自适应置信度阈值的非限制场景车牌检测算法

针对车牌检测模型泛化性低,在智慧交通的不同应用场景中复用困难的问题,提出一种自适应置信度阈值的非限制场景车牌检测算法。首先,构建多预测头网络模型,利用分割预测头减少模型复用的预处理工作,利用自适应置信度阈值预测头提升模型的检测能力,并利用多尺度融合机制及边框回归预测头来提升模型的泛化能力;其次,采用可微分二值网络训练方法,利用可微分二值变换联合训练分类置信度及置信度阈值来学习模型参数;最后,利用连通感知非极大值抑制(CANMS)方法提升车牌检测的后处理速度,并引入轻量级网络ResNet18作为特征提取骨干网络,以减少模型参数量,进一步地提高检测速度。实验结果表明,在中国城市停车场数据集(CCPD)的6个不同限制条件特点的场景中,所提算法可获得平均99.5%的准确率与99.8%的召回率,并达到每秒70帧的高效检测速率,优于Faster R-CNN、SSD等锚框类算法的性能;在3个补充场景测试集上,所提算法对不同分辨率、不同拍摄距离、不同拍摄俯仰角等非限制场景下的车牌检测精度均高于90%。可见,所提算法在非限制场景下具备良好的检测性能及泛化能力,可以满足模型复用的要求。

基于支持度与置信度阈值优化技术的关联分类算法

基于关联规则的分类算法中,支持度和置信度阈值的设置会影响分类器的准确率。以往的关联分类算法都根据经验人为地设置支持度和置信度的阈值,很难保证分类器总能达到较好的分类效果。为了解决该问题,可以将优化求解策略引入到关联分类过程中。通过利用爬山法搜索技术来获得使分类准确率最高的支持度与置信度阈值,对Apriori_TFP_CMAR关联分类算法进行改进,避免了阈值设置不合理影响最终分类效果的问题,提高了关联分类算法的分类准确率。

正负关联规则两级置信度阈值设置方法

针对传统正负关联规则置信度阈值设置方法难以控制低可信度规则数量和易遗漏有趣规则的问题,提出了一个结合项集相关性的两级置信度阈值设置方法(PNMC-TWO)。首先,基于规则的无矛盾性、有效性和有趣性考虑,以相关度-支持度-置信度为框架,从规则置信度与项集支持度的计算关系出发,系统地分析了正负关联规则置信度取值随规则的项集支持度大小变化的规律;然后,与实际挖掘中用户对高可信度且有趣的规则需求相结合,提出了一个新的设置模型,避免了传统方法设置阈值时的盲目性和随意性;最后,从规则数量和规则质量两方面对所提方法与原双阈值法进行了实验对比。实验结果表明,所提方法不仅可以更好地确保提取出的关联规则有效和有趣,还可以显著地降低可信度低的关联规则数量。

基于Apriori关联规则算法提高雷达测速精度研究

在利用初速雷达测试弹丸炮口初速的试验中,如何选择雷达的布站地点一直依靠的是参试人员的经验,始终没有一个科学准确的方法。为了解决这一难题,选择采用Apriori关联规则算法,从大量的历史试验数据中挖掘出测试的初速数据精度很高时对应的雷达布站地点。将雷达的布站地点作为关联规则的左规则、测速精度作为关联规则的右规则,利用Apriori算法就能挖掘出满足最小支持度阈值和最小置信度阈值的强规则,为确定雷达布站地点提供重要依据。通过测试数据进行验证,实验结果表明,根据挖掘出的强规则进行雷达布站,测试出的弹丸初速精度明显提升,表明该方法有效提升了初速雷达的测速精度。

一种优化的舰船基频特征提取算法

舰船目标的轴频是表征其目标类别的一种本质特征,有效地提取这种特征可以提高对水中目标的检测能力。本文基于多重自相关的目标推进器噪声的基频分析,利用1D模糊处理的方法求取了基频分布频段中各频点基频出现的置信度,通过对目标噪声基频分析中的线谱分量及线谱分量对应频点的置信度阈值门限实现对舰船目标基频特征的提取,完成对目标的检测识别。利用海上多种型号和多种工况目标的大量实录数据检验结果表明,文中基于多重相关功率谱和信息融合置信度阈值的基频提取方法对水中目标的检测具有良好效果,检测概率达到92.5%。