-
题名基于BVMD特征决策融合的SAR目标识别方法
被引量：4
- 1
-
-
作者
莫海宁
钟友坤
-
机构
广西科技大学宏达威爱科技学院
河池学院物理与机电工程学院
-
出处
《电子信息对抗技术》
北大核心
2022年第5期40-44,50,共6页
-
文摘
针对合成孔径雷达(Synthetic Aperture Radar,SAR)目标识别问题,将二维变分模态分解(Bidimensional Variational Mode Decomposition,BVMD)用于特征提取进而进行分类决策。BVMD将原始SAR图像分解为若干模态,实现对目标特性的层次化细致描述。采用稀疏表示分类(Sparse Representation-based Classification,SRC)分别对各个模态进行分类进而根据输出的重构误差定义各个模态的分类置信度。通过门限法选取若干具有高置信度的模态进行决策融合从而判定测试样本的类别。实验中,在MSTAR数据集上对提出方法进行验证。通过在标准操作条件和扩展操作条件下与几类现有方法进行对比,结果证明该方法是有效和稳健的。
-
关键词
合成孔径雷达
目标识别
二维变分模态分解
稀疏表示分类
决策融合
-
Keywords
Synthetic Aperture Radar(SAR)
target recognition
Bidimensional Variational Mode Decomposition(BVMD)
Sparse Representation-based Classification(SRC)
decision fusion
-
分类号
TN957.52
[电子电信—信号与信息处理]
-
-
题名基于深度自编码-高斯混合模型的视频异常检测方法
被引量：9
- 2
-
-
作者
钟友坤
莫海宁
-
机构
河池学院物理与机电工程学院
广西科技大学宏达威爱科技学院
-
出处
《红外与激光工程》
EI
CSCD
北大核心
2022年第6期365-371,共7页
-
基金
国家自然科学基金(61662007)。
-
文摘
由于异常定义的模糊性和真实数据的复杂性,视频异常检测是智能视频监控中最具挑战性的问题之一。基于自动编码器(AE)的帧重建(当前或未来帧)是一种流行的视频异常检测方法。使用在正常数据上训练的模型,异常场景的重建误差通常比正常场景的重建误差大得多。但是,这类方法忽略了正常数据本身的内部结构,效率较低。基于此,提出了一种深度自动编码高斯混合模型(DAGMM)。首先利用深度自动编码器获得输入视频片段的生成低维表示和重构误差,并将其进一步输入高斯混合模型(GMM)。而估计网络则通过高斯混合模型预测能量概率,然后通过能量密度概率判断异常。DAGMM以端到端的方式同时联合优化深度自动编码器和GMM的参数,能够平衡自动编码重建、低维表示的密度估计和正则化,泛化能力强。在两个公共基准数据集上的实验结果表明,DAGMM达到了现有最高技术发展水平,在UCSD Ped2和ShanghaiTech两个数据集上分别取得了95.7%和72.9%的帧级AUC。
-
关键词
视频监控
异常事件
自编码网络
高斯混合模型
深度学习
-
Keywords
video surveillance
anomalous event
auto-encoding network
Gaussian mixture model
deep learning
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名基于虚拟现实技术的机械类实验教学资源建设与应用
被引量：4
- 3
-
-
作者
丛佩超
张欣
尹辉俊
吕云
张云飞
-
机构
广西科技大学机械与汽车工程学院
广西科技大学宏达威爱科技学院
-
出处
《工业和信息化教育》
2022年第2期77-80,85,共5页
-
基金
2019年广西高等教育本科教学改革工程项目“基于虚拟现实技术(VR)的机械类实验教学资源建设与应用”(项目编号:2019JGA209)
2020年广西高等教育本科教学改革工程项目“地方高校机械工程一流本科专业建设探索”(项目编号:2020JGA219)。
-
文摘
在“新工科”建设目标的指引下,笔者采用云计算思想与虚拟现实(VR)技术,创建基于VR技术的机械类实验云教学平台。该平台作为多功能一体化的立体数字实验环境,可为机械类本科学生提供全天候的交互式实操体验。在实验云教学平台的框架下,以车支架的拆装实训过程为例,基于威爱教育集团开发的虚拟现实课件制作中心,对机械类本科实验教学中汽车零部件的拆装过程,开发出相应的VR实验资源,突破传统实验教学在时间和空间上的限制,把汽车零部件拆装实验的工作间搬进课堂。
-
关键词
新工科
云计算
VR技术
实验云教学平台
拆装实验
-
分类号
G642
[文化科学—高等教育学]
-
