检索结果-南通市图书馆

基于数据重平衡的AUC优化Boosting算法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

自动化学报 2013年第9期39卷 1467-1475页

作者：李秋洁茅耀斌南京林业大学机械电子工程学院南京210037 南京理工大学自动化学院南京210094

接收者操作特性(Receiver operating characteristics,ROC)曲线下面积(Area under the ROC curve,AUC)常被用于度量分类器在整个类先验分布上的总体分类性能.原始Boosting算法优化分类精度,但在AUC度量下并非最优.提出了一种AUC优化Boos... 详细信息

接收者操作特性(Receiver operating characteristics,ROC)曲线下面积(Area under the ROC curve,AUC)常被用于度量分类器在整个类先验分布上的总体分类性能.原始Boosting算法优化分类精度,但在AUC度量下并非最优.提出了一种AUC优化Boosting改进算法,通过在原始Boosting迭代中引入数据重平衡操作,实现弱学习算法优化目标从精度向AUC的迁移.实验结果表明,较之原始Boosting算法,新算法在AUC度量下能获得更好性能.

关键词： AUC优化 Boosting 精度优化数据重平衡

基于移动多线激光雷达扫描的树冠叶面积估计方法

在线全文

学校读者我要写书评

暂无评论

农业机械学报 2024年第9期55卷 308-315,480页

作者：李秋洁丁莉南京林业大学机械电子工程学院南京210037

移动单线激光雷达(Laser detection and ranging,LiDAR)扫描(Mobile single-layer LiDAR scanning,MSLS)树冠叶面积估计方法使用单一视角的单线激光雷达采集树冠点云数据,获取的冠层信息不够全面,限制了树冠叶面积估计精度。本文提出一... 详细信息

移动单线激光雷达(Laser detection and ranging,LiDAR)扫描(Mobile single-layer LiDAR scanning,MSLS)树冠叶面积估计方法使用单一视角的单线激光雷达采集树冠点云数据,获取的冠层信息不够全面,限制了树冠叶面积估计精度。本文提出一种基于移动多线LiDAR扫描(Mobile multi-layer LiDAR scanning,MMLS)的树冠叶面积估计方法,使用多线LiDAR从多个视角采集树冠点云数据,提升树冠叶面积估计精度。首先,将多线LiDAR采集的点云数据变换到世界坐标系下,通过感兴趣区域(Region of interest,ROI)提取出树冠点云。然后,提出一种MMLS树冠点云融合方法,逐个融合单个激光器采集的树冠点云,设置距离阈值删除重复点,添加新点。最后,构建MMLS空间分辨率网格,建立基于树冠网格面积的树冠叶面积估计模型。实验使用VLP-16型多线LiDAR传感器搭建MMLS系统,设置1、1.5 m 2个测量距离和间隔45°的8个测量角度对6个具有不同冠层密度的树冠进行数据采集,共得到96个树冠样本。采用本文方法,树冠叶面积线性估计模型的均方根误差(Root mean squared error,RMSE)为0.1041 m^(2),比MSLS模型降低0.0578 m^(2),决定系数R^(2)为0.9526,比MSLS模型提高0.0675。实验结果表明,本文方法通过多线LiDAR多视角树冠点云数据采集、MMLS树冠点云融合和空间分辨率网格构建,有效提升了树冠叶面积估计精度。

关键词：树冠叶面积多线激光雷达移动激光扫描点云融合空间分辨率网格

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

CAPTCHA技术研究综述

计算机研究与发展 2012年第3期49卷 469-480页

作者：李秋洁茅耀斌王执铨南京理工大学自动化学院

全自动开放式人机区分图灵测试(completely automated public Turing test to tell computers and humans apart,CAPTCHA)又称为人机交互验证(human interactive proof,HIP),它能自动产生并评估一个测试,这个测试能被几乎所有人类用户通过,而现有的计算机程序不能通过.CAPTCHA提供了一种自动驱分人和机器的手段,已成为一种标准的网络安全技术成功应用于包括Google,Yahoo!以及微软在内的各大网站.CAPTCHA设计基于人工智能领域的开放性问题,按表现载体和内容不同分为文本、图像、声音3种类型,其中,基于字符识别的文本CAPTCHA已得到广泛使用;图像CAPTCHA利用计算机视觉中的难解问题,目前尚处于研究阶段;声音CAPTCHA针对视觉残障者,是对前两种视觉CAPTCHA的补充.介绍了CAPTCHA的发展和设计准则,详细阐述CAPTCHA设计和破解的研究工作及最新进展,给出典型实例,讨论其可用性和安全性,最后指出未来CAPTCHA技术的发展方向和亟待解决的问题.

