期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
基于多源遥感数据的输电线走廊树种分类 被引量:5
1
作者 王瑞瑞 李文静 +1 位作者 石伟 苏婷婷 《农业机械学报》 EI CAS CSCD 北大核心 2021年第3期226-233,共8页
针对目前树冠提取中受背景影响和易出现过度分割的问题,首先,采用可见光差异植被指数和双边滤波对传统的单木树冠分割方法进行了改进;然后,以单木树冠为对象提取多维特征,并利用XGBoost算法进行特征重要性排序和特征选择;最后,使用随机... 针对目前树冠提取中受背景影响和易出现过度分割的问题,首先,采用可见光差异植被指数和双边滤波对传统的单木树冠分割方法进行了改进;然后,以单木树冠为对象提取多维特征,并利用XGBoost算法进行特征重要性排序和特征选择;最后,使用随机森林、支持向量机、人工神经网络3种非参数分类器,设计了12种分类方案,进行了单木树种分类和精度评价。结果表明,改进的单木分割方法可以有效提高树冠提取精度,得到的树冠分割精度在80%以上;将Li DAR数据和航空正射影像相结合,采用XGBoost算法进行特征选择后,使用ANN分类器的分类方案精度最高,总体精度为86.19%,说明多源数据协同作用和特征选择可以提高树种分类精度,在单木尺度上ANN分类器对现有树种类型的分类能力最强。 展开更多
关键词 单木树种分类 多源数据 单木树冠分割 非参数分类器 输电线走廊
下载PDF
A NON-PARAMETER BAYESIAN CLASSIFIER FOR FACE RECOGNITION 被引量:9
2
作者 Liu Qingshan Lu Hanqing Ma Songde (Nat. Lab of Pattern Recognition, Inst. of Automation, Chinese Academy of Sciences, Beijing 100080) 《Journal of Electronics(China)》 2003年第5期362-370,共9页
A non-parameter Bayesian classifier based on Kernel Density Estimation (KDE)is presented for face recognition, which can be regarded as a weighted Nearest Neighbor (NN)classifier in formation. The class conditional de... A non-parameter Bayesian classifier based on Kernel Density Estimation (KDE)is presented for face recognition, which can be regarded as a weighted Nearest Neighbor (NN)classifier in formation. The class conditional density is estimated by KDE and the bandwidthof the kernel function is estimated by Expectation Maximum (EM) algorithm. Two subspaceanalysis methods-linear Principal Component Analysis (PCA) and Kernel-based PCA (KPCA)are respectively used to extract features, and the proposed method is compared with ProbabilisticReasoning Models (PRM), Nearest Center (NC) and NN classifiers which are widely used in facerecognition systems. The experiments are performed on two benchmarks and the experimentalresults show that the KDE outperforms PRM, NC and NN classifiers. 展开更多
关键词 Kernel Density Estimation (KDE) Probabilistic Reasoning Models (PRM) Principal Component Analysis (PCA) Kernel-based PCA (KPCA) Face recognition
下载PDF
基于MLER的语音/音乐分类方法 被引量:6
3
作者 胡艳芳 吴及 刘慧星 《清华大学学报(自然科学版)》 EI CAS CSCD 北大核心 2008年第S1期720-724,共5页
音频分类是音频信号处理中一项重要的预处理工作。该文描述了一种基于能量的分类方法,将音频信号分为语音和音乐2种类型。分类的过程分为3个阶段,首先计算优化低能量率MLER(modified low energy ratio)作为特征,然后利用初级分类器得到... 音频分类是音频信号处理中一项重要的预处理工作。该文描述了一种基于能量的分类方法,将音频信号分为语音和音乐2种类型。分类的过程分为3个阶段,首先计算优化低能量率MLER(modified low energy ratio)作为特征,然后利用初级分类器得到初步分类的结果,最后利用音频类别的前后相关性,使用上下文分类器修正初始分类得到最终分类的结果。该文重点对MLER中参数的合理选取范围进行了讨论,并对传统的初始分类器作了改进,用非参数分类器和参数分类器代替原有的Bayes硬判决的方法,避免了由于门限选择不当所带来的分类错误。实验表明,使用参数分类器时,对纯语音和纯音乐分类效果很好,正确率达99%以上。 展开更多
关键词 MLER(modified LOW ENERGY ratio) 音频分类 非参数分类器 参数分类器
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部