期刊文献+
共找到30篇文章
< 1 2 >
每页显示 20 50 100
基于多维度动态加权alpha图像融合与特征增强的恶意软件检测方法
1
作者 谢丽霞 魏晨阳 +2 位作者 杨宏宇 胡泽 成翔 《电子学报》 北大核心 2025年第3期849-863,共15页
针对现有恶意软件检测方法缺乏对样本特征的有效提取、过度依赖领域专家知识和运行行为监控,导致严重影响检测分类性能的问题,提出一种基于多维度动态加权alpha图像融合与特征增强的恶意软件检测方法 .通过无效样本清洗与异常值处理获... 针对现有恶意软件检测方法缺乏对样本特征的有效提取、过度依赖领域专家知识和运行行为监控,导致严重影响检测分类性能的问题,提出一种基于多维度动态加权alpha图像融合与特征增强的恶意软件检测方法 .通过无效样本清洗与异常值处理获得标准化样本集,利用三通道图像生成与多维度动态加权alpha图像融合方法生成高质量融合图像样本.采用傀儡优化算法进行数据重构,减少因数据类不平衡对检测结果造成的影响,并对重构数据样本进行图像增强.通过基于双分支特征提取与融合通道信息表示的空间注意力增强网络,分别提取图像特征和文本特征并进行特征增强,提高特征表达能力.通过加权融合的方法将增强的图像特征与文本特征进行融合,实现恶意软件家族的检测分类.实验结果表明,本文所提方法在BIG2015数据集上的恶意软件检测分类准确率为99.72%,与现有检测方法相比提升幅度为0.22~2.50个百分点. 展开更多
关键词 恶意软件检测 图像融合 傀儡优化算法 双分支特征提取 数据重构 特征增强
在线阅读 下载PDF
基于模型学习偏移修正的短期风电功率预测方法
2
作者 陈延旭 潘世纪 +1 位作者 赵永宁 叶林 《电力系统自动化》 北大核心 2025年第16期96-108,共13页
现有基于数据驱动的风电功率预测模型在建模过程中不可避免地存在学习偏移性问题,使得模型有偏向性地学习分布集中的部分数据样本,导致预测模型在实际应用中泛化能力较差。针对上述问题,提出一种基于模型学习偏移修正的短期风电功率预... 现有基于数据驱动的风电功率预测模型在建模过程中不可避免地存在学习偏移性问题,使得模型有偏向性地学习分布集中的部分数据样本,导致预测模型在实际应用中泛化能力较差。针对上述问题,提出一种基于模型学习偏移修正的短期风电功率预测方法。首先,通过挖掘差异化样本造成模型预测性能偏移的作用原理,对时序样本进行分类表征。之后,针对历史数据中难以预测的极端天气样本、异常样本和相似不平衡样本,分别采用场景生成、渐进式掩码检测和样本特征增强策略联合修正模型学习的偏移性。最后,利用Shapley值法对各类样本进行重要性评估,以验证该偏移修正策略的必要性与合理性。实际算例表明,所提方法可显著提升各类模型的短期风电功率预测精度,在多场景模式下均具备较好的泛化性。 展开更多
关键词 风电功率预测 模型学习偏移 数据增强 样本特征 样本提取 多场景模式
在线阅读 下载PDF
使用自注意力机制及数据增强策略的乐曲风格识别方法
3
作者 林怡 徐超兰 龙桂铃 《应用声学》 北大核心 2025年第3期615-626,共12页
乐曲风格识别是音乐信息检索领域的一个关键分支,现有技术,包括卷积神经网络和Transformer模型,常面临特征提取不精细、信息融合不足等问题。针对这些问题,该研究设计了一种时域patch划分和局部-全局注意力机制。时域patch划分方法按照... 乐曲风格识别是音乐信息检索领域的一个关键分支,现有技术,包括卷积神经网络和Transformer模型,常面临特征提取不精细、信息融合不足等问题。针对这些问题,该研究设计了一种时域patch划分和局部-全局注意力机制。时域patch划分方法按照时域方向将整个时间点的频域信息划分为一个patch再输入编码器中,局部-全局注意力机制结合了自注意力的全局建模能力和卷积神经网络的局部特征提取能力,能够同时建模全局和局部信息。这些方法更能适应声频特征并显著提升了乐曲风格的分类性能。模型在GTZAN数据集上的准确率达到了94.80%,同时在UrbanSound8K数据集上的准确率为95.14%,具有较好的鲁棒性,能够适用于多种声频分类任务。 展开更多
关键词 自注意力机制 乐曲风格识别 数据增强 声频特征提取
在线阅读 下载PDF
多尺度通道注意力机制空调启停时间预测研究
4