关键词：全自动开放式人机区分图灵测试人机交互验证网络服务安全人工智能光学字符识别图像理解机器学习

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

行道树靶标点云在线分割方法

南京林业大学学报（自然科学版） 2024年第4期48卷 141-149页

作者：严宇李秋洁南京林业大学机械电子工程学院江苏南京210037

【目的】针对行道树对靶施药技术中的靶标实时在线分割需求,研究基于移动激光扫描(mobile laser scanning,MLS)的行道树靶标点云在线实时分割方法,建立能够实时在线准确分割行道树靶标点云的点云实例分割算法。【方法】本研究以300 m长... 详细信息

【目的】针对行道树对靶施药技术中的靶标实时在线分割需求,研究基于移动激光扫描(mobile laser scanning,MLS)的行道树靶标点云在线实时分割方法,建立能够实时在线准确分割行道树靶标点云的点云实例分割算法。【方法】本研究以300 m长街道一侧的行道树为研究对象,通过建立FIFO(first input first output)缓冲区,每隔一段时间读取MLS采集到的三维街道点云数据中的若干帧街道点云数据。将读取过后FIFO缓冲区中的街道点云数据转换为三通道街道图像,使用图像实例分割模型对街道图像进行分割,得到行道树候选实例。然后,对行道树候选实例与已检测到的行道树实例进行实例融合,对已检测到的行道树实例进行完整性检测,对检测完整的行道树实例执行图像-点云映射,得到行道树点云实例。最后,使用阈值滤波与K最近邻(K-nearest neighbor,KNN)两种方法在点云层面对行道树点云实例进行优化。【结果】在阈值滤波参数设置为0.65 m、KNN的半径参数设置为0.5 m时,行道树靶标点云实例分割结果最优,准确率为0.9865,召回率为0.9407,F_(1)分数为0.9576,平均每帧分割时间为5.261 ms。【结论】本研究提出的行道树靶标点云在线分割方法有效,可以满足行道树靶标实时在线分割的要求。

关键词：行道树靶标喷雾行道树在线分割实例分割 K近邻二维激光雷达(LiDAR)

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

基于多配置特征包的目标检测

模式识别与人工智能 2011年第6期24卷 869-874页

作者：李秋洁茅耀斌王执铨南京理工大学自动化学院南京210094

针对目标检测中的特征失配问题,提出多配置特征包的概念,刻画同一特征可能出现的不同失配情况.目标分类器学习时,利用Boosting算法学习出最具鉴别力特征包,每个特征包对应一个单特征和它的失配情况,目标分类器是最优特征包分类器的线性... 详细信息

针对目标检测中的特征失配问题,提出多配置特征包的概念,刻画同一特征可能出现的不同失配情况.目标分类器学习时,利用Boosting算法学习出最具鉴别力特征包,每个特征包对应一个单特征和它的失配情况,目标分类器是最优特征包分类器的线性组合.进一步地,引入多示例学习思想,有效评估特征包鉴别力、学习特征包分类器.在人脸数据集上的实验表明,较之传统方法,考虑特征失配后,文中算法能获得更好的检测性能.同时,与固定包生成方式相比,多配置特征包能较好拟合特征失配情况,在提高检测率的同时获得更小的检测器尺寸.

关键词：目标检测特征失配多配置特征包多示例学习

在线全文

学校读者我要写书评

暂无评论

代价敏感学习中的损失函数设计

控制理论与应用 2015年第5期32卷 689-694页

作者：李秋洁赵亚琴顾洲南京林业大学机械电子工程学院江苏南京210037 东南大学自动化学院江苏南京210096

一般的学习算法通过最小化分类损失使分类错误率最小化,而代价敏感学习则以最小化分类代价为目标,需构造代价敏感损失.本文探讨代价敏感损失的设计准则,首先介绍基于代价敏感风险优化的代价敏感学习方法,然后在Bayes最优分类理论框架下... 详细信息

一般的学习算法通过最小化分类损失使分类错误率最小化,而代价敏感学习则以最小化分类代价为目标,需构造代价敏感损失.本文探讨代价敏感损失的设计准则,首先介绍基于代价敏感风险优化的代价敏感学习方法,然后在Bayes最优分类理论框架下,提出两条代价敏感损失设计准则.接着采用两种常用代价敏感损失生成方法构造平方损失、指数损失、对数损失、支持向量机损失等经典损失函数的代价敏感扩展形式.根据所提出的设计准则,从理论上分析这些代价敏感损失的性能.最后通过实验表明,同时满足两条设计准则的代价敏感损失能有效降低分类代价,从而证明了本文提出的代价敏感损失设计准则的合理性.

关键词：学习算法代价敏感学习损失函数 Bayes最优决策代价敏感损失

在线全文

学校读者我要写书评

暂无评论

基于激光雷达的果园行间路径提取与导航

农业机械学报 2020年第S02期51卷 344-350页

作者：李秋洁丁旭东邓贤南京林业大学机械电子工程学院南京210037

针对车辆果园行间自主导航出现的车辆偏航、非相邻树行干扰、植株缺失、树行弯曲等问题,提出一种基于激光雷达的行间路径提取方法,构建多样化虚拟果园环境仿真行间路径导航过程,评估路径提取算法性能。行间路径提取时,采用二维激光雷达(... 详细信息

