一种基于类Haar特征和改进AdaBoost分类器的车辆识别算法

提出一种基于类haar特征和改进AdaBoost分类器的车辆图像识别算法,以解决当前基于SVM分类器或级联分类器存在的分类识别性能不足以及传统基于AdaBoost算法的训练所需时间过长的问题.首先,基于积分图提取图像的扩展类haar特征,然后对所提取的海量类haar特征应用改进的AdaBoost分类器训练方法进行特征选择及分类器训练,最后利用所选择的特征信息及训练得到的分类器进行两类分类识别.实验结果表明,文中方法无论是在识别性能还是训练所需时间方面均明显优于传统方法,具有较好的应用前景.

一种改进的小波特征提取算法及其应用

特征提取是模式识别中的一个关键问题.为解决现有的基于灰度空间和梯度方向的小波特征用于目标物分类检测时对光照及背景噪声敏感的问题,提出一种改进的小波特征提取算法,即对感兴趣区域(Region of Interest,ROI)基于HSV颜色模型的V通道分量进行小波金字塔式分解,然后取塔式分解得到的小波系数幅值,对其进行归一化处理,最后进行阈值化处理.将改进的算法应用于基于单目视觉的静态图像后方车辆检测系统中,实验结果表明其能显著提高车辆识别效果,增强系统的鲁棒型.

基于知识和外观方法相结合的后方车辆检测

单独应用基于知识的方法或者单独应用基于外观方法检测是否存在车辆有一定的局限性,因此提出将二者结合起来用于静态图像后方车辆的检测.首先,利用分割算法获得感兴趣的区域(region of interest,ROI),利用基于知识(如车底阴影、颜色等信息)的方法,将被确认为是非车辆(背景)的ROI过滤掉,然后再对过滤后的结果应用基于外观的方法进行车辆检测.在不同的道路(高速公路、城市普通道路和城市窄道)条件以及白天不同光照条件下对车辆进行检测,结果表明,该算法的识别可靠性更高,适应性更好.

SCORM学习资源搜索算法设计

对SCORM学习资源间的关系描述进行充分的挖掘,给出了资源本体间关系的形式化定义,并给出一种资源本体的语义相似度度量方法,然后设计基于该资源模型的学习资源搜索算法,从而为进行SCORM学习资源整合打下了良好的基础.

车辆识别中样本自动化准备方法研究

样本的准备是机器学习的基础,直接关系到算法对图像目标物的最终识别性能,也是一项非常繁琐和耗资源的任务,为此,文中提出一种样本自动化准备方法,分两个阶段:粗精度样本准备阶段和细精度样本准备阶段。粗精度样本准备阶段基于图像分割算法收集符合标准的样本,细精度样本准备阶段基于SVM方法选择边界样本,以减少样本规模,确保机器学习过程中对训练样本学习的高效性。提出的方法应用于车辆识别中,实验数据表明了该方法的有效性和高效性,具有良好的应用和推广价值。

Malek故障模型的方程诊断算法设计

首先给出Malek模型的方程组定义形式,然后在不以“t-可诊断性”和“相信大多数”作前提假设的情况下,通过引入“集团”的概念给出了求其全体相容故障模式的具体方法—方程诊断算法,丰富了Malek模型的故障诊断方式。

一种基于不平衡样本集的摩托车识别算法

提出了一种基于HSV(Hue-Satura-tion-Value)空间的Haar小波特征和多SVM(Support Vector Machine)分类器的摩托车识别算法,以解决因样本比例不平衡所导致的对摩托车识别性能差的问题.首先在HSV颜色空间基于无符号小波系数构造特征提取算法,然后对训练数据应用所提出的样本重构方法得到若干训练子集,基于各个训练子集训练相应的SVM分类器,识别时将各SVM的输出结果进行融合即可得到最终识别结果.实验结果表明:该方法识别性能高,鲁棒性好,对于受数据的不平衡性严重影响的对象识别具有较好的应用和推广价值.

一种基于低对比度图像的车辆检测算法

提出一种基于低对比度图像的车辆检测算法。对图像分割算法得到的感兴趣区域(ROI)进行预处理,利用Haar小波特征提取算法提取ROI的图像边缘及纹理特征,利用支持向量机对ROI进行车辆检测。实验结果表明,该方法对车辆检测率达到90.6%,误报率为3.8%。通过再学习还可以进一步提高算法的识别性能。

方程诊断算法在Malek故障模型中的应用

采用方程模式来描述Malek故障模型,把求该模型全体相容故障模式的问题转换为求方程组的解集,并通过实例讲解如何求解方程组的解集和以此得到Malek模型的诊断结果,为系统研究这类模型的方程诊断算法提供了典型示范和奠定了理论基础。

基于语义相似度的SCORM学习资源整合

提出了一种用于SCORM学习资源语义相似度度量、搜索与整合的SCORM学习资源模型。首先基于SCORM模型给出了资源本体的语义相似度度量方法,然后提出基于该资源模型的学习资源搜索算法以及学习资源整合算法,最后详细介绍了一个SCORM学习资源整合系统,并给出了一个实例。

SCORM模型资源实体整合算法设计

对SCORM学习资源间的关系描述进行充分的挖掘,对资源本体间的关系类型和关系性质进行了划分和刻画,给出了资源本体的语义相似度度量方法和学习资源搜索算法,并在此基础之上,设计了SCORM模型中资源实体整合算法.

