2021二次元领域分类排行

来自另一个次元的种子现代意义上的动漫在二战后尚笼罩在战败阴影中的日本诞生兴起,作为最初的二次元文化登上了历史舞台。彼时经济萧条,社会生活等待重建,艺术作品能够在一定程度上帮助人们拾回希望,鼓舞人们打开心扉。而伴随着经济的高速发展和创造力的蓬勃跃动,漫画、动画和游戏机等的出现为20世纪80年代欣欣向荣的日本文化产业把薪助火。也正是在那个时候,改革开放的思潮将二次元文化引入了中国,开始在国内的文化土壤上萌芽生长。

基于主元分析构造强分类器的人脸检测算法

本文研究了基于特征脸的人脸检测算法,针对其分类能力差的特点,基于主元分析提取特征向量空间构造弱分类器,结合AdaBoost算法构造强分类器,提出了一种人脸检测算法。利用MIT+CMU人脸数据库测试该算法的性能,结果表明本算法在运行时间与检测正确率方面明显优于基于神经网路的算法和支持向量机算法。

MK-LSSVM与AdaBoost-SVM在分类中的比较和研究

对基于多核函数的最小二乘支持向量机算法(MK-LSSVM)和采用支持向量机作为弱分类器的AdaBoost算法(AdaBoost-SVM)这两种新型的分类算法进行了研究。将这两种算法应用于求解心脏单光子发射计算机化断层显像(SPECT)图像数据的二分类问题和iris数据集的多分类问题,并从平均分类精度和平均运行时间两方面进行比较分析。最后通过Sammon映射给出了分类的可视化结果。试验结果验证了MK-LSSVM算法和AdaBoost-SVM算法的有效性和可行性,且MK-LSSVM算法在不损失分类精度的前提下,能够获得比AdaBoost-SVM更快的训练速度。

基于拟合型弱分类器的AdaBoost算法

针对AdaBoost算法通过最小化训练错误率来选择弱分类器造成的精度不佳问题以及单阈值作为弱分类器训练过程较慢难以收敛问题,提出了一种基于拟合型弱分类器的Ada Boost算法。首先针对每个特征,在特征值与标记值之间建立映射关系,引入最小二乘法求解拟合多项式函数,并转换成离散分类值,从而获得弱分类器。其次从获得的众多弱分类器中,选择分类误差最小的弱分类器作为本轮迭代的最佳弱分类器,构成新的Ada Boost强分类器。与传统训练算法相比,极大地减少了待选弱分类器的个数。选取UCI数据集和MIT人脸图像数据库进行实验验证,相较于传统Discrete-AdaBoost算法,改进算法的训练速度提升了一个数量级,人脸检测率可达96.59%。

基于遗传寻优的双阈值型AdaBoost分类器

针对双阈值型AdaBoost分类器存在搜索弱分类器过程复杂和训练耗时长的问题,结合遗传算法的思想,提出了一种基于遗传寻优的双阈值型AdaBoost分类器。该方法通过对特征和两个阈值的编码来寻找弱分类器,利用遗传算法的全局寻优性,能够快速寻找到最佳弱分类器,减少训练时间。另外,在此基础上提出设置两阈值之间最小间距的方法,增强其抗干扰能力,具有更好的鲁棒性。为验证实验效果,对MIT-CBCL人脸库提取局部二值模式(Local Binary Pattern,LBP)特征进行验证。实验结果显示,改进后的双阈值型AdaBoost分类器比经典AdaBoost分类器在训练时间上提升了5倍,比双阈值型AdaBoost分类器提升了18倍,具有更快的收敛速度。与此同时,因为增加了两阈值之间的最小间距,改进后的算法具有更强的抗噪性能。

基于Cascade Adaboost分类器的马铃薯快速定位方法

针对马铃薯表面灰度不均匀、纹理复杂不易定位的问题,通过采集类Haar(Haar-like)、局部二值模式(Local Binary Pattern,LBP)和方向梯度直方图(Histogram of Oriented Gradient,HOG),提出了基于级联自适应提升(Cascade Adaptive Boosting,Cascade Adaboost)分类器的马铃薯定位方法。同时,针对背景区域易误判为马铃薯区域的问题,提出了一种候选区域二次筛选法。结果表明:优化后,利用训练好的类Haar+Cascade Adaboost分类器、LBP+Cascade Adaboost分类器和HOG+Cascade Adaboost分类器对测试集马铃薯图像进行测试,其检出率、虚警率、总体识别率分别为1.7%、0.8%、97.2%;95.9%、0.0%、98.9%和86.7%、3.5%、93.9%;耗时分别为8.2、7.5和30.3 ms。这说明基于级联自适应提升(Cascade Adaptive Boosting,Cascade Adaboost)分类器的马铃薯定位方法,可快速准确定位运动中的马铃薯目标,其中LBP+Cascade Adaboost分类器的效果最优。

