排序方式: 共有4条查询结果,搜索用时 0 毫秒
1
1.
研究基于大数据驱动的高光谱信号异常检测方法,提高异常检测准确度。采用K-means算法聚类处理高光谱信号,引入聚类有效性指标优化处理,利用基于哈尔小波的离散小波变换多分辨率模型分解高光谱信号,通过低频信号获取高光谱信号光谱波形特征,通过局部过零点确定吸收峰,完成光谱特征的提取,将各光谱特征输入到卷积神经网络,实现高光谱信号的异常检测。实验结果表明:该方法可分解高光谱信号,当分解层数为3时,光谱特征提取效果最佳,高光谱信号异常检测准确度为90%左右,检测时间为0.2 s,可准确检测异常高光谱信号。 相似文献
2.
3.
为避免图像失真,研究基于三维激光视觉技术的平面设计图像增强和优化方法。采集平面设计图像数据,将三维激光映射至平面设计图像表面形成信息图,利用该信息与局部复杂度加权处理,构建平面设计图像直方图,扫描以及灰度值变换,消除平面设计图像噪声,采用分块局部增强方法分割图像直方图,实现平面设计图像的增强优化。实验表明,不同噪声标准差下,研究方法的峰值信噪比的平均值为36.62 dB,结构相似度平均值为0.952 6。且该方法去噪效果较好;可有效增强平面设计图像的视觉效果,增强人眼甄别平面设计图像信息的能力。 相似文献
4.
为提升网络连通性能,对基于图论方法的光通信网络关键节点确定方法进行研究。依据图论方法建立光通信网络图论模型,利用自适应蚁群算法,求解图论模型,获取节点间的最优路径,优化光通信网络;利用基于局部中心性的关键节点确定算法,按照局部中心性指标选择网络初始点覆盖集,并剔除该点覆盖集,以迭代方式,选取令网络连通节点对提升最小的节点,将其回添至优化网络内,以点覆盖集内节点符合待剔除关键节点数为止,完成光通信网络关键节点确定。实验证明:该方法可有效优化光通信网络,提升网络连通性能;在无向无权与无向加权网络时,该方法均可精准确定关键节点,选择局部度和中心性指标作为关键节点确定的局部中心性指标,可提升关键节点确定精度。 相似文献
1