社保语音网关系统的设计与实现

以辽宁省为例,开发了辽宁省社保局中心数据网关服务器和辽宁省14个地市级的数据网关服务器系统.该系统利用省中心和各地市的呼叫中心,来实现省电信局数据网关与省中心数据网关、省中心数据网关与各地市数据网关之间的数据通信.

BGM故障模型的方程诊断算法设计

首先建立起BGM模型的方程定义形式,并在此基础上设计出了求BGM模型全体相容故障模式的方程诊断算法.该诊断算法在实施系统级故障诊断时与以往算法相比没有“t-可诊断性”和“相信大多数”的诊断前提,因而较好地解决了以往诊断算法的适用范围问题.

Peer-to-Peer环境下多粒度Trust模型构造

信任是多方面的,在不同的应用场景中,同一节点在不同领域具有不同的可信度.现有信任模型粒度过于粗糙,不能很好地解决同一Peer节点在不同领域、不同方面的可信度计算问题.据此,提出一种新的Peer-to-Peer环境下的多粒度信任模型,并给出该模型的数值分析和分布式实现方法.分析及仿真结果表明,该模型与已有模型相比,在可信度计算的粒度、模型的安全性等方面有较大的提高.

云计算:概念、技术及应用研究综述

近年来,云计算作为一种新的服务模式已成为计算机科学领域的一个研究热点.首先从定义、部署模式、特征和关键技术等方面对云计算进行了综述,然后剖析了当前主流云计算参与企业和应用实例,最后讨论了目前云计算发展存在问题与机遇,旨在为了解云计算当前发展状况、研究趋势以及科学地评估云计算的运营和使用提供参考.

混合P2P环境下有效的查询扩展及其搜索算法

查询扩展是解决信息获取领域中用词歧义性问题的关键技术,并被广泛应用于搜索引擎中,获得了巨大的成功.然而,由于P2P(peer-to-peer)系统是一个分散的、动态的系统,在P2P环境下进行有效的查询扩展具有一定的挑战性.首先,利用查询与文档的关联关系构建了LEM(localexpansionmethod)查询扩展方法;然后,基于查询与文档用词的直接关联,提出了HEM(history_basedexpansionmethod)查询扩展方法.在此基础上,提出了一种基于查询扩展的混合P2P环境下的搜索算法.实验及分析结果表明,查询扩展及其搜索算法能够极大地提高搜索的效果.

一种有效的Peer-to-Peer环境下的Trust模型

现有的单粒度信任模型不能很好地解决可信度计算的粒度问题,而多粒度模型在度量节点可信度时,仅考虑了相关领域的包含关系,欠缺对相交关系的考虑.据此,提出了一种新的Peer-to-Peer环境下的多粒度信任模型,该模型可以针对节点在具体的领域计算其可信度,并在计算过程中考虑了相关领域的相交关系.首先给出了领域模型的定义,在此基础上给出了信任模型的定义,然后对模型的迭代收敛问题以及可信度的分布式放置和获取问题作了深入的探讨.分析表明,该模型较已有模型在可信度计算的粒度及工程可行性等方面有较大的提高.

一种夜晚道路环境下的后方车辆检测方法

目前,基于视觉传感器的车辆检测已经成为车辆驾驶辅助领域的研究热点。但是迄今为止,大多数研究集中在白天好的光照条件,对夜晚条件下的车辆检测研究较少。本文提出了一种基于车灯的夜晚道路环境下的车辆检测算法,利用摄像机采集实时图像来检测自车后方的车辆。首先,基于亮度信息提取夜晚环境图像中的光亮目标物,然后,对提取的光亮目标物进行验证,去除路灯等干扰光源,从而得到真正的车辆头灯;最后,按照基于知识的方法,对提取到的车灯进行组合,并对组合后的车灯对进行验证,从而检测出夜晚道路环境下的车辆。实验结果表明本文算法易于实现,识别率高,适应性好。

基于SCORM1.3的协作式学习构造

协作式学习是一种重要的学习模式。实现协作式学习,有利于学习资源的共享和复用。该文在对SCORM1.3所定义的“内容聚集模型”和“运行环境”中的数据模型及通信方法进行扩展的基础上,定义了基于SCORM1.3的协作式学习模型及相应的操作方法,并给出了协作式学习环境中数据、操作、权限、角色和用户等要素的形式化描述,简要介绍了一个基于SCORM1.3的协作式学习原型系统SCCL。

基于稀疏表征的可见光和近红外光人脸图像融合快速识别算法

近年来,融合可见光和近红外光的人脸图像特征识别成为一个研究热点。对该领域中的快速人脸识别技术进行研究,并给出了一个具体的实现方案。该方案主要包括以下3种技术:原始样本的下采样;基于稀疏表征原理,选取测试样本的M近邻来代替原始训练样本;加权决策融合。在CSIST人脸库上的实验结果表明,和同类算法相比,所提算法在识别率和计算速度上均有提高。