排序方式: 共有74条查询结果,搜索用时 31 毫秒
2.
神经网络集成利用多个神经网络对同一个问题进行学习,集成在某输入示例下的输出由构成集成的各神经网络在该示例下的输出共同决定.本文提出利用FloatBag的方法择优选择个体神经网络,进而用平均值的方法组合各个体网络.最后,我们将FloatBag方法应用于多角度人脸检测中.实验证明,这种方法优于一般的神经网络集成方法. 相似文献
3.
4.
以传统的词袋模型为基础,根据相邻镜头关键帧之间具有相关性的特点提出了一种用于视频场景分类的模型。将视频片段进行分割,提取关键帧,对关键帧图像归一化。将关键帧图像作为图像块以时序关系合成新图像,提取新图像的SIFT特征及HSV颜色特征,将图像的SIFT特征及HSV颜色特征数据映射到希尔伯特空间。通过多核学习,选取合适的核函数组对每个图像进行训练,得到分类模型。通过对多种视频进行实验,实验结果表明,该方法在视频场景分类中能取得很好的效果。 相似文献
5.
6.
本文从多项式的零点分布入手,通过设定由多项式的系数的简单四则运算组成的判别式,由其符号来判断零点的范围,从而得到多项式的正性和凸性条件。 相似文献
7.
8.
针对SBD及KFE技术存在特征提取不佳、阈值选取不当、闪光与突变的混淆、摄像机和物体运动的影响、渐变检测精度不高等诸多问题,本文提出基于双层滑动窗口的SBD算法和聚类的动态KFE算法。对于SBD,本文首先采用光流法进行运动补偿,接着进行分块处理并运用SLIC算法生成每帧图像的超像素;其次,启动双层滑动窗口对镜头边界进行双重检测,在第一层滑动窗口根据差值和这两个阈值的关系确定候选边界以完成初检,在第二层滑动窗口依次采用相邻两帧直方图的差值法确认突变位置以及采用隔帧直方图的差值法确认渐变位置以进一步完成复检。对于KFE,将镜头聚成若干个子镜头,然后从每个子镜头中选择熵值最大的帧作为该子镜头的关键帧。通过6组视频测试表明,本文SBD算法所得结果的平均查全率、平均查准率、平均综合指标较文献[2]和文献[4]均有提高,具有普遍的适用性,并且对强运动以及闪光灯的干扰有较好的适应性,对应的KFE算法的实现效果也很好,主观评价很高。 相似文献
9.
时空相关性在多物体碰撞检测中的应用 总被引:1,自引:0,他引:1
尽管利用虚拟环境中物体运动的时空相关性来加速物体间的碰撞检测,可以取得不错的效果,但目前的时空相关性算法只应用在两个物体的碰撞检测中,而不能处理多个物体同时发生碰撞的情况;另外,利用时空相关性尚无法解决快速运动物体的碰撞检测问题。针对传统算法的这两个缺陷,在综合利用空间区域划分和时空相关性算法的基础上,通过修改虚拟对象的内部数据结构提出了一种改进算法,实验结果表明,该算法不仅可实现多个物体同时发生碰撞的检测,而且能保证算法在物体高速运动时的有效性。 相似文献
10.