作者 王华秋 谭佳豪 《重庆理工大学学报(自然科学)》 北大核心 2025年第3期66-74,共9页
为了降低生产车间的空调能耗,构建了一种基于数据分解的通道注意力机制空调启停时间预测模型FDCANet。该模型将输入数据分解为周期性特征与趋势性特征。通过改进通道注意力机制对细节特征进行更深层次的学习,通过特征融合的方式融合内... 为了降低生产车间的空调能耗,构建了一种基于数据分解的通道注意力机制空调启停时间预测模型FDCANet。该模型将输入数据分解为周期性特征与趋势性特征。通过改进通道注意力机制对细节特征进行更深层次的学习,通过特征融合的方式融合内部特征得到预测结果。结果表明:该方法较多个预测模型在多个评价指标上都有更小的误差准确率,MSE、MAE和MAPE平均降低16.67%、5.29%、20.15%,展现出较好的优势,从而更好地预测车间内空调启停时间。使用预测结果后,车间的能耗明显降低,为节能优化提供了有力支撑。 展开更多
关键词 空调启停时间 数据分解 通道注意力机制 预测模型 节能优化
在线阅读 下载PDF
基于CycleGAN-IA方法和M-ConvNext网络的苹果叶片病害图像识别 被引量:6
5
作者 李云红 张蕾涛 +3 位作者 李丽敏 苏雪平 谢蓉蓉 史含驰 《农业机械学报》 EI CAS CSCD 北大核心 2024年第4期204-212,共9页
针对苹果叶片病害图像识别存在数据集获取困难、样本不足、识别准确率低等问题,提出基于多尺度特征提取的病害识别网络(Multi-scale feature extraction ConvNext,M-ConvNext)模型。采用一种结合改进的循环一致性生成对抗网络与仿射变... 针对苹果叶片病害图像识别存在数据集获取困难、样本不足、识别准确率低等问题,提出基于多尺度特征提取的病害识别网络(Multi-scale feature extraction ConvNext,M-ConvNext)模型。采用一种结合改进的循环一致性生成对抗网络与仿射变换的数据增强方法(Improved CycleGAN and affine transformation,CycleGAN-IA),首先,使用较小感受野的卷积核和残差注意力模块优化CycleGAN网络结构,使用二值交叉熵损失函数代替CycleGAN网络的均方差损失函数,以此生成高质量样本图像,提高样本特征复杂度;然后,对生成图像进行仿射变换,提高数据样本的空间复杂度,该方法解决了数据样本不足的问题,用于辅助后续的病害识别模型。其次,构建M-ConvNext网络,该网络设计G-RFB模块获取并融合各个尺度的特征信息,GELU激活函数增强网络的特征表达能力,提高苹果叶片病害图像识别准确率。最后,实验结果表明,CycleGAN-IA数据增强方法可以对数据集起到良好的扩充作用,在常用网络上验证,增强后的数据集可以有效提高苹果叶片病害图像识别准确率;通过消融实验可得,M-ConvNex识别准确率可达99.18%,较原ConvNext网络准确率提高0.41个百分点,较ResNet50、MobileNetV3和EfficientNetV2网络分别提高3.78、7.35、4.07个百分点,为后续农作物病害识别提供了新思路。 展开更多
关键词 苹果叶片 病害识别 生成式对抗网络 数据增强 多尺度特征提取
在线阅读 下载PDF
基于学习的源代码漏洞检测研究与进展 被引量:8
6
作者 苏小红 郑伟宁 +3 位作者 蒋远 魏宏巍 万佳元 魏子越 《计算机学报》 EI CSCD 北大核心 2024年第2期337-374,共38页
源代码漏洞自动检测是源代码漏洞修复的前提和基础,对于保障软件安全具有重要意义.传统的方法通常是基于安全专家人工制定的规则检测漏洞,但是人工制定规则的难度较大,且可检测的漏洞类型依赖于安全专家预定义的规则.近年来,人工智能技... 源代码漏洞自动检测是源代码漏洞修复的前提和基础,对于保障软件安全具有重要意义.传统的方法通常是基于安全专家人工制定的规则检测漏洞,但是人工制定规则的难度较大,且可检测的漏洞类型依赖于安全专家预定义的规则.近年来,人工智能技术的快速发展为实现基于学习的源代码漏洞自动检测提供了机遇.基于学习的漏洞检测方法是指使用基于机器学习或深度学习技术来进行漏洞检测的方法,其中基于深度学习的漏洞检测方法由于能够自动提取代码中漏洞相关的语法和语义特征,避免特征工程,在漏洞检测领域表现出了巨大的潜力,并成为近年来的研究热点.本文主要回顾和总结了现有的基于学习的源代码漏洞检测技术,对其研究和进展进行了系统的分析和综述,重点对漏洞数据挖掘与数据集构建、面向漏洞检测任务的程序表示方法、基于机器学习和深度学习的源代码漏洞检测方法、源代码漏洞检测的可解释方法、细粒度的源代码漏洞检测方法等五个方面的研究工作进行了系统的分析和总结.在此基础上,给出了一种结合层次化语义感知、多粒度漏洞分类和辅助漏洞理解的漏洞检测参考框架.最后对基于学习的源代码漏洞检测技术的未来研究方向进行了展望. 展开更多
