稀疏多元逻辑回归(SMLR)是高光谱监督分类中的重要方法,然而仅仅利用光谱信息的SMLR忽略了影像本身的空间特征,在少量监督样本下的分类精度和算法的鲁棒性仍明显不足;虽然通过引入核技巧,核稀疏多元逻辑回归(KSMLR)可以部分克服上述缺点,其分类错误仍然有待进一步降低.本文基于核稀疏多元逻辑回归分类误差的统计建模分析,提出 ...
/dl/206088.html
标签： 高光谱图像分类算法
上传时间： 2021-05-30
上传用户：xiuhao
针对传统多阈值图像分割算法的计算复杂性,以及由图像直方图中毛刺的干扰带来的算法不稳定等缺点,提出一种基于伯恩斯坦多项式一致逼近的多阈值图像分割算法。首先根据逼近论中的威尔斯托拉斯定理构造图像直方图曲线的伯恩斯坦多项式,然后将图像直方图的峰谷值计算问题化简为伯恩斯坦多项式的极值问题,该极值问题可由伯恩斯坦 ...
/dl/206020.html
标签： 多项式 一致 逼近 图像 分割 算法阈值 一致逼近 伯恩斯坦多项式 距离空间
上传时间： 2021-05-26
上传用户：df300mhz
IP 分类算法是提高网络设备性能的关键，无冲突规则集则是正确进行IP 报文分类的前提和保证。网络处理器Intel IXP1200 具有强大的可编程能力和并行分组处理能力。本文在IXP1200
/dl/204710.html
上传时间： 2021-03-21
上传用户：adspbf531
不同分布多观测样本分类问题中,训练样本和测试样本来自不同的域,针对如何利用转换学习提高不同分布多观测样本分类性能问题,提出L1-Graph联合转换学习的多观测样本分类算法。首先基于转换学习构建一种非负矩阵三因子分解框架,将其中不变信息作为源域到目标域的转换桥梁;其次,基于稀疏表示思路构造L1-Graph,自适应寻找数据近 ...
/dl/207329.html
标签： l1 graph 转换 学习 模型 观测 样本 分类 算法适应 多观测样本分类
上传时间： 2021-08-20
上传用户：chenpeng
针对高光谱遥感数据特征提取方法的研究,提出了一种新的监督近邻重构分析(Supervised Neighbor Reconstruction Analysis,SNRA)算法。该方法首先利用同一类别的近邻数据点对各数据点进行重构;然后在低维嵌入空间中保持该重构关系不变,尽可能地分离开非同类数据点,并利用总体散度矩阵来约束数据间的相关性;最后求解得到一个最 ...
/dl/206342.html
标签： 监督 近邻 重构 分析 光谱 遥感 数据 特征 提取 邻域重构 总体散度矩阵
上传时间： 2021-06-14
上传用户：460567003
在基于机器视觉雌雄蚕蛹智能识别与分拣系统中,蚕蛹图像本身质量是机器视觉能否准确识别的关键。低光照和噪声扰动是影响蚕蛹图像的主要原因,它会导致大量图像纹理结构信息丢失,这为蚕蛹智能识别带来极大挑战。针对噪声和低光照蚕蛹图像质量改善,该文提出了基于色阶映射(tone mapping)和Tikhonov正则化相结合的噪声扰动下低光 ...
/dl/212006.html
标签： 噪声 扰动 下低 光照 蚕蛹 图像 恢复 算法 试验 蚕蛹 噪声扰动 色阶 正则化
上传时间： 2022-09-20
上传用户：caideadjack
随着计算机科学和视频技术的广泛发展,数字图像采集在电子通信与信息处理领域得到了广泛的应用,例如广播电视的数字化、网络视频、监视监控系统等. 视频图像采集卡作为计算机视频应用的前端设备,承担着模拟视频信号向数字视频信号转换的任务,在多媒体时代占据着重要的位置.设计一种功能灵活,使用方便,便于嵌入到系统中的视频 ...
/dl/201843.html
上传时间： 2021-01-05
上传用户：ji0
·摘 要:目的：探讨一种基于提升小波变换和多级树集合分裂算（set partitioning in hierarchical trees，SPIHT）的医学图像编码算法。方法：针对传统小波浮点数运算，计算量大的缺点，采用提升格式小波，结合多级树集合分裂算法和算术编码，实现对医学图像的编码。结果：在获得较高压缩比的情况下，能保证医学图像的重建质 ...
/dl/202826.html
上传时间： 2021-01-20
上传用户：zhaojw83
电机适量控制算法,当今效率比较高的电机控制算法，通用性很强
/dl/203893.html
标签： 电机适量控制算法
上传时间： 2021-02-18
上传用户：cjzbeiyan
本文提出一种基于Delaunay 三角剖分和摄影几何中的射影不变量的一种相机图像匹配算法。本算法首先利用三角形相似函数计算待匹配图像的Delaunay 三角形网中三角形之间的相似度，进行粗匹配，然后利
/dl/201251.html
上传时间： 2021-01-01
上传用户：qweqweqwe
