期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
融合SIFT和级联分类器的特种车辆自动检测识别
1
作者
唐海涛
吴果林
+1 位作者
范广义
陈迪三
《计算机技术与发展》
2023年第9期182-189,共8页
针对特定场景中特种车辆因多环境影响因素下数据不均衡、检测精度和识别准确率低的问题,提出一种融合尺度不变特征变换(Scale-Invariant Feature Transform,SIFT)和级联分类器的特种车辆自动检测及识别预测方法。首先,图像预处理后运用S...
针对特定场景中特种车辆因多环境影响因素下数据不均衡、检测精度和识别准确率低的问题,提出一种融合尺度不变特征变换(Scale-Invariant Feature Transform,SIFT)和级联分类器的特种车辆自动检测及识别预测方法。首先,图像预处理后运用SIFT特征提取图像主体区域特征点及特征描述子;其次,结合SIFT特征点的密度调整优化算法实现目标车辆检测;最后,运用KMeans聚类算法获得目标检测框中SIFT特征描述子的中心聚类点,生成表征目标主体图像的128维特征描述子,并最终输入RF-RBF(Random Forest-Radial Basis Function)级联分类器进行学习并识别预测。该文均采用K折交叉验证方法保证模型的稳定性和可靠性。实验结果表明,在特定场景下特种车辆目标检测获得了75.47%平均交并比,级联分类器在特种车辆识别的综合准确率、精确率、召回率、F1-Score值以及FPS值分别为87.35%、88.17%、97.27%、92.38%以及21。进一步验证融合SIFT和级联分类器模型具有较好的自动化检测准确性和识别分类能力。
展开更多
关键词
尺度不变特征变换
KMeans
RF-RBF级联分类器
K折交叉验证
特种车辆
下载PDF
职称材料
融合多分类器协同挖掘的心血管疾病风险因素分析及预测
2
作者
唐海涛
余俊杰
+1 位作者
王泽炜
林炳家
《中文科技期刊数据库(引文版)医药卫生》
2023年第2期0030-0033,共4页
为有效应对频发的中老年心血管疾病所产生的的医疗负担以及风险预防,本文在深入分析心血管疾病患者数据的基础上,提出构建多分类器协同挖掘的心血管疾病风险因素分析及预测模型,为防范心血管疾病的发生以及诊断提供参考和支撑。方法 首...
为有效应对频发的中老年心血管疾病所产生的的医疗负担以及风险预防,本文在深入分析心血管疾病患者数据的基础上,提出构建多分类器协同挖掘的心血管疾病风险因素分析及预测模型,为防范心血管疾病的发生以及诊断提供参考和支撑。方法 首先,对数患者据集进行数据预处理、探索性分析、线性回归分析以T检验和F检验,挖掘心血管疾病相关性较高的风险因素;其次,将主风险因素输入多分类机器学习模型(逻辑回归,Logistic Regression,LR;支持向量机,Support Vetor Machine,SVM;梯度提升决策树,Light Gradient Boosting Machine,LightGBM;自适应增强算法,Adaptive Boosting,AdaBoost)中进行训练学习并预测;最后,采用K折交叉验证方法检验了多分类器模型的可靠性和稳定性。结果 线性回归分析表明:胆固醇、年龄、体重、血糖是影响心血管疾病发生的关键性风险因素;同时协同多分类器学习模型,梯度提升决策树算法在识别心血管疾病预测中获得了较优的表现,其识别准确率、精确率、召回率、F1值分别为0.7286、0.7949、0.6938、0.7409。 。
展开更多
关键词
心血管疾病
协同挖掘
多分类器
K折交叉验证
风险因素
下载PDF
职称材料
题名
融合SIFT和级联分类器的特种车辆自动检测识别
1
作者
唐海涛
吴果林
范广义
陈迪三
机构
桂林航天工业学院理学院
桂航大数据技术应用研究中心
南京高精齿轮集团有限公司
出处
《计算机技术与发展》
2023年第9期182-189,共8页
基金
国家自然科学基金项目(62001134)
广西高校中青年教师科研基础能力提升项目(2019KY0992)
桂林航天工业学院校级基金项目(XJ21KT28)。
文摘
针对特定场景中特种车辆因多环境影响因素下数据不均衡、检测精度和识别准确率低的问题,提出一种融合尺度不变特征变换(Scale-Invariant Feature Transform,SIFT)和级联分类器的特种车辆自动检测及识别预测方法。首先,图像预处理后运用SIFT特征提取图像主体区域特征点及特征描述子;其次,结合SIFT特征点的密度调整优化算法实现目标车辆检测;最后,运用KMeans聚类算法获得目标检测框中SIFT特征描述子的中心聚类点,生成表征目标主体图像的128维特征描述子,并最终输入RF-RBF(Random Forest-Radial Basis Function)级联分类器进行学习并识别预测。该文均采用K折交叉验证方法保证模型的稳定性和可靠性。实验结果表明,在特定场景下特种车辆目标检测获得了75.47%平均交并比,级联分类器在特种车辆识别的综合准确率、精确率、召回率、F1-Score值以及FPS值分别为87.35%、88.17%、97.27%、92.38%以及21。进一步验证融合SIFT和级联分类器模型具有较好的自动化检测准确性和识别分类能力。
关键词
尺度不变特征变换
KMeans
RF-RBF级联分类器
K折交叉验证
特种车辆
Keywords
scale invariant feature transformation
KMeans
RF-RBF cascade classifier
K-fold cross-validation
special vehicle
分类号
TP391 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
融合多分类器协同挖掘的心血管疾病风险因素分析及预测
2
作者
唐海涛
余俊杰
王泽炜
林炳家
机构
桂林航天工业学院理学院
桂航大数据技术应用研究中心
出处
《中文科技期刊数据库(引文版)医药卫生》
2023年第2期0030-0033,共4页
文摘
为有效应对频发的中老年心血管疾病所产生的的医疗负担以及风险预防,本文在深入分析心血管疾病患者数据的基础上,提出构建多分类器协同挖掘的心血管疾病风险因素分析及预测模型,为防范心血管疾病的发生以及诊断提供参考和支撑。方法 首先,对数患者据集进行数据预处理、探索性分析、线性回归分析以T检验和F检验,挖掘心血管疾病相关性较高的风险因素;其次,将主风险因素输入多分类机器学习模型(逻辑回归,Logistic Regression,LR;支持向量机,Support Vetor Machine,SVM;梯度提升决策树,Light Gradient Boosting Machine,LightGBM;自适应增强算法,Adaptive Boosting,AdaBoost)中进行训练学习并预测;最后,采用K折交叉验证方法检验了多分类器模型的可靠性和稳定性。结果 线性回归分析表明:胆固醇、年龄、体重、血糖是影响心血管疾病发生的关键性风险因素;同时协同多分类器学习模型,梯度提升决策树算法在识别心血管疾病预测中获得了较优的表现,其识别准确率、精确率、召回率、F1值分别为0.7286、0.7949、0.6938、0.7409。 。
关键词
心血管疾病
协同挖掘
多分类器
K折交叉验证
风险因素
分类号
R54 [医药卫生—心血管疾病]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
融合SIFT和级联分类器的特种车辆自动检测识别
唐海涛
吴果林
范广义
陈迪三
《计算机技术与发展》
2023
0
下载PDF
职称材料
2
融合多分类器协同挖掘的心血管疾病风险因素分析及预测
唐海涛
余俊杰
王泽炜
林炳家
《中文科技期刊数据库(引文版)医药卫生》
2023
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部