关键词 软件安全 源代码漏洞检测 漏洞数据挖掘 漏洞特征提取 代码表示学习 深度学习 模型可解释性 漏洞检测
在线阅读 下载PDF
EHDE和WHO-SVM模型在齿轮箱故障诊断中的应用
7
作者 马晓娜 周海超 《机电工程》 CAS 北大核心 2024年第4期622-632,共11页
针对现有齿轮箱故障诊断方法对数据长度敏感的缺陷,提出了一种基于增强层次多样性熵(EHDE)和野马算法(WHO)优化支持向量机(SVM)的齿轮箱故障诊断模型。首先,传统熵值特征提取方法在特征提取阶段对数据样本的长度比较敏感,为此提出了增... 针对现有齿轮箱故障诊断方法对数据长度敏感的缺陷,提出了一种基于增强层次多样性熵(EHDE)和野马算法(WHO)优化支持向量机(SVM)的齿轮箱故障诊断模型。首先,传统熵值特征提取方法在特征提取阶段对数据样本的长度比较敏感,为此提出了增强层次多样性熵,并将其作为特征提取指标用于提取齿轮箱的故障特征;其次,采用WHO算法对SVM模型的参数进行了优化,建立了参数最优的WHO-SVM分类器;最后,将故障特征样本输入至WHO-SVM分类器中进行了训练和识别,完成了样本的故障识别;利用齿轮箱数据集分别从数据长度敏感性、算法特征提取时间、模型诊断性能三种角度对EHDE、精细复合多尺度样本熵、精细复合多尺度模糊熵、精细复合多尺度排列熵、精细复合多尺度散布熵、精细复合多尺度波动散布熵进行了对比研究。研究结果表明:EHDE方法对数据长度的要求较低,在数据长度为512时即可以取得99.1%的平均识别准确率,在诊断稳定性和诊断精度方面均优于其他对比方法;在算法的泛化性实验中,EHDE方法能够以98%的准确率识别齿轮箱的不同故障类型,具有明显的泛化性和通用性。 展开更多
关键词 齿轮箱故障诊断 增强层次多样性熵 野马算法优化支持向量机 数据长度敏感性 算法特征提取时间 模型诊断性能
在线阅读 下载PDF
基于多级特征提取框架的风电机组载荷预测方法
8
作者 岳健 史秉帅 +2 位作者 范寒 张克 张海龙 《太阳能学报》 CSCD 北大核心 2024年第12期350-359,共10页
该文研究了对风电机组进行载荷预测的问题,主要从两个方面展开:SCADA数据增强与使用多级特征提取框架做载荷预测。首先采用生成对抗网络(WGAN-GP)进行数据增强。在载荷预测方面,不同于传统的Transformer模型应用于文本数据,该文使用风... 该文研究了对风电机组进行载荷预测的问题,主要从两个方面展开:SCADA数据增强与使用多级特征提取框架做载荷预测。首先采用生成对抗网络(WGAN-GP)进行数据增强。在载荷预测方面,不同于传统的Transformer模型应用于文本数据,该文使用风电机组运行时的结构化数据,且为提高特征提取能力,提出一种多级特征提取器进行特征提取。最后使用改进的Transformer模型和DNN、ResNet等模型的结果进行对比,发现多级特征提取模型对于与目标特征相关性较高的数据有较好的预测效果,同时对于相关性较低的数据也具有较好的非线性提取能力。 展开更多
关键词 风电机组 TRANSFORMER 特征提取 生成对抗网络 载荷预测 数据增强
在线阅读 下载PDF
基于稀疏表示和特征加权的大数据挖掘方法的研究 被引量:16
9
作者 蔡柳萍 解辉 +1 位作者 张福泉 张龙飞 《计算机科学》 CSCD 北大核心 2018年第11期256-260,共5页
为了提高大数据挖掘的效率及准确度,文中将稀疏表示和特征加权运用于大数据处理过程中。首先,采用求解线性方程稀疏解的方式对大数据进行特征分类,在稀疏解的求解过程中利用向量的范数将此过程转化为最优化目标函数的求解。在完成特征... 为了提高大数据挖掘的效率及准确度,文中将稀疏表示和特征加权运用于大数据处理过程中。首先,采用求解线性方程稀疏解的方式对大数据进行特征分类,在稀疏解的求解过程中利用向量的范数将此过程转化为最优化目标函数的求解。在完成特征分类后进行特征提取以降低数据维度,最后充分结合数据在类中的分布情况进行有效加权来实现大数据挖掘。实验结果表明,相比于常见的特征提取和特征加权算法,提出的算法在查全率和查准率方面均呈现出明显优势。 展开更多