有料的二次元社交平台KilaKila

有趣是关键作为试图讨好二次元用户的一个“半新人”,KilaKila从原身《红豆Live》中脱胎而出,在保留“语音直播”与“大咖问答”模式的基础上,添加了大量的二次元相关内容作为填充量。从内容分类上看,KilaKila如今的体态颇为“臃肿”—“直播”“视频”和“小说”这三大内容下均拥有十数个细分项目。以“视频”来举例,它属下的分类项目以“恋与制作人”“手书”“定格动画”和“燃向”等“一看就懂”的标签来标识。而“小说”,则是以对话体为承载形式的“新小说”,且也有各类浅显易懂的分类标签。

结合Gabor特征和深度信念网络的人脸姿态分类

针对多姿态人脸图像分类存在的困难,提出了一种基于Gabor特征和深度信念网络(DBN)的近邻元分析(NCA)方法,通过提取Gabor多姿态人脸图像的尺度图并将其进行融合,从而对多姿态人脸图像具有较好的区分度,利用融合后的特征图来训练样本并作为深度信念网络的输入图像,结合NCA分析对训练样本进行线性变化以寻找到一个更有利于类别分类的线性子空间,提供足够大的数据集来估算模型参数进而对多姿态人脸图像进行分类。对ORL人脸数据集测试结果表明,多姿态人脸分类数据量为1616和2432之间时的平均分类正确率分别为86.67%、84.00%、90.67%和86.67%,与PCA、LDA和RCA三种算法相比,其分类准确率都得到了提高,实验结果验证了这种针对多姿态人脸图像的分类算法的有效性。

植被高光谱遥感分类中一种新的非线性混合光谱模型及其解算方法

在植被高光谱遥感分类中 ,原有用于混合像元分解的线性混合光谱模型构模简单 ,存在不足。为了克服这种不足 ,文中提出一种新的非线性混合光谱模型并给出一种相应的非线性最小二乘迭代求解方法 ,然后以OMISI高光谱遥感数据为例 。

一种基于完全2DPCA的二次特征选择方法

提出一种基于完全二维主元分析(2DPCA)的二次特征选择方法用于人脸识别。该方法针对PCA及其改进方法的不足,结合完全2DPCA方法,用免疫算法和基于最近邻分类器的5阶交叉验证方法完成对人脸特征二次选择。基于ORL人脸数据库和Yale人脸数据库的实验结果表明,该方法识别效果较好。

基于CCIPCA-LSSVM的文本自动分类算法

特征具有高维、稀疏性。为提高了文本自动分类准确率,针对PCA提取特征需要对大规模文本进行批处理,影响文本的准确率等,提出一种基于增量主元分析方法(CCIPCA)和最二小乘向量机(LSSVM)相结合的文本自动分类算法(CCIPCA-LSSVM)。首先通过互信法选择文本特征,然后采用CCIPCA高维文本特征进行提取,降低特征维数,消除冗余特征,最后采用LSSVM对提取特征进行学习,并通过粒子群算法对分类器优化,建立最优文本自动分类模型。仿真结果表明,相对于其它文本分类算法,CCIPCA-LSSVM提高了文本分类准确率和召回率,解决了文本特征提取过程存在的难题。

基于LBP特征和AdaBoost的行人检测方法

行人检测在智能汽车、监控系统和高级机器人等领域有广泛的应用。针对低分辨率和需要实时处理的行人检测应用场景,提出了采用一致化LBP直方图特征结合Ada Boost分类器的高效行人检测方法。在Ada Boost的训练过程中,采用了CART(Classification And Regression Tree)作为弱分类器,并结合基于Gini不纯度的剪枝方法,有效地提高了训练速度和分类器的性能。针对Caltech行人检测数据集的实验结果表明,基于LBP特征和CART弱分类器的Ada Boost分类行人检测方法具有较好的性能。

高中数学多元解题教学模式的实践研究

随着我国教育的不断改革,高中数学教学方法也在不断改进,教师也更加重视对学生解题能力的培养,帮助学生掌握多元化的解题方式,提高学生的解题效率,促进高中数学教学质量的提高.

