排序方式: 共有21条查询结果,搜索用时 15 毫秒
1.
针对电力设备在线监测系统中红外图像分割效果差,速度慢等问题,提出一种改进的Chan-Vese模型的红外图像分割算法。首先,通过引入边缘能量项,一方面增强模型的局部控制能力,另一方面有效抑制了轮廓偏移。其次,利用径向基函数取代了传统的长度正则项,简化了计算。然后,通过引入内部能量项省去初始化过程,节省了算法的运行时间。经实验验证,Dice重合率(Dice similarity coefficient, DSC)平均值为0.9808,错误分割率(ratio of segmentation error, RSE)平均值为0.025,算法运行时间比其他模型总体平均值低66.8%。改进后的Chan-Vese模型分割算法的Dice重合率和错误分割率等均优于GAC-CV、CV-RSF、区域型水平集和Multiphase-CV模型分割算法。 相似文献
2.
3.
混凝土结构抗爆炸冲击能力研究具有很重要的军事防护意义.国内外学者已对混凝土动强度的提高机理进行了大量研究,但大多探讨单个因素对混凝土动强度的影响,缺乏对多因素耦合作用下混凝土动强度规律的研究,并且对混凝土抗压动强度和抗拉动强度间的关系研究也较少.通过霍普金森压杆试验仪的单轴压缩试验和巴西圆盘劈裂试验,测定了不同骨料率和冲击速度下混凝土的抗压动强度和抗拉动强度,再对试验结果进行研究分析,得到混凝土动强度的理论表达式,并将混凝土抗拉抗压动强度进行了对比分析.结果表明:混凝土抗压动强度与混凝土骨料率和冲击速度呈正相关,且随着混凝土骨料率的增大,冲击速度越小,混凝土抗压动强度增加幅度越大,受动载时,混凝土抗压动强度提高幅值大于抗拉动强度提高幅值. 相似文献
4.
现有的小样本学习算法未能充分提取细粒度图像的特征,导致细粒度图像分类准确率较低。为了更好地对基于度量的小样本细粒度图像分类算法中提取的特征进行建模,提出了一种基于自适应特征融合的小样本细粒度图像分类算法。在特征提取网络上设计了一种自适应特征融合嵌入网络,可以同时提取深层的强语义特征和浅层的位置结构特征,并使用自适应算法和注意力机制提取关键特征。在训练特征提取网络上采用单图训练和多图训练方法先后训练,在提取样本特征的同时关注样本之间的联系。为了使得同一类的特征向量在特征空间中的距离更加接近,不同类的特征向量的距离更大,对所提取的特征向量做特征分布转换、正交三角分解和归一化处理。提出的算法与其他9种算法进行实验对比,在多个细粒度数据集上评估了5 way 1 shot的准确率和5 way 5 shot的准确率。在Stanford Dogs数据集上的准确率提升了5.27和2.90个百分点,在Stanford Cars数据集上的准确率提升了3.29和4.23个百分点,在CUB-200数据集上的5 way 1 shot的准确率只比DLG略低0.82个百分点,但是5 way 5 shot上提升了1.55个百分点。 相似文献
5.
近年来,需要深入研究癌症细胞的基因表达技术正在不断增多。机器学习算法已经被广泛用于当今世界的许多领域,但是却很少应用于生物信息领域。系统研究了决策树的生成、修剪的原理和算法以及其它与决策树相关的问题;并且根据CAMDA2000(critical assessment of mieroarray data analysis)提供的急性淋巴白血病(ALL)和急性骨髓白血病(AML)数据集,设计并实现了一个基于ID3算法的决策树分类器,并利用后剪枝算法简化决策树。最后通过实验验证算法的有效性,实验结果表明利用该决策树分类器对白血病微阵列实验数据进行判别分析,分类准确率很高,证明了决策树算法在医学数据挖掘领域有着广泛的应用前景。 相似文献
6.
为探究冲击速度和骨料率对混凝土动力特性及能量传递规律的影响,设计了骨料率为0、32%、37%和42%的混凝土试样,利用SHPB装置进行了速度为5、6和7 m/s的冲击压缩试验。系统分析了冲击速度和骨料率不同时混凝土动态变形、动强度增长及能量转化规律,并利用双因素方差分析法研究了冲击速度和骨料率对动强度的影响程度。结果表明:冲击压缩作用下,混凝土试样主要以拉伸劈裂破坏模式为主。混凝土动强度随骨料率和冲击速度的增大而增大,而且相较于骨料率,冲击速度对动强度的影响程度更大。冲击速度介于5 ~ 5.8 m/s时,DIF随骨料率的增加而增加;冲击速度介于5.8 ~ 7 m/s时,DIF随骨料率的增加而减小。混凝土试样透射能随冲击速度和骨料率的增大而增大,而反射能、吸收能和吸能占比均随冲击速度的增大而增大,随骨料率的增大而减小。 相似文献
7.
在基于检测的多目标跟踪算法中,为了获取更具鉴别性的特征以及解决复杂场景下目标的频繁带来的目标丢失以及身份切换问题,提出了一种基于注意力机制与图网络的多目标跟踪算法。算法利用Resnet-34-CBAM网络作为外观特征提取网络,分别将相邻帧的外观特征、位置信息利用特征融合网络进行融合,将获得的融合特征与运动特征分别使用不同更新策略的图网络进行更新,分别获得融合特征与运动特征相似度,使用超参数将两种相似度结合,进而获得相邻帧目标之间的相似度。最终使用匈牙利算法完成关联实现跟踪任务。最后在MOT17数据集进行实验,相较MOTDT算法,MOTA指标提升2.7%,MOTP指标提升6.4%,IDF1指标提升5.9%。实验结果证明,提出的基于图网络与注意力机制的多目标跟踪算法可以有效提高多目标跟踪的整体性能,并有效降低身份切换。 相似文献
8.
为了提取图像特征多方向的灰度强度变化,使检测结果更具鲁棒性,提出了一种基于各向异性高斯方向导数滤波器与学习结合的多尺度角点检测算法。该算法首先通过下采样构建3层图像金字塔,其中每层利用各向异性高斯方向导数滤波器获取每个像素点在8个方向的灰度强度变化;其次与图像进行卷积得到幅度响应;然后再输入卷积神经网络进一步学习;最后通过1×1的卷积输出角点响应。将实验结果与现有的基于深度学习的算法进行比较,提出的算法在重复性、平均精度、定位误差上都取得了较好的结果。 相似文献
9.
10.
本论文在分析无线传感器网络不同于普通有线网络的特征后,提出了一种适用于无线传感器网络的TCP 拥塞控制机制DW-TCP,此机制将TCP拥塞窗口分为拥塞丢包窗口和误码丢包窗口,在链路误码率较高时通过降低发送速率提高数据发送的可靠性,节约无线节点的能源消耗和系统不必要的开销,该机制不但考虑到拥塞丢包对数据发送速率的影响,而且考虑到无线链路中的误码丢包对数据发送速率的影响. 相似文献