期刊文献+
共找到9篇文章
< 1 >
每页显示 20 50 100
基于综合辨识信息的SLIC超像素分割算法 被引量:9
1
作者 陈莹莹 康艳 +1 位作者 李文法 宏晨 《高技术通讯》 CAS 2021年第8期816-823,共8页
简单线性迭代聚类算法(SLIC)作为目前主流的基于聚类的超像素分割算法,能产生形状规整的超像素,但是边界附着度不高,针对以上问题本文提出了基于综合辨识信息的SLIC超像素分割算法。该算法首先调整种子点的初始化选取方式,计算像素梯度... 简单线性迭代聚类算法(SLIC)作为目前主流的基于聚类的超像素分割算法,能产生形状规整的超像素,但是边界附着度不高,针对以上问题本文提出了基于综合辨识信息的SLIC超像素分割算法。该算法首先调整种子点的初始化选取方式,计算像素梯度值,扩大初始聚类中心的选取范围。其次在距离度量时,加入像素的边缘概率,以权重的方式加入到距离公式中,减少了像素的误分割现象。实验结果表明,本文方法与SLIC算法相比,在分割质量方面有明显提升;同时与其他几种算法相比,本文提出的算法可以有效地提高超像素的边界附着度,同时降低像素的分割错误率。 展开更多
关键词 超像素分割 聚类 简单线性迭代聚类(SLIC) 辨识信息
在线阅读 下载PDF
带有色公共干扰噪声的ARMA模型多传感器信息融合系统辨识 被引量:2
2
作者 李恒 谭拂晓 +1 位作者 孙刚 张媛 《计算机应用》 CSCD 北大核心 2013年第A02期296-298,共3页
针对带未知参数的有色公共干扰噪声的自回归滑动平均(ARMA)模型,专门提出一种多段辨识算法:首先用递推辅助变量法获得自回归参数的局部估值,并采用平均局部的方法得到融合估值,再用带死区的GeversWouters算法和求解线性方程组得到滑动... 针对带未知参数的有色公共干扰噪声的自回归滑动平均(ARMA)模型,专门提出一种多段辨识算法:首先用递推辅助变量法获得自回归参数的局部估值,并采用平均局部的方法得到融合估值,再用带死区的GeversWouters算法和求解线性方程组得到滑动平均参数和噪声方差的局部和平均融合估值,并证明估值结果以概率1收敛于真实值。通过Matlab仿真显示单传感器得到的辨识结果均收敛于真实值,并且综合多个传感器的信息可以得到更为精确的结果。 展开更多
关键词 多传感器信息融合 系统辨识 有色公共干扰噪声 自回归滑动平均模型 多段信息辨识算法
在线阅读 下载PDF
内P-集合与■-内嵌入信息发现-辨识 被引量:3
3
作者 于秀清 《系统工程与电子技术》 EI CSCD 北大核心 2012年第6期1200-1204,共5页
P-集合是由内P-集合XF与外P-集合XF构成的有序集合对,它具有动态特性。利用内P-集合XF,给出F-内嵌入信息(x)F、F-内嵌入系数IEC(x)F与F-内嵌入度IED(x)F的概念,得到F-内嵌入信息存在性定理、依赖关系定理与可辨识性定理。在这些概念与... P-集合是由内P-集合XF与外P-集合XF构成的有序集合对,它具有动态特性。利用内P-集合XF,给出F-内嵌入信息(x)F、F-内嵌入系数IEC(x)F与F-内嵌入度IED(x)F的概念,得到F-内嵌入信息存在性定理、依赖关系定理与可辨识性定理。在这些概念与结果的基础上,给出F-内嵌入信息在目标搜索中的应用。 展开更多
关键词 内P-集合 F-内嵌入信息 F-内嵌入信息辨识
在线阅读 下载PDF
F-外嵌入信息与■-遗传辨识-应用 被引量:2
4
作者 于秀清 《计算机科学》 CSCD 北大核心 2011年第5期208-211,248,共5页
在外P-集合的动态特性基础上,给出了F-外嵌入信息概念、F-外嵌入信息核概念与F-外嵌入信息的度量。利用这些概念,得到了迭代F-外嵌入定理、F-外嵌入存在性定理、F-外嵌入信息的■-遗传定理与■-遗传信息的还原-恢复定理,并给出了■-遗... 在外P-集合的动态特性基础上,给出了F-外嵌入信息概念、F-外嵌入信息核概念与F-外嵌入信息的度量。利用这些概念,得到了迭代F-外嵌入定理、F-外嵌入存在性定理、F-外嵌入信息的■-遗传定理与■-遗传信息的还原-恢复定理,并给出了■-遗传辨识的应用。外P-集合的一个重要特征是能够发现信息之外的信息,这个发现是由■-遗传完成的。 展开更多
关键词 P-集合 外P-集合 F-外嵌入 F^--遗传 F-遗传信息辨识 应用
在线阅读 下载PDF
基于依存句法分析的电力设备缺陷文本信息精确辨识方法 被引量:30
5
作者 邵冠宇 王慧芳 +3 位作者 吴向宏 陆金龙 李建红 何奔腾 《电力系统自动化》 EI CSCD 北大核心 2020年第12期178-185,共8页