基于核主元分析的带可变惩罚因子最小二乘模糊支持向量机模型及其在信用分类中的应用

信用分类是信用风险管理中一个重要环节,其主要目的是根据信用申请客户提供的资料从申请客户中区分出可信客户和违约客户,以便为信用决策者提供决策依据.为了正确区分不同的信用客户,特别是违约客户,结合核主元分析和支持向量机算法构造基于核主元分析的带可变惩罚因子最小二乘模糊支持向量机模型对信用数据进行了分类处理.在基于核主元分析的带可变惩罚因子最小二乘模糊支持向量机模型中,首先对样本数据进行预处理,然后利用核主元分析以非线性方式降低数据的维数,最后利用带可变惩罚因子最小二乘模糊支持向量机模型对降维后数据进行分类分析.为了验证,选择两个公开的信用数据集来进行实证分析.实证结果表明:基于核主元分析的带可变惩罚因子最小二乘模糊支持向量机模型取得了较好的分类结果,可为信用决策者提供重要的决策参考依据.

基于CLAHE增强的GIS局放脉冲序列识别算法

为了研究气体绝缘组合电器(gas insulated switchgear,GIS)的特高频局部放电脉冲序列识别算法,进而提高其绝缘故障诊断的正确率,提出利用限制对比度自适应直方图均衡化(contrast limited adaptive histogram equalization,CLAHE)算法对脉冲序列分布(phase resolved pulse sequence,PRPS)图谱进行预处理,实现放电脉冲目标的强化,从而增强数据集视觉特征的方法;然后计算增强图谱的均匀局部二值模式(uniform local binary pattern,ULBP)作为特征向量,利用Adaboost级联分类器不断提高识别率直至收敛,从而实现GIS内部绝缘故障类型的识别。实验结果表明:CLAHE增强将识别率的上限从93.36%提高到了96.09%;在变化的外施电压下,ULBP特征向量比传统图像特征的识别率提高了10.71%~15.72%;Adaboost强分类器在训练时对样本数量的要求降低了约1/3。故所提算法进一步扩大了优化空间,增强了传统算法的泛化能力,提高了训练效率。

融合多特征的视频帧间篡改检测算法

传统的视频帧间被动取证往往依赖单一特征,而这些特征各自适用于某类视频,对其他视频的检测精度较低。针对这种情况,提出一种融合多特征的视频帧间篡改检测算法。该算法首先计算视频的空间信息和时间信息值并对视频进行分组,接着计算视频帧间连续性VQA特征,然后结合SVM–RFE特征递归消除算法对不同特征排序,最后利用顺序前向选择算法和Adaboost二元分类器对排序好的特征进行筛选与融合。实验结果表明,该算法提高了篡改检测精度。

一种改进的LBP特征的人脸识别方法

从AdaBoost算法特征中挑选出对人脸分类能力强的特征;利用改进的LBP人脸识别方法,取得了良好的效果。

基于WT-2DICA与改进Fisher算法的人脸识别

小波变换与二维独立元分析(WT-2DICA)能有效提取人脸图像的高阶统计信息,但不能很好地识别受污损的人脸图像。改进Fisher算法充分考虑了类别信息,避免了传统Fisher算法造成的小样本问题。该文结合2种算法的优点,融合改进Fisher算法的最佳投影方向与WT-2DICA算法的独立基子空间,获得了融合投影方向。实验结果表明,该融合算法具有较好的分类性能。

浅析待定系数法在绝对值问题中的应用

二次函数的绝对值问题一直受高考命题者的青睐,缘由是它既是我们比较熟悉的知识内容,但又能考查我们的综合分析问题的能力.如何破解这类问题？本文想尝试“待定系数法”的方法解决二次函数的绝对值问题中的“证明、最值、范围”,希望给我们考生在解决此类问题带来些许帮助.

一种非均匀Weibull杂波背景中的CFAR检测器

针对传统恒虚警(CFAR)算法在非均匀环境下,待检测单元(CUT)与参考窗的分辨单元不具有独立同分布(IID)特性,检测器性能出现剧烈下降的问题,提出一种新的CFAR检测器。该检测器首先引入一种M-N杂波边缘二元积累实现非均匀杂波边缘提取;然后,对数据平面内相邻杂波边缘内的数据,利用一种地形特征分类算法实现对地形的分类编号;最后,根据地形编号选择与CUT相同地形的分辨单元作为参考单元实现CFAR检测,则所选择的参考单元与CUT具有IID特性。利用实测数据验证M-N杂波边缘二元积累检测算法和地形特征分类算法的有效性。计算机仿真证明:文中提出的CFAR检测器的性能,比传统CFAR检测器的性能有明显提升。