基于分层筛选方法的前景图像去噪

前景图像的后期美化和去噪处理一直是模式识别和计算机视觉等领域的一个重要研究环节。鉴于形态学后期处理方法容易造成前景目标几何和尺寸的变形现象,本文根据真实前景目标和噪声在前景图像空间分布和像素值的统计特性提出了一种分层筛选独立分离块的前景图像后期去噪方法。该方法包括划分单元块,构造独立分离块,计算独立分离块面积和去除噪声块四个步骤。实验结果表明,本文提出的方法能够有效地去除噪声,且与形态学图像后期处理方法相比有更好的去噪效果和更低的时间复杂度。

化妆品原料眼刺激性替代方法分层筛选模型的建立

目的建立化妆品原料眼刺激性的体外替代方法分层筛选模型。方法应用鸡胚绒毛膜尿囊膜试验(HET-CAM)、鸡胚绒毛膜尿囊膜-台盼蓝染色试验(CAM-TBS)、中性红摄取试验(NRU)、红细胞溶血试验(RBCH)、荧光素漏出试验(FLT)及离体兔眼试验(IRET)6种体外替代方法对30种化妆品原料的眼刺激性进行检测,将检测结果与Draize试验结果进行比对(指标为灵敏度、特异度和ROC曲线下面积),根据6种替代方法分别在区分有无刺激性、有无腐蚀性两个级别的效能设计、建立分层筛选模型,并对模型进行评价。结果 6种方法区分有无刺激性的效能为NRU>HET-CAM>IRET>CAM-TBS>RBCH,区分有无腐蚀性的效能为IRET>FLT>RBCH>NRU>HET-CAM>CAM-TBS。本研究建立并评价的4种模型中,以NRU(第一层)和FLT(第二层)组成的分层筛选模型具有最好的检测效能[Mc Nemar-Bowker检验,W=3.0(P=0.392),Gamma=0.85(P<0.001),Kappa=0.76(P<0.001),分级一致率为83.3%]。结论鉴于由NRU和FLT组成的分层筛选模型与Draize试验分级结果比较具有很高的相关性和分级一致性,检测效能明显优于单一替代方法,因此更适合检测化妆品原料的眼刺激性。

基于分层并行筛选样本的SVM增量学习算法

在增量学习过程中,随着训练集规模的增大,支持向量机的学习过程需要占用大量内存,寻优速度非常缓慢。在现有的一种支持向量机增量学习算法的基础上,结合并行学习思想,提出了一种分层并行筛选训练样本的支持向量机增量学习算法。理论分析和实验结果表明:与原有的算法相比,新算法能在保证支持向量机的分类能力的前提下显著提高训练速度。

基于分层数据筛选的跨项目缺陷预测方法

跨项目缺陷预测旨在解决传统的项目内缺陷预测的历史数据缺失,新项目初期缺乏训练数据等实际问题。然而,在跨项目缺陷预测中,不同项目之间以及实例之间的数据分布差异降低了其预测性能。针对这一问题,提出了基于分层数据筛选的跨项目缺陷预测方法。该方法将训练数据的筛选过程分为项目层筛选和实例层筛选,从源数据集中选出与目标项目数据分布最接近的候选项目集,在候选项目集中选出与目标项目中实例相似度较高的训练数据集,最后在训练数据集上训练朴素贝叶斯模型。在PROMISE数据集进行实验对比。结果表明,与项目内缺陷预测比较,提出的分层数据筛选方法优于项目内缺陷预测,并且有效降低了训练数据和目标项目数据之间的差异性。

基于分层变换筛选拟合法的中国福利彩票销售额影响因素的分析

利用分层变换筛选拟合法对影响我国福利彩票销售额的因素进行分析,更为细致和深入的研究了福利彩票销售额及其影响因素之间的回归关系。基于回归结果,还对提高我国福利彩票的销售额提出了相应的建议。

一种可减少训练时间的分层并行支持向量机方法

基于支持向量的本质和并行计算方法,提出了一种新的分层并行的机器学习方法以加速支持向量机的训练过 程.该方法首先按照分而治之的思想将原分类问题分成若干子问题,然后将支持向量机的训练过程分解成级联的两个层次, 在每层采用并行的方法训练各个子支持向量机.各层训练集中的非支持向量被逐步筛选掉,交叉合并的规则保证问题的一 致性.仿真结果表明该方法在保证分类器推广能力的同时,缩短了训练支持向量机的时间.