关键词 大数据 数据挖掘 特征加权 特征提取 稀疏表示
在线阅读 下载PDF
二次映射和遗传算法用于鉴别可视化特征提取 被引量:9
10
作者 王金甲 李静 +1 位作者 张涛 洪文学 《系统仿真学报》 CAS CSCD 北大核心 2009年第16期5080-5083,5087,共5页
多元数据图表示是高维数据可视化最简单的一种处理方法.从多元数据的雷达图中提出了一种图形特征—可视化重心特征.由于雷达图与数据的特征排序有关,导致可视化特征深受特征排序影响,提出了利用二次映射计算出所有特征排序下的可视化特... 多元数据图表示是高维数据可视化最简单的一种处理方法.从多元数据的雷达图中提出了一种图形特征—可视化重心特征.由于雷达图与数据的特征排序有关,导致可视化特征深受特征排序影响,提出了利用二次映射计算出所有特征排序下的可视化特征,基于遗传算法再从中选择出具有鉴别能力的可视化特征.葡萄酒、乳腺癌和糖尿病等UCI真实数据集的实验结果证实了我们的想法,最佳分类错误率分别达到了0%、1.61%和20.7%,优于报道的常用的分类性能,优于传统的鉴别特征提取方法。 展开更多
关键词 数据可视化 图表示 特征提取 二次影射 特征选择 遗传算法
在线阅读 下载PDF
非负矩阵分解算法综述 被引量:108
11
作者 李乐 章毓晋 《电子学报》 EI CAS CSCD 北大核心 2008年第4期737-743,共7页
本文介绍了非负矩阵分解(Non-negative Matrix Factorization,NMF)的基本原理和性质,将现有NMF算法分为了基于基本NMF模型的算法和基于改进NMF模型的算法两大类,在此基础上较为系统地分析、总结和比较了它们的构造原则、应用特点以及存... 本文介绍了非负矩阵分解(Non-negative Matrix Factorization,NMF)的基本原理和性质,将现有NMF算法分为了基于基本NMF模型的算法和基于改进NMF模型的算法两大类,在此基础上较为系统地分析、总结和比较了它们的构造原则、应用特点以及存在的问题,最后预测和分析了未来NMF算法研究的可能方向. 展开更多
关键词 非负矩阵分解 多元数据描述 特征提取
在线阅读 下载PDF
文本挖掘及其关键技术与方法 被引量:43
12
作者 王丽坤 王宏 陆玉昌 《计算机科学》 CSCD 北大核心 2002年第12期12-19,共8页
With the dramatically development of Internet, the information processing and management technology onWWW have become a great important branch of data mining and data warehouse. Especially, nowadays, Text Miningis mar... With the dramatically development of Internet, the information processing and management technology onWWW have become a great important branch of data mining and data warehouse. Especially, nowadays, Text Miningis marvelously emerging and plays an important role in interrelated fields. So it is worth summarizing the contentabout text mining from its definition to relational methods and techniques. In this paper, combined to comparativelymature data mining