针对车辆果园行间自主导航出现的车辆偏航、非相邻树行干扰、植株缺失、树行弯曲等问题,提出一种基于激光雷达的行间路径提取方法,构建多样化虚拟果园环境仿真行间路径导航过程,评估路径提取算法性能。行间路径提取时,采用二维激光雷达(Light detection and ranging,LiDAR)获取果园树干测量数据,通过中值滤波削弱测量噪声,设计椭圆感兴趣区域(Region of interest,ROI)提取相邻树行,提出两步树行分割法获取相邻树行数据,通过最小二乘法拟合树行直线,将树行中心线作为导航路径。行间导航仿真时,建立虚拟果园环境和LiDAR测量模型,基于仿真测量数据生成导航路径,经过一阶数字低通滤波后实时控制车辆运动。仿真实验中,设置果树种植偏差为±20 cm,树干直径偏差为±3 cm,LiDAR测量误差为±3 cm。实验结果表明,本文方法在车辆偏航、缺树、曲线树行等情况下均能准确提取导航路径,在偏航角不大于15°、横向偏差不大于1 m、缺树率不大于25%时均能将车辆轨迹与道路中心线的横向偏差控制在±14 cm内。

关键词：果园车辆导航激光雷达路径提取仿真

在线全文

学校读者我要写书评

暂无评论

基于移动激光扫描的行道树树冠点云逐点检测

南京林业大学学报（自然科学版） 2024年第1期48卷 205-213页

作者：李秋洁李相程南京林业大学机械电子工程学院江苏南京210037

【目的】针对行道树树冠在线检测问题,研究基于移动激光扫描(mobile laser scanning,MLS)的行道树树冠点云逐点检测方法,构建能够在线、快速、准确检测出行道树树冠点云的高性能树冠检测器,为行道树对靶施药提供基础数据。【方法】应用... 详细信息

【目的】针对行道树树冠在线检测问题,研究基于移动激光扫描(mobile laser scanning,MLS)的行道树树冠点云逐点检测方法,构建能够在线、快速、准确检测出行道树树冠点云的高性能树冠检测器,为行道树对靶施药提供基础数据。【方法】应用搭载一个2D激光雷达(light detection and ranging,LiDAR)的MLS系统实时采集街道轮廓线测量数据,从中提取点云三维坐标、一次回波强度和回波次数等属性;构建点云半径为δ的球域搜索方法,实现点云邻域在线快速查询;从待识别点δ球域中提取宽度、深度、高度、维度、密度、次数和强度7类点云局部特征;采用监督学习算法融合点云局部特征、训练树冠检测器,预测待识别点的类别。采集一段长137 m街道的点云数据,开展了邻域搜索方法、监督学习算法、点云局部特征和树冠逐点检测器4个对比实验。【结果】构建的δ球域搜索方法的搜索时间为k-D树法的10.90%;在神经网络(neural network,NN)、支持向量机(support vector machine,SVM)、Boosting和随机森林(random forest,RF)4种监督学习算法中,RF算法得到的树冠检测器分类精度最好;与单类特征相比,组合特征具有更好的泛化性能;本研究方法设计的树冠逐点检测器在检测精度和效率上均优于已有方法,球域半径δ在0.1~1.0 m范围内变化时,测试集F_(1)分数≥97.74%。【结论】提出的方法能够从实时采集的MLS点云数据中快速、准确地检测出行道树树冠点云,为行道树对靶施药提供数据支撑。

关键词：对靶施药行道树树冠点云检测逐点分类移动激光扫描

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

基于移动激光扫描的靶标叶面积计算方法

农业机械学报 2020年第5期51卷 192-198页

作者：李秋洁袁鹏成邓贤茹煜南京林业大学机械电子工程学院南京210037

针对疏枝果园的变量对靶施药问题,提出基于移动激光扫描(Mobile laser scanning,MLS)技术的靶标叶面积计算方法,为变量施药实时提供基础数据。为消除激光雷达(Light detection and ranging,LiDAR)探测距离和施药车辆行驶速度对点云密度... 详细信息

针对疏枝果园的变量对靶施药问题,提出基于移动激光扫描(Mobile laser scanning,MLS)技术的靶标叶面积计算方法,为变量施药实时提供基础数据。为消除激光雷达(Light detection and ranging,LiDAR)探测距离和施药车辆行驶速度对点云密度的影响,在车辆行驶方向和激光雷达扫描方向上计算每个测量点的分辨率,为MLS点云数据建立变尺度格网,以格网面积作为被激光束覆盖的叶面积,建立靶标总体格网面积(Total grid area,TGA)与真实总体叶面积(Total leaf area,TLA)的线性回归模型。采用仿真树模拟疏枝果树靶标,搭建移动激光扫描测量系统,采集靶标点云数据,改变探测距离及移动速度,获取了4种不同疏枝程度靶标的108个样本数据。试验结果表明,随着探测距离的增加和移动速度的降低,靶标点云数显著减少,变异系数最小为0.9209,靶标格网面积能稳定提取,变异系数最大为0.0537,TGA与TLA的拟合优度为0.9090,叶面积测量相对误差均值为9.16%。

关键词：变量对靶施药冠层总体叶面积二维激光雷达移动激光扫描变尺度格网