基于表面凹凸度的未知物体分割识别方法

为了使机器人在人们的生活中更加普及和大众化,并从一定程度上优化机器人对周围环境的认知功能,设计了一种利用目标物体表面凹凸度对该物体进行分割识别的方法.该方法对目标物体局部表面凹凸性的两类判定方法展开了系统性的探讨和分析,将连续局部表面凹凸度对布尔型判定进行替换,利用表面凹凸度和法方向信息这两个要素设计了一类全新的分割权重运算方法,进而为输入场景构造相应的无向带权图,在这之后结合快速图分割算法获得相应的目标物体.实验结果表明,本文方法与基于凹凸性的判定方式相比,基于凹凸度的量化衡量在针对测量噪声和计算误差中具有的鲁棒性更好,实际分割结果比单一结合了法方向的实验结果好,更符合实践需求.

基于CAPI FPGA的医学超声成像算法异构加速

在医学超声成像算法中,最经典和最广泛使用的是延迟叠加算法。延迟叠加算法在超声成像、雷达信号发射、接收以及天线信号波束形成等方面有着广泛的应用。虽然该算法并不是典型的性能需求型算法,但是在医学成像云计算服务的新需求下,需要提高该算法的计算速度,以克服云计算中网络传输速度相对较慢的约束。然而,以中央处理器作为主要计算资源的传统云计算框架无法满足医学超声图像快速生成的性能需求,因此,本文中使用以现场可编程逻辑门阵列作为异构加速资源的Super Vessel云平台作为并行延迟叠加算法的实现平台。当包括现场可编程逻辑门阵列和中央处理器之间的数据传输时间在内时,Super Vessel云平台上该算法异构实现的运行速度相较于中央处理器中该算法的运行速度提升了约22倍。

用于垃圾邮件识别的“词频-筛”混合特征选择方法

文中针对当下愈发泛滥的垃圾邮件,分别使用朴素贝叶斯分类和支持向量机分类法对当前日益泛滥的垃圾邮件进行识别、分类,将"词频-筛"混合特征选择方法应用于分类器模型中,以提高分类器的识别性能.同时,通过考虑更全面的分类概率情况,改进朴素贝叶斯分类模型,进一步提升朴素贝叶斯分类器的识别性能.最后通过实验得到了该垃圾邮件识别系统的准确率、召回率和F1值等分类识别性能指标.实验结果表明,"词频-筛"混合特征选择方法能有效提高垃圾邮件分类器的识别性能,而且使用成本敏感方法的分类输出调节模块也能大大降低分类器将正常邮件误判为垃圾邮件的概率,因此,文中设计的垃圾邮件识别系统具有较强的实用性,可以在实际工作、生活中使用.