-
题名多标号学习矢量量化的食用油掺伪检测
被引量：3
- 1
-
-
作者
陈景波
-
机构
常熟理工学院电气与自动化工程学院
-
出处
《计算机应用》
CSCD
北大核心
2013年第11期3141-3143,共3页
-
文摘
为了提高食用油掺伪检测效果,基于食用油的高效液相色谱数据,提出了一个新的多标号学习矢量量化算法(ML-LVQ),并应用于食用油的掺伪检测中。它每次调整两个原型使排序损失的上界最小,并通过元标号分类器确定多标号的数目,从而达到同时优化ranking准则函数和bipartitions准则函数的目的。在9类纯油以及它们的混合油样本的数据集上测试的结果表明,ML-LVQ取得了比改进的AdaBoost.RMH算法更好的性能。
-
关键词
多标号算法
学习矢量量化算法
元标号分类器
高效液相色谱法
食用油掺伪检测
-
Keywords
multi-label algorithm
Learning Vector Quantization （LVQ） algorithm
meta-labeler
High PerformanceLiquid Chromatography （HPLC） method
oil adulteration detection
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于局部化原理和概率模型的LVQ改进算法
被引量：6
- 2
-
-
作者
叶少珍
吴鸣锐
张钹
郑文波
马少平
-
机构
清华大学计算机科学与技术系智能技术与系统国家重点实验室
福州大学信息科学与技术学院
-
出处
《计算机学报》
EI
CSCD
北大核心
2003年第5期626-629,共4页
-
基金
国家自然科学基金重点项目 (60 13 5 0 10 )
国家"九七三"重点基础研究发展规划项目 (G19980 3 0 5 0 9)
福建省教育厅科技项目 (JA0 2 15 7)资助
-
文摘
利用局部化原理和概率模型的优化方法 ,提出一种LVQ改进算法———基于局部化原理和概率模型的LVQ算法 (LocalizationprincipleandProbabilitybasedLVQ ,LoPLVQ) .与传统LVQ算法相比 ,不仅缩短训练时间 ,而且具有较高的识别率 .实验结果表明改进算法可用来解决大规模的模式识别问题 .
-
关键词
模式识别
局部化原理
概率模型
LVQ改进算法
学习矢量量化算法
计算机
-
Keywords
learning vector quantization
pattern recognition problems of large scale(PRPLS)
localization principle
optimization
probabilistic model
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名LVQ聚类算法在爆炸物THz光谱识别中的应用
被引量：3
- 3
-
-
作者
赵晶晶
葛庆平
张存林
-
机构
首都师范大学信息工程学院
首都师范大学物理系
-
出处
《计算机工程与应用》
CSCD
北大核心
2009年第18期239-241,244,共4页
-
基金
北京市教委项目(No.KM200710028018)
-
文摘
运用THz光谱特性进行爆炸物的识别,是现代检测技术研究的一个热点。由于直接对原始数据进行聚类的识别率并不理想,首先对实验样本的THz频域光谱数据曲线进行二阶导数变换,得到了更能表现数据变化趋势和峰值的特征曲线,然后基于该特征曲线利用LVQ神经网络聚类算法,设计并用VC++6.0实现了THz光谱自动分类识别系统。分别对RDX、DNT、TNT、HMX四种爆炸物进行识别对比实验,运用原始数据训练出的分类器,识别率为96%,运用变换过后的特征数据训练出的LVQ分类器,识别率可以达到100%。实验证明,所设计的基于LVQ的神经网络分类器具有强大相似特征聚类功能和较高的识别率。
-
关键词
Thz技术
神经网络
学习矢量化网络(LVQ)聚类算法
-
Keywords
The terahertz（THz ）
neural network
Learning Vector Quantization （LVQ） clustering algorithm
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名亮度不均匀低质量图像中压印字符分割方法
被引量：4
- 4
-
-
作者
闫晓燊
高强
朱思萌
奚学程
赵万生
-
机构
上海交通大学机械与动力工程学院机械系统与振动国家重点实验室
-
出处
《计算机工程与应用》
CSCD
北大核心
2021年第8期185-191,共7页
-
基金
国家自然科学基金(51775341)。
-
文摘
字符分割效果,直接影响识别精度。在处理亮度不均匀低质量图像中的压印字符时,由于亮度分布不均匀、目标字符与背景区域对比度较低,传统基于二值化图像的字符分割方法在处理上述情况下的压印字符时,难以确定最优二值化阈值,分割准确率较低。提出基于分割效果评价函数的迭代闭环反馈分割方法,通过建立评价函数对分割效果进行评估,以提高分割效率及准确率。借助加权平滑滤波,去除灰度波形图中的畸变波形;并利用广义学习矢量量化算法,确定最优滤波权重因子;通过分析波形变化趋势,确定字符分割位置。实验结果表明,该算法在批量处理亮度不均匀低质量图像中的压印字符时,分割准确率可达98.5%。
-
关键词
字符分割
亮度不均匀图像
分割效果评价函数
迭代闭环反馈
广义学习矢量量化算法
-
Keywords
characters segmentation
uneven brightness images
segmentation effect evaluation function
iterative closedloop feedback
generalized learning vector quantization algorithm
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
