检索结果-南通市图书馆

基于类Haar特征和自适应提升算法的前车识别

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

科学技术与工程 2019年第7期19卷 161-165页

作者：曹景胜李刚石晶王冬霞郭银景辽宁工业大学汽车与交通工程学院锦州121001 辽宁工业大学汽车及零部件关键技术协同创新中心锦州121001 辽宁工业大学电子与信息工程学院锦州121001 山东科技大学电子通信与物理学院青岛266590

针对汽车高级驾驶辅助系统(ADAS)中前方车辆识别率低的问题,基于机器视觉原理研究了前方道路图像中的类Haar特征;并进行积分图计算。在提取类Haar特征基础上,采用自适应提升(Ada Boost)算法进行正负样本训练并级联,得到训练好的模型;进... 详细信息

针对汽车高级驾驶辅助系统(ADAS)中前方车辆识别率低的问题,基于机器视觉原理研究了前方道路图像中的类Haar特征;并进行积分图计算。在提取类Haar特征基础上,采用自适应提升(Ada Boost)算法进行正负样本训练并级联,得到训练好的模型;进而检测和识别汽车行驶中前方车辆。最后基于Open CV计算机视觉库在Visual Studio开发环境中进行了算法实现和测试。结果表明,每帧视频图像识别时间小于40 ms,检测率准确可靠,满足多场景、多工况下的前方车辆实时识别。

关键词：高级驾驶辅助系统前车识别机器视觉类Haar特征自适应提升算法

基于改进的自适应提升算法的遥感影像精细分类

在线全文

学校读者我要写书评

暂无评论

基于改进的自适应提升算法的遥感影像精细分类

作者：贺金兰成都理工大学

学位级别：硕士

遥感影像分类问题一直是遥感信息提取的热点问题,对于中等分辨率遥感影像,由于技术的有限性与地物的复杂性,具有相似光谱特征与空间形状特征地物的分类更是一个我们研究的难点。基于此,针对中等分辨率遥感影像精细分类问题,本文引入一... 详细信息

遥感影像分类问题一直是遥感信息提取的热点问题,对于中等分辨率遥感影像,由于技术的有限性与地物的复杂性,具有相似光谱特征与空间形状特征地物的分类更是一个我们研究的难点。基于此,针对中等分辨率遥感影像精细分类问题,本文引入一种集成学习算法即自适应提升算法(AdaBoost)。由于中等分辨率遥感影像数据的可分性较低,含噪声较大,而AdaBoost算法对噪声敏感,易出现过拟合现象,所以提出一种改进的自适应提升算法模型(NP-AdaBoost),结果证明改进的算法更适用于研究区的精细分类。论文的主要研究方法及结果如下:(1)自适应提升算法的改进。针对样本噪声,考虑一个全概率公式的概念,把训练之后的样本数据分为4类。在一次实验中,样本分类正确与分类错误构成一个完备事件组,在分类正确与分类错误的条件之下该样本是噪声的可能性大小相当于一个条件概率。因此,构造了一个预测样本噪声的全概率模型,该噪声模型用来预测训练样本数据为噪声的可能性大小,模型的结果作为自适应提升算法的一个新参数。从理论上证明了改进后的算法在样本权值更新时,在分类正确的情况下,使噪声大的样本数据比噪声小的样本数据减小得更多;在分类错误的情况下,使噪声大的样本数据比噪声小的样本数据增大得更少。(2)改进算法的有效性验证。对实验数据进行仿真实验,数据集来自机器学习专用的UCI数据库,针对中等分辨率遥感影像的可分性,构造拥有不同属性特征的数据集模拟不同可分性环境,构造加入不同噪声比例的数据集模拟不同噪声环境。通过精度分析、训练误差分析以及测试误差分析,结果表明NP-AdaBoost算法在实验中能够使训练误差趋势更加平稳,减少过拟合现象,从而减小测试误差。(3)研究区地物的精细分类。选取2013 Landsat8 OLI遥感影像,提取用来分析植被的6种植被指数以及红光与近红外单波段特征,对相似地物类别林地与草地进行分类,通过与其它监督分类方法(最大似然、最小距离、马氏距离以及决策树)对比分析,结果表明改进的自适应提升算法是一种可以对中等分辨率遥感影像进行精细分类且精度较高的有效算法,与原始算法相比,Kappa系数提高了5.5%,总体精度提高了2.8%。