technology, we present the definition of text mining and the multi-stage text mining process mod-el. Moreover, this paper roundly introduces the key areas of text mining and some of the powerful text analysis tech-niques, including: Word Automatic Segmenting, Feature Representation, Feature Extraction, Text Categorization,Text Clustering, Text Summarization, Information Extraction, Pattern Quality Evaluation, etc. These techniquescover the whole process from information preprocessing to knowledge obtaining. 展开更多
关键词 文本挖掘 数据挖掘 知识发现 数据处理 数据库
在线阅读 下载PDF
基于线性投影结构的非负矩阵分解 被引量:22
13
作者 李乐 章毓晋 《自动化学报》 EI CSCD 北大核心 2010年第1期23-39,共17页
非负矩阵分解(Non-negative matrix factorization,NMF)是一个近年来非常流行的非负数据处理方法,它常用于维数约减、特征提取和数据挖掘等.NMF定义中采用的数学模型基于非线性投影结构构造,这决定了NMF降维需借助计算量很大的迭代操作... 非负矩阵分解(Non-negative matrix factorization,NMF)是一个近年来非常流行的非负数据处理方法,它常用于维数约减、特征提取和数据挖掘等.NMF定义中采用的数学模型基于非线性投影结构构造,这决定了NMF降维需借助计算量很大的迭代操作来实现.此外,由此模型提取的NMF特征常不稀疏,这与NMF的设计期望相差甚远.为一并解决上述两个问题,本文提出了一个新的模型—基于线性投影结构的NMF(Linear projection-based NMF,LPBNMF),并构造了一个单调的LPBNMF算法.从数学的角度看,LPBNMF可理解为实现NMF的一种特殊方式.LPBNMF降维通过线性变换来完成,它所采用的数学模型的自身结构特点决定了由其得到的特征一定非常稀疏.大量的比较实验表明,LPBNMF的降维效率显著高于NMF,LPBNMF特征明显比NMF特征更稀疏和局部化.最后,基于AR人脸数据库的实验揭示,LPBNMF特征比NMF、LDA以及PCA等特征更适合于用最近邻分类法处理有遮挡人脸识别问题. 展开更多
关键词 非负矩阵分解 基于线性投影结构的非负矩阵分解 特征提取 数据描述 降维效率 稀疏特征 有遮挡人脸识别
在线阅读 下载PDF
基于双线性型的非负矩阵集分解 被引量:6
14
作者 李乐 章毓晋 《计算机学报》 EI CSCD 北大核心 2009年第8期1536-1549,共14页
非负矩阵分解(Non-negative Matrix Factorization,NMF)是一种常用的非负多元数据描述方法.处理数据矩阵集时,NMF描述力不强、推广性差.为解决这两个问题,并保留NMF的好特性,该文提出了非负矩阵集分解(Non-negative Matrix Set Factoriz... 非负矩阵分解(Non-negative Matrix Factorization,NMF)是一种常用的非负多元数据描述方法.处理数据矩阵集时,NMF描述力不强、推广性差.为解决这两个问题,并保留NMF的好特性,该文提出了非负矩阵集分解(Non-negative Matrix Set Factorization,NMSF)的概念,并在NMSF的框架下系统研究了基于双线性型的非负矩阵集分解(Bilinear Form-Based Non-negative Matrix Set Factorization,BFBNMSF),构造了单调下降的BFBNMSF算法.理论分析和实验结果均表明:处理数据矩阵集时,BFBNMSF比NMF描述力强、推广性好.由此可认为,此时BFBNMSF比NMF更善于抓住数据的本质特征. 展开更多
