基于随机森林深度特征选择的人体姿态估计

针对以随机森林为分类器的人体姿态估计系统内存占用过大的问题,提出一种优化的随机森林模型,该模型在进行Bootstrap抽样前,引入Poisson过程并将其与深度信息相融合组建一个滤过网对原始训练数据集进行过滤,将一部分对后续分类起到非积极作用的特征样本点滤除,使训练数据集得到优化重构,进而较好地弥补随机森林在抽样过程中重复抽样以及重抽样样本代表性不强的缺点。实验结果表明了该优化模型的有效性,大大降低了系统的时间、空间复杂度,使得系统的适用性更强。

matlab神经网络优化的遗传算法

遗传算法它将"优胜劣汰,适者生存"的生物进化原理引入待优化参数形成的编码串群体中,按照一定的适配值函数及一系列遗传操作对各个体进行筛选,从而使适配值高的个体被保留下来,组成新的群体,新群体中各个体适应度不断提高,直至满足一定的极限条件.此时,群体中适配值最高的个体即为待优化参数的最优解.正是由于遗传算法独有的工作原理,使它能够在复杂空间进行全局优化搜索,并且具有较强的鲁棒性.

基于SLIC的GrabCut减小姿态搜索空间算法

针对人体的高自由度导致姿态估计过程中搜索空间过大的问题,提出一种基于简单线性迭代聚类(SLIC)超像素算法的Grab Cut减小姿态空间算法。运用SLIC算法对图像进行超像素分割,以超像素作为s-t图中的节点构建图模型,利用超像素区域的颜色特征平均值作为该区域内每个像素的特征值,分别为前景和背景超像素建立混合高斯模型,迭代更新高斯参数,运用最小割算法完成前景提取,并在得到的前景区域中进行后续的姿态估计。实验结果表明,基于SLIC的Grab Cut与基于Grab Cut的减小搜索空间算法在运行时间和姿态估计准确度上均有较大程度提升。

基于遮挡修补的TV-L1光流算法

当前比较流行的TV-L1光流算法,在不失精确度的前提下,能够利用双向求解机制来降低运算量,但无法有效地处理由间断、遮挡等因素造成的错误光流分量的缺陷。通过前向光流和后向光流的运动一致性理论来判断遮挡区域的光流分量,通过单调递减函数对遮挡区域进行处理,抑制了遮挡区域错误光流对邻域的扩散,提出了同帧邻域光流的横向修补和相邻帧光流的纵向修补。实验表明,该方法能够很好地处理遮挡情况,提高了光流的计算精度。

信息技术课程中“任务驱动”教学法的意义与设计

任务驱动法充分利用富有趣味性的信息处理内容,巧妙地设置任务,把教学内容溶入实际任务中,让学生在实际上机操作中学习新知识、感受新方法、形成新技能,从而培养学生的观察能力、动手能力和思维能力。

基于点匹配的区域拷贝篡改检测

图像区域拷贝是一种常见的数字图像篡改技术,目前的大部分数字图像区域拷贝取证技术未考虑旋转和缩放因素。提出一种新的基于点匹配的图像区域篡改检测算法。首先利用尺度不变旋转变换(SIFT)寻找图像中的关键点,使用主成分分析法(PCA)对关键点进行降维描述,然后利用关键点特征向量的相似度寻找关键相似点。实验表明,该算法不但能够较精确地定位出复制和粘贴的图像伪造区域,还能有效抵抗噪声污染、有损压缩以及旋转等攻击,并有效地减少运算量,提高了检测效率。

利用EXCEL实现计酬分配预测的回归分析

在经济管理理论和应用研究中,回归分析的应用日益广泛.通过运用一元、多元回归分析的理论及建模方法,搜集某大型公司的数据,利用分析工具库提供的回归工具进行回归分析,拟合出回归模型.同时检验模型中自变量对因变量的影响程度,利用增减法,通过不断尝试增加自变量来建立和确定最优回归模型.

核心素养理念下六年制小学教育专业信息技术课程教学策略优化研究

信息技术课程教学策略优化成为基础教育教学改革的一个新途径,与六年制教育专业相结合的研究是具有相对独立性特点的新型教学模式研究。以核心素养为基本理念对六年制小学教育专业的信息技术教学进行了优化,通过引导树立信息意识,提高计算思维能力,使用数字化学习等手段来激发学生自主学习、自主探索,使学生的创新思维与实践能力得到有效的提升。