排序方式: 共有49条查询结果,搜索用时 0 毫秒
21.
22.
针对基于视频的烟雾检测方法在复杂环境中存在高误报、高漏报问题,提出了一种基于YUV颜色空间和多特征融 合的视频烟雾检测算法。首先通过高斯混合模型检测运动区域,然后应用YUV颜色空间烟雾像素过滤方法确定疑似烟雾区域,进一步将疑似区域块分割后使用离散小波变换和均匀局部二值模式提取烟雾纹理特征,最后多特征融合并通过Real AdaBoost分类器进行火灾识别分类。实验结果表明,高斯混合模型能够有效检测运动区域,运动区域YUV颜色空间过滤可以滤除大量非烟雾像素区域,选取的烟雾特征及分类方法具有更高的识别精度,多个场景视频测试表明所提出的视频烟雾检测算法相比同类算法具有识别准确度更高、误报率更低,从而更符合不同的应用场景。 相似文献
23.
推荐系统能够根据用户的兴趣特点和购买行为,向用户推荐感兴趣的信息和商品.随着用户生成内容UGC逐渐成为当前Web应用的主流,基于UGC的推荐也得到了广泛关注.区别于传统推荐中用户与物品的二元交互,有的UGC推荐采用协同过滤方法,提出了消费者、物品和生产者的三元交互,进而提高了推荐准确度,但大多算法都集中在推荐的性能而忽略了对鲁棒性的研究.因此,通过结合对抗性学习和协同过滤的思想,提出了一种基于对抗性学习的协同过滤推荐算法.首先在三元关系模型参数上加入对抗性扰动,使模型的性能降至最差,与此同时使用对抗性学习的方法训练模型,以达到提高推荐模型鲁棒性的目的;其次设计了一种高效的算法用于求解模型所需的参数;最后在Reddit和Pinterest两个公共数据集上进行测试.实验结果表明:1)在相同参数设置下,与现有算法相比,所提方法的AUC,Precision和Recall指标均有明显的提高,验证了其可行性与有效性;2)该算法不仅增强了推荐性能,还提高了模型的鲁棒性. 相似文献
24.
针对室内多目标基于无线信号强度定位中的数据采集和精确度问题,引入基于贝叶斯压缩感知和拉普拉斯先验模型算法,从而满足在达到所需定位精确度的同时降低网络系统开销。所提出的方法是基于接收信号强度来感知位置变化,各移动设备上利用随机投影对接收到的信号强度进行压缩并传输,在采集中心通过基于拉普拉斯先验的贝叶斯压缩感知重构算法并结合最大似然函数法和迭代逼近法计算出各移动设备的位置。仿真结果表明了利用贝叶斯压缩感知重构算法实现室内多个移动设备的定位具有较高精确度,与orthogonal matching pursuit(OMP)重构算法相比较其定位精度至少提高了52.2%,与basis pursuit(BP)重构算法相比较至少提高了13.7%。 相似文献
25.
26.
28.
29.
30.