高校教务管理系统选课算法研究综述

网上选课系统是高校教学管理信息化平台的重要组成部分,设计出一种能够满足学生需求并且确保选课的公平性、高效性的选课算法是尤为重要的。本文系统分析了当前主要的选课算法思想及其特点,重点分析了这些选课算法的应用条件及优缺点。在此基础上,对选课系统提出了通过分层筛选实现的思想,能有效的提高选课效率并满足学生选课要求。

一种机载激光雷达海洋测深波形数据处理算法

双色机载激光雷达测深技术在海岸带水下地形测量方面具有明显的优势,测深数据的波形分解是其波形处理环节中的关键步骤。采用一种基于全局收敛LM(Levenberg Marquardt)算法的波形分解方法,通过综合分析近红外、浅水、深水通道的波形数据特点,设计了一种分层筛选策略并确定了合理的阈值,实现了水底和水面回波脉冲的准确检测。实测数据实验结果表明,该方法对实验区域获取的回波脉冲能够达到98%的有效检测率和87%的成功检测率。

半喂入花生联合收获机去石清选装置设计与试验

目前我国现存的半喂入花生联合收获机无法有效清选土壤板结严重或石块、泥块过多的地块。为解决该问题,设计一种总长1683 mm,宽550 mm,高1010 mm,由双层筛及传动装置组成的去石清选装置。根据测量的花生及石块、泥块的物理尺寸,花生品种选取等因素,对去石清选装置进行正交试验,确定该装置的网孔形状为方形,筛网安装角度为13°,筛体运动频率设定4.0 Hz,筛体前后行程为16 mm。通过优方案试验,得出该清选装置的含杂率为3.82%,损失率为1.28%。为进一步确定装置可靠性,将该装置与传统清选装置进行田间对比试验。试验结果表明:传统清选装置的含杂率为13.17%,损失率为1.96%,而该清选装置的含杂率为3.47%,损失率为1.21%,除杂率是传统清选装置的4倍左右,损失率减少0.75%。该装置可以为半喂入花生联合收获机面对土壤板结严重或石块、泥块过多地块时的清选指标提供参考。

基于混合A*算法的无人驾驶矿用卡车路径优化研究

为提高混合A*算法对矿区场景的适应性,文章提出一种无人驾驶矿用卡车(简称“矿卡”)路径优化方法。其首先结合矿区场景进行CCRS曲线筛选以提高混合A*算法初始解的适用性和曲率的连续性,然后采用基于二次规划的分段样条曲线数值优化方法对搜索得到的路径进行进一步的优化平滑及插值。该方法可应用于路径规划初始解的筛选及平滑优化,为无人驾驶矿卡提供一条安全、平滑且满足车辆运动学约束的可行驶路径。仿真对比实验与实车试验结果表明,所提方法能显著提高传统混合A*算法搜索路径的适用性、平滑性,且平滑效率相较于传统离散点平滑方法平均提高10倍。

短视频不良内容智能检测平台研究与设计

研究并设计了一个面向短视频不良内容的实时检测平台。该平台研究的核心在于分层筛选系统,通过基于短视频外围核心参数构建的深度学习筛选模型完成海量筛选,再将检测出的可疑不良短视频传递给基于深度学习的短视频内容识别引擎进行重点甄别,提出融合自然语言处理、计算机视觉、语音识别、机器学习等的短视频智能实时检测平台框架。

上海市电力消费影响因素的实证分析

文章对上海市电力消费的各影响因素进行分析,运用新型的数据分析技术-分层变换筛选拟合法,在各影响因素存在耦合关系的条件下进行了定量分析。本文不仅给出各影响因素对上海市电力消费的重要度指标,而且确定这些影响因素与上海市电力消费需求之间的定量关系,为上海市电力市场分析提供了理论依据。

双目视觉系统立体匹配中的加速策略

在双目视觉系统立体匹配中,相似度计算是不可或缺的步骤,而相似性计算的过程存在着精度和速度上的矛盾关系。就此提出了两个加速策略：用以减少匹配搜索像素点个数的分层筛选策略和用以减小匹配窗口相似性计算量的自适应间隔策略。以绝对差值和（SAD）算法和归一化互相关（NCC）算法为例阐述了加速策略的实现步骤。实验证明使用分层加速策略和自适应间隔策略的可行性,使得原始算法在基本保持精度的情况下获得了速度的大幅度提升。

黄河下游复杂水位过程有效拟合新方法研究

针对黄河下游复杂水位过程的有效拟合,将多项式回归、逐步回归、参数的岭估计等有机集成,并引进累进变换,系统形成了一个新方法.新方法与同类方法的核心区别,在于考虑了复杂水位过程中常见的弱影响因素间的强耦合作用;在于综合采用了多种方法最大限度地降低拟合模型误差;在于引进了必要的累进变换.新方法有机集成了多个理论和方法的长处,且使用方便.新方法有着充分的理论基础,有着同类复杂拟合问题下的普遍适用性.进一步用该方法拟合多组黄河下游复杂水位过程,拟合精度都较现有其他方法提高显著,拟合模型各项都有明确的物理意义.