融合边缘测度的自然场景彩色图像区域分割

针对传统分割方法基于单个视觉线索的不足,提出一种结合两种局部边缘测度的自然场景彩色图像区域分割方法.首先,采用logistic回归模型对200幅彩色图像进行训练,建立边缘测度与对象边界的回归模型;然后,采用该模型预测图像中每个像素的边界置信度;最后,将置信度的函数以自适应权重的形式整合到均值漂移分割算法中,实现图像区域分割.近20幅图像的定量和目视对比实验结果表明,本文方法能有效地控制过分割和欠分割的产生,且具有更好的区域边界定位效果.     

一种柔性多点脉搏传感器装置

申请号:201210034603.4【公开号】CN102525439A【公开日】2012.07.04【分类号】A61B5/0225(2006.01)I;A61B5/02(2006.01)I【申请日】2012.02.16【申请人】无锡爱普瑞康科技有限公司【发明人】相建南【摘要】本发明涉及一种医疗装置和监测技术,尤其涉及一种使用电容式传感器阵列的脉搏检测装置。本发明提     

一种呼吸传感器

申请号:201010607762.X【公开号】CN102525475A【公开日】2012.07.04【分类号】A61B5/08(2006.01)I【申请日】2010.12.27【申请人】深圳市迈迪加科技发展有限公司【发明人】王新安;沈劲鹏;冯晓星;黄锦锋;戴鹏;王金泊【摘要】本发明公开了一种呼吸传感器,由外壳、引线、导电电极和填充在电极之间的高分子压电材料组成。该传感器感测人体呼吸时,胸腹的伸缩运动会使高分子压电材料受到的压力发生变化。高分子压电材料将这种压力变化     

电阻式六自由度加速度传感器

申请号:201210038309.0【公开号】CN102539828A【公开日】2012.07.04【分类号】G01P15/12(2006.01)I;G01P15/18(2006.01)I【申请日】2012.02.10【申请人】柴源【发明人】柴源;柴世学;宋莉【摘要】一种电阻式六自由度加速度传感器,利用传感器产生加速度使指针及弹性变阻器因惯性发生相对传感器的运动,从而改变接入电路中的阻值,得出传感器附着刚     

改进的基于非局部均值的极化SAR相干斑抑制

贝叶斯形式的非局部均值模型在极化SAR图像相干斑抑制中有良好的应用,在实现抑制相干斑的同时较好地保持了边缘细节和点目标.通过分析合成孔径雷达(SAR)图像多视数据的空间统计分布,结合贝叶斯形式的非局部均值模型,得出在该模型下多视与单视SAR图像中像素间相似性度量函数一致性的结论,并对该相似性度量函数进行了修正,使之满足对称性;最后针对算法全局使用一个固定滤波参数影响滤波效果的问题,提出一种根据像素间相似程度自适应选取滤波参数的方法.实验结果验证了本文算法的有效性.     

“校企互动”的人才培养模式探索——以大连外国语大学对日软件外包人才培养为例

针对大连外国语大学对日软件外包的教学实际,首先,构建了"2.5+0.5+1"培养模式;其次,总结了"校企互动"的实践教学体系与教学安排;最后,给出了"校企互动"对日软件外包人才培养的几点建议。     

基于K-均值动态聚类分析的企业信用等级划分法

企业信用等级分类监管是工商行政管理部门为提高监管能效开展的重要工作,利用计算机自主、高效地对企业科学的信用等级划分可以避免人为干扰,也是工商部门关注的内容。聚类分析是数据挖掘的重要研究领域,是数据划分的重要手段,K-均值动态聚类作为一种基于划分的方法,是聚类的主要方法之一。根据企业日常监管产生的数据,通过K-均值动态聚类方法对企业进行了信用等级划分。结果显示该方法有效可行,可作为工商行政管理部门实施企业分类监管的依据。     

基于聚类的NSGA-II算法

采用精英策略的非支配排序遗传算法（NSGA-II）种群收敛分布不均匀,全局搜索能力较弱。针对该问题,基于现有的算法,提出一种基于聚类学习机制的多目标进化算法KMCNSGA—II。利用K均值聚类对目标函数和个体分别进行聚类,对聚类后的个体进行局部学习,以提高适应度。将该算法应用于经典的多目标约束和非约束测试函数中,通过收敛性指标世代距离和多样性指标△进行性能评价。实验结果表明,与NSGA—II算法相比,该算法在算法收敛性和种群多样性保持方面均有明显提高。     

区间型数据的可能性聚类算法

针对区间型数据的模糊c均值聚类(IFCM)算法在实际应用中的不足,将可能性理论引入区间型数据的聚类问题,通过放松样本隶属度的约束条件和修正IFCM算法的目标函数,提出一种区间型数据的可能性聚类算法。通过仿真模拟实验和平均CR指标分析,结果表明:在包含噪声和孤立点等代表性比较差的样本数据的聚类问题中,该算法明显优于IFCM算法,能有效地降低噪声对聚类效果的影响。     

基于部位检测的人体姿态识别

为实现较高准确率的基于低分辨率深度图像的人体姿态识别,以Shotton算法为基础,提出了合并部位的方法.利用随机森林检测人体的31个部位,将人体的较小部位合并或者把较小部位划分到相邻的主要部位中去,用均值偏移算法获取各部位关节点的位置.鉴于目前还没有公开的人体姿态深度图像库,改进后的方法利用计算机图形学技术构建了数据集.实验结果表明,改进后的方法提高了低分辨率图像中人体关节点的平均预测准确率,与Shotton算法中要求具有高性能的训练平台相比,该方法在普通PC上就能够很好地运行.