排序方式: 共有66条查询结果,搜索用时 0 毫秒
41.
为克服近邻分类法需要大量计算和存储的缺点,本文利用Tabu搜索来求解满足一定错误率条件的最小参考样本集.当错误率阈值设为0时,可以得到原训练集的一致子集.当错误率阈值设为适当的非零值时,可以较好地克服近邻估计的偏置.通过在Tabu搜索中引入适当的激活(aspiration)条件,避免了在可行和不可行解区间无意义的来回搜索,加快了收敛的速度.实验结果表明,本文算法在压缩比和分类性能上都优于经典的算法.本文还证明了Dasarathy的算法[6]得到的最小一致子集(Minimal Consistent Set: MCS)不是最小的,其MCS也不一定是单调减的. 相似文献
42.
基于公钥和脆弱水印的图像认证算法 总被引:6,自引:0,他引:6
本文提出一种基于公钥和小波域脆弱水印的图像完整性认证的算法。该算法不但能够检测和定位窜改,而且能同时验证图像的所有权。该水印方案为盲水印,检测过程不需要原始图像和附加信息。由于该认证算法建立在密码学方法的基础上,因此它是单向、不可逆的,未授权者很难伪造或修改原有的水印。文中分析了针对逐块独立的一类水印算法的“矢量量化攻击”,提出了认证链等对抗措施。理论分析和实验结果表明,本文算法具有较好的性质和较高的安全性。 相似文献
43.
采用C18反相色谱柱和紫外检测器,对2,4,5-三氟-3-甲氧基苯甲酸进行液相色谱分离,外标法定量,本方法线性范围宽,精密度好,准确度高。 相似文献
44.
为快速求解在线支撑向量回归算法,给出了一种基于Lagrangian支撑向量回归(LSVR)的在线增量学习算法.LSVR得到的无约束最优化问题可以采用快速迭代算法求解,该迭代算法可以从任何初始点收敛.LSVR求解时,在迭代开始只需要对阶数为输入样本数加一的矩阵求逆.在线增量LSVR学习算法在线性情况下采用S-M-W公式可以明显减少运算时间,在非线性情况下矩阵求逆充分利用了历史学习结果,减少了很多重复计算.通过在多个数据集上进行对比,实验结果表明:该算法与以前算法相比不仅保持了较好的精度,同时训练时间大大减少. 相似文献
45.
基于传统直方图交核(HI)提出了轮廓直方图交核(PHI)以及局部直方图交核(DHI),并将这2种核用于ORL和YALE人脸库的识别.实验结果表明,构造的局部直方图交核(DHI)比那些传统的直方图交核获得了更高的识别率. 相似文献
46.
图像水印容量与可靠性 总被引:1,自引:0,他引:1
为了研究图像的水印容量,在满足水印不可感知性的前提下,基于图像的内容自适应地限制水印的嵌入功率,分析了水印容量问题以及水印容量与检测可靠性的关系.研究结果表明,水印检测错误率主要取决于水印的平均能量和水印容量,而且随着水印容量的提高而增加. 相似文献
47.
基于最优低位替换和Tabu搜索的图像隐藏 总被引:2,自引:0,他引:2
提出一种图像隐藏算法,它将重要图像隐藏在另一宿主图像的LSBs(least significantbits)中.为了增加图像的隐藏量,改善低位替换后宿主图像的质量,该文以评价图像质量的峰值信噪比(PSNR)为准则函数,采用Tabu搜索来求解最优的低位替换.实验结果表明,和简单的低位替换方法相比,该文算法即使用较多的低位进行替换也不会产生引人注意的宿主图像质量的变化,在图像的隐藏量和图像质量上都有很大的改进. 相似文献
48.
训练多层网络的样本数问题 总被引:15,自引:1,他引:14
本文分析多层网络的映射增长函数,以经验风险最小和期望风险最小之间的偏差来定义网络的泛化能力.基于Vapnik-Chervonenkis的事件出现频率一致收敛于其概率的理论,讨论网络的结构、训练样本数和网络泛化能力间的关系.分析在最不利的情况下为保证一定泛化能力所需要的训练样本数. 相似文献
49.
为了还原图像中已经损失的信息,采用综合图像结构与纹理特征的方法,对图像修复进行了研究.在选定修复区域后,算法能自动根据待修复区域周围的信息进行填充,无需人为干预.实验结果表明,对于有划痕或较大损坏区域的图像,该算法都取得了较好的修复效果. 相似文献
50.
上文我们分析了阶层型网络的学习算法。这里我们介绍另一种主要网络——相互结合型网络的学习算法。和阶层型网络不同,相互结合型网络的任意两个节点之间都可以有连接。信号可以在网络中传来传去。相互结合型网络和无反馈阶层型网络的形态如图1所示。在70年代,曾有人利用相互结合型网络开展联想存储器的工作。1982年以后,由于Hopfield等人在相互结合型网络上的一系列研 相似文献