关键词 非负矩阵集分解 双线性型 非负矩阵分解 多元数据描述 图像描述 特征提取
在线阅读 下载PDF
基于特征提取偏好与背景色相关性的数据增强算法 被引量:3
15
作者 余鹰 王乐为 张应龙 《计算机应用》 CSCD 北大核心 2019年第11期3172-3177,共6页
深度神经网络具有强大的特征自学习能力,可以通过多层逐步提取的方式获取不同层次的粒度特征,但当图片目标本体与背景色具有强相关性时,特征提取会存在“惰性”,所提取特征的抽象层次较低,判别性不足。针对此问题,通过实验对深度神经网... 深度神经网络具有强大的特征自学习能力,可以通过多层逐步提取的方式获取不同层次的粒度特征,但当图片目标本体与背景色具有强相关性时,特征提取会存在“惰性”,所提取特征的抽象层次较低,判别性不足。针对此问题,通过实验对深度神经网络特征提取的内在规律进行研究,发现特征提取偏好与图片背景色之间具有相关性,消除该相关性可以帮助深度神经网络忽略背景的干扰,直接学习目标本体的特征,由此提出了数据增强算法,并在自主构建的数据集上进行实验。实验结果表明,所提算法可以降低背景色对目标本体特征提取的干扰,减少过拟合,提高分类效果。 展开更多
关键词 特征提取 数据增强 深度学习 背景色
在线阅读 下载PDF
基于部件关注DenseNet的细粒度车型识别 被引量:4
16
作者 陈立潮 朝昕 +2 位作者 潘理虎 曹建芳 张睿 《智能系统学报》 CSCD 北大核心 2022年第2期402-410,共9页
针对细粒度车型识别率低,车型区别主要集中在鉴别性部件上以及深度学习不能有效对部件进行关注的问题,提出一种基于部件关注DenseNet(part-focused DenseNet,PF-DenseNet)的细粒度车型识别模型。该模型可以基于细粒度车型的车灯、车标... 针对细粒度车型识别率低,车型区别主要集中在鉴别性部件上以及深度学习不能有效对部件进行关注的问题,提出一种基于部件关注DenseNet(part-focused DenseNet,PF-DenseNet)的细粒度车型识别模型。该模型可以基于细粒度车型的车灯、车标等区分性部件进行有效分类,通过处理层(process layer)对车型部件信息反复加强提取并进行最大池化下采样,获取更多的车型部件信息,然后通过密集卷积对特征通道进一步复用提取,密集卷积前嵌入独立组件(independent component,IC)层,获得相对独立的神经元,增强网络独立性,提高模型的收敛极限。实验结果表明,该模型在Stanford cars-196数据集上的识别准确率、查全率和F1分别达到95.0%、94.9%和94.8%,高于经典卷积神经网络,并具有较小的参数量,与其他方法相比实现了最高准确率,验证了该车型识别模型的有效性。 展开更多
关键词 细粒度车型识别 部件关注 密集连接网络 独立组件 数据增强 深度学习 特征提取 特征复用
在线阅读 下载PDF
基于导轨面图像特征雷达图的磨损状况识别 被引量:1
17
作者 周友行 喻思亮 +1 位作者 张俏 周健 《中国机械工程》 EI CAS CSCD 北大核心 2015年第5期647-652,共6页
为解决精密机床导轨面磨损缺陷及缺陷程度的识别问题,提出一种基于导轨面图像数据雷达图重心特征的表面磨损识别方法。首先提取导轨面图像数据的灰度均值、歪度、峭度、扁度和投影方差作为磨损状况识别的原始特征;然后采用雷达图技术将... 为解决精密机床导轨面磨损缺陷及缺陷程度的识别问题,提出一种基于导轨面图像数据雷达图重心特征的表面磨损识别方法。首先提取导轨面图像数据的灰度均值、歪度、峭度、扁度和投影方差作为磨损状况识别的原始特征;然后采用雷达图技术将特征数据可视化,并提取雷达图的重心特征;最后采用支持向量机技术设计分类器,同时采用雷达图重心特征和磨损缺陷原始特征进行分类,并与实验检测的导轨面磨损数据进行对比分析。计算和实验结果表明:基于雷达图的图像数据重心特征可有效地识别导轨面是否磨损,并能在一定程度上判别导轨面的磨损程度。 展开更多
关键词 导轨面 磨损缺陷 特征提取 数据可视化 图表示
在线阅读 下载PDF
基于改进Faster R-CNN+ZF模型的铁路桥梁裂缝分类方法 被引量:12
18
作者 王纪武 鱼鹏飞 罗海保 《北京交通大学学报》 CAS CSCD 北大核心 2020年第1期106-112,共7页