电力设备缺陷文本包含大量设备缺陷历史信息,从文本中精确辨识缺陷信息,可提供对于设备的故障率建模和健康状态评价问题的有效指导。引入依存句法分析技术,提出"左贪心"出栈规则和基于神经网络的依存关系状态转移分析模型,实... 电力设备缺陷文本包含大量设备缺陷历史信息,从文本中精确辨识缺陷信息,可提供对于设备的故障率建模和健康状态评价问题的有效指导。引入依存句法分析技术,提出"左贪心"出栈规则和基于神经网络的依存关系状态转移分析模型,实现了电力设备实际缺陷文本和缺陷分类标准文本的依存句法树构建,并结合缺陷文本特点提出了电力设备依存句法树的剪枝、切分和重构方法。同时,提出了基于依存关系的树匹配算法,实现实际缺陷和标准缺陷依存句法树的匹配。以主变压器缺陷文本为例,研究了基于依存句法分析的缺陷信息辨识方法的可行性和有效性。结果表明,所提方法相比于其他树匹配算法和语义相似度计算方法在效率和准确性上有明显提升。 展开更多
关键词 文本挖掘 电力设备 依存句法分析 依存句法树匹配 信息辨识
在线阅读 下载PDF
多变量自回归信号信息融合辨识方法
6
作者 陶贵丽 刘文强 +1 位作者 黄妍 顾泽元 《现代电子技术》 2012年第3期135-137,140,共4页
近年来,为了提高系统模型和状态估计的精度,多传感器数据融合引起了广泛关注。对于带白色公共干扰噪声和有色观测噪声的多传感器多变量自回归(AR)模型,当AR模型参数和噪声方差未知时,提出了一种信息融合多段辨识方法,其中采用多维递推... 近年来,为了提高系统模型和状态估计的精度,多传感器数据融合引起了广泛关注。对于带白色公共干扰噪声和有色观测噪声的多传感器多变量自回归(AR)模型,当AR模型参数和噪声方差未知时,提出了一种信息融合多段辨识方法,其中采用多维递推辅助变量(MRIV)方法得到AR模型参数的局部和融合估值器,再用相关方法得到局部和融合噪声方差估值器。这些估值器具有一致性,通过一个信号仿真例子验证了其有效性。 展开更多
关键词 多变量AR模型 信息融合多段辨识方法 多重递推辅助变量法 信息融合估值器 一致性
在线阅读 下载PDF
多传感器多变量AR模型信息融合辨识方法 被引量:1
7
作者 马占业 邓自立 《科学技术与工程》 2010年第34期8359-8363,共5页
对于带白色公共干扰噪声、白色观测噪声和传感器偏差的多传感器多变量自回归(AR)模型,当AR模型参数、传感器偏差和噪声方差未知时,提出了一种信息融合多段辨识方法,其中用多重递推增广最小二乘法(MRELS)得到AR模型参数和传感器偏差的局... 对于带白色公共干扰噪声、白色观测噪声和传感器偏差的多传感器多变量自回归(AR)模型,当AR模型参数、传感器偏差和噪声方差未知时,提出了一种信息融合多段辨识方法,其中用多重递推增广最小二乘法(MRELS)得到AR模型参数和传感器偏差的局部和融合估值器,再用相关方法得到局部和融合噪声方差估值器。这些估值器具有一致性。一个仿真例子验证了其有效性。 展开更多
关键词 多传感器多变量AR模型 信息融合多段辨识方法 多重递推增广最小二乘法 信息融合估值器 一致性
在线阅读 下载PDF
逆P-集合与动态信息的分离—应用
8
作者 张飞 耿红琴 陈萍 《太原理工大学学报》 CAS 北大核心 2013年第5期615-618,共4页
逆P-集合(inverse packet sets)是由改进P-集合得到,具有与P-集合相反的数学结构。利用逆P-集合给出逆P-分离概念,提出逆P-信息动态分离定理,给出逆P-分离在动态信息系统中的应用。逆P-集合是研究信息融合理论与应用的一个新理论、新方法。
关键词 逆p-集合 逆p-动态分离 分离定理 信息过滤-辨识 应用
在线阅读 下载PDF
P-集合与它的应用特征 被引量:153
9
作者 史开泉 《计算机科学》 CSCD 北大核心 2010年第8期1-8,共8页
P-集合(packet sets)是由内P-集合XF珚(internal packet sets XF珚)与外P-集合XF(outer packet sets XF)构成的集合对,或者(XF珚,XF)是P-集合。P-集合具有动态特性。利用P-集合,给出信息遗传概念,给出信息遗传的度量,提出信息遗传定理... P-集合(packet sets)是由内P-集合XF珚(internal packet sets XF珚)与外P-集合XF(outer packet sets XF)构成的集合对,或者(XF珚,XF)是P-集合。P-集合具有动态特性。利用P-集合,给出信息遗传概念,给出信息遗传的度量,提出信息遗传定理。利用信息遗传特性,给出信息状态辨识的方法与应用,给出信息图像生成、信息图像隐匿-潜藏的应用。P-集合是研究动态信息系统的一个新的理论与方法。最后给出P-集合存在的事实,给出P-集合与Z.Pawlak粗集的区别。 展开更多
关键词 P-集合 信息遗传 基数圆定理 信息状态辨识 信息图像的隐匿-潜藏 应用
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部