百科技术库 各行业技术资料 - 百科资料网
欢迎来到百科技术库 各行业技术资料 - 百科资料网! [免费注册] | [登录] 微信快捷登录 QQ登录 微博登录 | 帮助中心 各行业技术应有尽有!
全国服务热线 13310018778

栏目导航

最新技术
基于PCA-UVE-ELM的光谱分类方法
基于PCA-UVE-ELM的光谱分类方法,所述PCA-UVE-ELM为综合PCA,UVE,以及ELM的复合算法,PCA指主成分分析算法,UVE指无信息变量剔除算法,ELM指极限学习机算法,通过对样品的拉曼光谱原始数据进行归一化处理,利用PCA算法将归一化数据降至二维平面上的直观可视化投影,在二维平面利用置信椭圆实现初步分类;对于重合率较高的标签的光谱数据利用UVE算法计算其特征拉曼位移,根据分类物质的化学特性,对其特征化学键拉曼位移的所测强度进行增强处理以进行优化分类,将数据集按照训练集与测试集3:1的比例对ELM模型进行训练,利用ELM算法寻找最优参数,实现最优分类,从而实现光谱鉴别的多分类,提高鉴别分类的效率和精确度。
一种基于光学卫星遥感影像的船只自动匹配方法
本发明涉及光学遥感影像处理技术领域,公开了一种基于光学卫星遥感影像的船只自动匹配方法,主要包括以下步骤:通过边缘检测和自适应阈值分割对遥感影像进行粗分类,提取包括船只在内的前景目标,缩小检测范围;自动生成模板,利用模板匹配对船只进行定位,使用GrabCut算法精确提取船只;计算船只面积、长宽比、角度、矩形度组成特征向量,构造两幅影像船只间二分图并进行赋权,进行影像间船只的精确匹配,输出船只匹配结果。本发明提供的方法具有计算简单、易于实现等优点,避免了GrabCut算法的交互式操作,排除了云层、海上其他目标和海上噪声的干扰,实现了船只的自动检测,解决了传统方法船只特征点较少的问题,实现了船只的自动匹配。
一种多核低冗余表示学习的多视图子空间聚类方法
本发明提出了一种多核低冗余表示学习的多视图子空间聚类方法,属于多视图聚类技术领域。该方法包括:通过将最小二乘回归算法扩展到遵循多视图子空间聚类算法的框架中,得到关于多视图的最小二乘回归算法的目标函数;通过用低冗余数据表示来替代原始数据作为目标函数的输入,解决了原始数据包含大量冗余信息会对聚类效果产生影响的问题;通过构建3阶张量,以探索不同视图之间的高阶相关性,同时还保留了不同视图之间的差异性。本发明的上述技术克服了现有技术的不足。
一种基于延迟机制的单层图像分类方法
本发明公开了一种基于延迟机制的单层图像分类方法,属于图像处理技术领域,其包括以下步骤:S1、构建图像分类模型;S2、采用图像集对图像分类模型进行训练,得到训练完成的图像分类模型;S3、采用训练完成的图像分类模型对图像进行分类,得到图像的类别;图像分类模型包括依次连接的特征提取单元、脉冲延迟编码单元和单层分类器;本发明解决了Tempotron学习算法仅仅依靠调整突触权重,导致学习效果极易受到干扰的问题。
一种基于DW-Tempotron算法的图像分类方法
本发明公开了一种基于DW-Tempotron算法的图像分类方法,其包括以下步骤:在Tempotron算法的基础上获取DW-Tempotron算法;初始化DW-Tempotron算法的参数;获取突触后神经元分别在+模式下的膜电压和-模式下的膜电压;进行训练并更新延迟和突触权重;判断训练轮次是否达到迭代次数,若是则采用当前DW-Tempotron算法进行图像分类;否则继续训练。本方法通过对输入脉冲的时间进行调整进而直接去影响突触后神经元的点火时间从而提高了学习效率,本方法提出的DW-Tempotron算法相比传统的Tempotron算法具有更高的学习效率和准确率。
一种基于延迟机制的多层图像分类方法
本发明公开了一种基于延迟机制的多层图像分类方法,属于图像处理技术领域,其包括以下步骤:S1、构建图像分类模型;S2、采用图像集对图像分类模型进行训练,得到训练完成的图像分类模型;S3、采用训练完成的图像分类模型对图像进行分类,得到图像的类别;图像分类模型包括依次连接的特征提取单元、脉冲延迟编码单元和多层分类器;本发明解决了Spikeprop算法的延迟机制仅仅只是用于对两个神经元之间的不同突触信号进行区分的问题。
一种基于自适应矩阵迭代极限学习机的图像识别方法
本发明公开了一种基于自适应矩阵迭代极限学习机的图像识别方法,将传统极限学习机的网络结构与自适应的矩阵迭代方式相结合,在求解输出权重矩阵的时候利用收敛因子自适应的矩阵迭代方式收敛得到输出权重矩阵,因此在保留传统极限学习机网络结构简单与随机生成参数等特点的同时,在图像识别方面具有更好的训练精度,且占用计算资源和耗费时间更少,这为机器学习算法及图像识别的改进优化提供了新思路和新途径。
一种网络攻击检测方法及系统
本发明提供一种网络攻击检测方法及系统,该方法包括:采集一段时间内各网络节点的网络流量,对各网络节点传输的网络流量数据进行统计分析;构建双层循环神经网络,通过采集的网络流量数据对所述双层循环神经网络进行训练,基于训练好的双层循环神经网络预测各节点的网络流量;计算每个节点真实流量与预测流量的残差得到多维残差矩阵,基于随机森林模型确定异常节点分类边界;获取各网络节点流量,当异常节点数量和异常节点持续时间均超过预设阈值,则判定发生网络攻击,并进行预警提示。通过该方案可以网络攻击检测的准确性和效率,保证网络系统的安全。
一种基于计算机视觉的同类铜币的相似度分析方法
一种基于计算机视觉的同类铜币的相似度分析方法。通过构建多尺度空间结构保证铜币特征具有尺度不变性,定位关键点主方向保证特征具有旋转不变性,结合关键点邻域区域信息保证特征描述的一般性和信息完整性,对特征描述符按照轮流主次的计算策略保证结果的唯一性,最终在特征点空间上计算相似性,通过相似度得分定量地实现同类铜币的识别。图像预处理采用灰度化处理,通过不同饱和度的黑色来表示图像中各像素点。在利用滤波器模板生成不同尺度图像时采用盒式滤波器模板替代高斯滤波器模板计算,将对图像的滤波计算转换为对图像不同区域间像素和的加减运算。本发明客观公正识别与区分不同状况的铜币,定量分析,有助于文物保护及相关事业的发展。
基于MIDAE模型的缺失能耗数据插补方法、设备及存储介质
本发明属于数据预处理技术领域,更具体地,涉及一种基于MIDAE模型的缺失能耗数据插补方法、设备及存储介质。与传统的DAE模型相比,本发明提出的MIDAE模型主要有两个方面的改进。首先,在MIDAE模型中,利用待插补的不完整数据集中缺失的模式生成损坏的输入。其次,MIDAE模型的目标函数是最小化MVs的重建误差,而不是DAE中整个输入的重建误差。本发明针对不同的缺失模式设计了两种插补方法,可以更好地适应具有各种缺失模式的数据。本发明所提出的方法可以很好地适应多种缺失数据模式的插补,并具有较高的插补精度,有效避免了挤压机的能耗浪费,保证铝型材企业生产的稳定性,对铝型材企业的节能减排具有深远意义。