迄今为止仅仅用在资料解释中的定性分析,本文推导并实现了密度磁性非均匀条件下经典泊松公式的形式与实现过程,提出了多尺度窗口滑动线性回归修正的磁场换算磁源重力异常方法,使该公式的数学原理能够对重、磁异常的反演解释定量化.最后本文将多尺度窗口滑动线性回归修正的换算磁源重力异常方法用于加拿大拉布拉多地槽谢菲尔威利铁矿成矿带铁矿勘探,较好地解决了寻找高密度、无磁性DSO的问题. 展开更多
关键词 非均匀物性 多尺度窗口滑动线性回归修正 磁源重力异常 DSO 谢菲尔威利铁矿成矿带
在线阅读 下载PDF
多尺度局部特征选择的行人重识别算法 被引量:10
2
作者 徐家臻 李婷 杨巍 《计算机工程与应用》 CSCD 北大核心 2020年第2期141-145,共5页
针对行人重识别问题中人体姿态变化、对齐及部分遮挡等情况,提出了一种基于深度学习的局部区域选择和局部特征提取算法。算法首先利用残差卷积神经网络获取基本特征,然后利用多尺度的滑动窗口提取不同候选局部区域特征,并按照覆盖区域... 针对行人重识别问题中人体姿态变化、对齐及部分遮挡等情况,提出了一种基于深度学习的局部区域选择和局部特征提取算法。算法首先利用残差卷积神经网络获取基本特征,然后利用多尺度的滑动窗口提取不同候选局部区域特征,并按照覆盖区域进行分组,每组选择一个最优局部特征,并融合整体特征得到最终特征表达。实验结果表明,通过该方法提取的局部特征具有更好的表达能力,提高了行人重识别的精确度。 展开更多
关键词 行人重识别 深度学习 局部特征 多尺度滑动窗口
在线阅读 下载PDF
基于DWT与SVM的风门开闭阶段识别方法 被引量:2
3
作者 邓立军 尚文天 +2 位作者 刘剑 周煜凯 宋莹 《中国安全科学学报》 CAS CSCD 北大核心 2023年第1期95-104,共10页
为解决因风门开闭导致的风速传感器数据异常波动与误报警问题,提出一种基于离散小波变换(DWT)与支持向量机(SVM)的风门开闭阶段识别方法。使用多尺度滑动窗口将传感器风速监测数据离散化为若干段不同尺度的子时间序列数据,利用统计方法... 为解决因风门开闭导致的风速传感器数据异常波动与误报警问题,提出一种基于离散小波变换(DWT)与支持向量机(SVM)的风门开闭阶段识别方法。使用多尺度滑动窗口将传感器风速监测数据离散化为若干段不同尺度的子时间序列数据,利用统计方法与DWT,提取各尺度子时间序列数据中的统计特征与隐含的波动特征,建立SVM风门开闭阶段识别分类模型。为进一步优化识别结果,基于重叠度(IoU)规则合并、修正、组合、取优分类识别结果,再根据相似准则建立长度方向取变率为2、整体相似比为1∶16的相似试验模型,开展风门开闭扰动试验,验证方法的可行性。结果表明:在测试集上的识别准确率较高,对于风门开闭时间的识别准确率可达到90.08%,风门开闭阶段的划分准确率可达到71.05%,优化滑动窗口尺度数量,可继续增加方法识别的准确率。 展开更多
关键词 离散小波变换(DWT) 支持向量机(SVM) 风门开闭 阶段识别 多尺度滑动窗口 重叠度(IoU)
在线阅读 下载PDF
基于CNNs识别反馈的点阵字符检测方法 被引量:8
4
作者 曹泽卫 欧阳 +1 位作者 林冬婷 李柏林 《电子测量与仪器学报》 CSCD 北大核心 2020年第8期159-166,共8页
针对点阵字符因错误分割导致识别准确率较低的问题,提出了一种基于卷积神经网络(CNNs)识别反馈的点阵字符检测方法。首先采用多尺度窗口获取多个候选区域并建立CNNs对其进行识别,利用投票机制对多个识别结果进行综合决策,然后根据决策... 针对点阵字符因错误分割导致识别准确率较低的问题,提出了一种基于卷积神经网络(CNNs)识别反馈的点阵字符检测方法。首先采用多尺度窗口获取多个候选区域并建立CNNs对其进行识别,利用投票机制对多个识别结果进行综合决策,然后根据决策结果反向定位点阵字符并完成字符分割,最后提出一种滑动翻转窗口对所有字符进行分割与识别。实验结果表明,该方法在点阵字符的定位准确率和识别率方面都优于传统字符识别方法,分别达到了97.53%和97.50%。 展开更多
关键词 多尺度滑动窗口 卷积神经网络 滑动翻转窗口 反馈定位 点阵字符识别
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部