针对传统图像处理算法不能对存在过饱和像素和随机高强度噪声影响的铁路桥梁裂缝图像有效分类的问题,设计了一种基于改进Faster R-CNN+ZF模型的铁路桥梁裂缝自动分类方法.首先将原始图像集进行数据增强后,参照Pascal Voc数据集格式自制... 针对传统图像处理算法不能对存在过饱和像素和随机高强度噪声影响的铁路桥梁裂缝图像有效分类的问题,设计了一种基于改进Faster R-CNN+ZF模型的铁路桥梁裂缝自动分类方法.首先将原始图像集进行数据增强后,参照Pascal Voc数据集格式自制训练所需数据集;然后在Faster R-CNN网络模型前添加一层Prewitt算子锐化卷积层提升模型特征提取能力;最后重置ZF模型中相关卷积核的尺度、优化模型超参数和学习率,使模型的鲁棒性和高实时性得到有效保障.该方法在实际采集的49124幅铁路桥梁裂缝图像数据集中进行测试.结果表明:新的算法能实现所有铁路桥梁裂缝类型的分类,有效裂缝识别率达93.7%以上,明显优于投影法和支持向量机法,具有很强的工程应用价值. 展开更多
关键词 铁路桥梁裂缝 自动分类 数据增强 FasterR-CNN 特征提取
在线阅读 下载PDF
非负矩阵集分解 被引量:1
19
作者 李乐 章毓晋 《电子与信息学报》 EI CSCD 北大核心 2009年第2期255-260,共6页
非负矩阵分解(Nonnegative Matrix Factorization,NMF)是一种新近被提出的方法,它以非线性的方式实现对非负多元数据的纯加性、局部化、线性和低维描述。NMF可使数据中的潜在结构、特征或模式变得清晰,因此它作为一种有效的特征提取手... 非负矩阵分解(Nonnegative Matrix Factorization,NMF)是一种新近被提出的方法,它以非线性的方式实现对非负多元数据的纯加性、局部化、线性和低维描述。NMF可使数据中的潜在结构、特征或模式变得清晰,因此它作为一种有效的特征提取手段已被成功应用在许多领域的研究中。但是,NMF的处理对象本质上是向量,用NMF处理数据矩阵集时要先将被处理矩阵集中的矩阵逐一矢量化,这常使对应的学习问题成为典型的小样本问题,从而使NMF结果的描述力不强、推广性差。为克服这两个问题,并保留NMF的好的特性,该文提出了非负矩阵集分解(Nonnegative Matrix-Set Factorization,NMSF),不同于NMF处理数据矩阵的矢量化结果,NMSF直接处理数据矩阵本身。理论分析显示:处理数据矩阵集时,NMSF会比NMF描述力强、推广性好。为了说明NMSF如何实现,也为了能对NMSF的性能做实验验证,构造了NMSF实现方式之一的基于双线性型的NMSF(Bilinear Form-Based NMSF,BFBNMSF)算法。BFBNMSF和NMF的比较实验结果支持了理论分析的结论。需要指出,更佳的描述力和更好的推广性意味着NMSF比NMF更善于抓住数据矩阵的本质特征。 展开更多
关键词 图像描述 特征提取 非负矩阵集分解 非负矩阵分解 多元数据描述
在线阅读 下载PDF
基于特征级数据融合的遥感图像重构模式研究 被引量:5
20
作者 付炜 《电子学报》 EI CAS CSCD 北大核心 2005年第6期1143-1145,共3页
基于图像特征级数据融合的遥感图像重构是在突出目标地物的空间结构和纹理特征情况下的信息融合.本文在数字图像小波多分辨率分析理论基础上,采用小波变换方法对高分辨遥感图像的目标地物边缘进行信息增强,然后与多光谱遥感图像进行特... 基于图像特征级数据融合的遥感图像重构是在突出目标地物的空间结构和纹理特征情况下的信息融合.本文在数字图像小波多分辨率分析理论基础上,采用小波变换方法对高分辨遥感图像的目标地物边缘进行信息增强,然后与多光谱遥感图像进行特征信息融合.在融合过程中,首先对多光谱图像中的R、G、B三个波段的图像进行小波分解,得到相应的低频图像,然后对特征增强后的高分辨率图像进行小波分解,再将分解后的高频图像分别与低频图像进行融合,最后经RGB合成为彩色图像.该方法既改善了图像的清晰度和分辨率,同时也保留了原图像的光谱信息.本文最后通过融合实验验证了上述结论. 展开更多
关键词 小波变换 特征融合 边缘增强
在线阅读 下载PDF
上一页 1 2 下一页 到第
使用帮助 返回顶部