关键词：遥感影像分类分类器自适应提升算法过拟合样本噪声概率

基于聚类和AdaBoost的ADS⁃B数据质量综合评估方法

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

航空学报 2024年第13期45卷 381-392页

作者：张召悦阳颖中国民航大学空中交通管理学院天津300300

为更好地发挥ADS-B数据应用价值,针对ADS-B数据质量评估过程中传统方法无法客观准确得到质量等级的问题,在分析行业应用、发射设备性能、数据安全等方面对ADS-B数据质量需求的基础上,构建了ADS-B数据质量评估指标体系,提出了基于集成学... 详细信息

为更好地发挥ADS-B数据应用价值,针对ADS-B数据质量评估过程中传统方法无法客观准确得到质量等级的问题,在分析行业应用、发射设备性能、数据安全等方面对ADS-B数据质量需求的基础上,构建了ADS-B数据质量评估指标体系,提出了基于集成学习自适应提升算法(AdaBoost)的新型数据质量评估方法。该方法通过K-means聚类确定最佳质量等级类别,结合熵权法和双基点法(TOPSIS)打分确定数据标签,并采用AdaBoost算法对评估模型进行了训练和优化。以天津机场数据为例,实验得出ADS-B数据质量的最佳等级划分为5级,得到的数据质量评估模型准确率高达98.5%,验证了该方法可以有效避免主观因素对评估结果的影响,并得到最优的质量等级划分,能够提高评估结果的稳定性和精确度。

关键词： ADS-B数据质量 K-means聚类熵权法双基点法 TOPSIS 自适应提升算法

顾及地球物理效应的GNSS高程时间序列AdaBoost预测和插值方法

在线全文

学校读者我要写书评

暂无评论

测绘学报 2024年第6期53卷 1077-1085页

作者：鲁铁定李祯东华理工大学测绘与空间信息工程学院江西南昌330013 自然资源部环鄱阳湖区域矿山环境监测与治理重点实验室江西南昌330013

传统的GNSS高程时间序列预测和插值方法仅考虑时间变量,具有明显的局限性。本文顾及地球物理效应的影响,通过温度、大气压强、极移等数据和GNSS高程时间序列数据构建回归问题,使用自适应提升(AdaBoost)算法建模。为了验证模型的预测和... 详细信息

传统的GNSS高程时间序列预测和插值方法仅考虑时间变量,具有明显的局限性。本文顾及地球物理效应的影响,通过温度、大气压强、极移等数据和GNSS高程时间序列数据构建回归问题,使用自适应提升(AdaBoost)算法建模。为了验证模型的预测和插值性能,试验选取4个GNSS站的高程时间序列进行分析。建模试验表明,相较于Prophet模型,AdaBoost模型的拟合精度提升了约35%;预测结果表明,在12个月的预测周期内,AdaBoost模型在4个GNSS站的MAE值为4.0~4.5 mm,RMSE值约为5.0~6.0 mm;插值试验表明,相较于三次样条插值方法,AdaBoost插值模型的精度约提升了15%~28%。预测和插值试验表明,顾及地球物理效应的AdaBoost模型可以应用于GNSS高程时间序列预测与插值。

关键词： GNSS高程时间序列地球物理效应预测插值自适应提升算法

基于双特征融合与自适应提升机制的图像动作识别算法

维普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

电子测量与仪器学报 2017年第12期31卷 1929-1936页

作者：罗冬梅左金水余文森武夷学院信息技术与实验室管理中心武夷山354300 浙江工商大学管理学院杭州310018 武夷学院数学与计算机学院武夷山354300

针对复杂环境中动作识别易受到光照变化、目标旋转,遮挡等导致目标位置不精确,目标漂移以及识别错误等问题,提出了一种基于双特征融合与自适应提升的动作识别算法。首先,基于时空上下文(spatio-temporal context,STC)机制,通过时空上下... 详细信息

针对复杂环境中动作识别易受到光照变化、目标旋转,遮挡等导致目标位置不精确,目标漂移以及识别错误等问题,提出了一种基于双特征融合与自适应提升的动作识别算法。首先,基于时空上下文(spatio-temporal context,STC)机制,通过时空上下文关系与视觉系统特性来提取图像序列特征,降低光照变化、遮挡对行为动作的影响;同时,利用卷积神经网络(convolution neural network,CNN)来处理图像序列,分别获得STC特征与CNN特征;其次,引入主成分分析算子,定义双特征融合规则,对获得STC特征与CNN特征进行组合,形成一种更准确、完整的特征表示;然后,通过得到的新特征,利用自适应提升算法(adaptive boosting algorithm,ABA)进行分类训练,完成对行为动作决策判断。在Weizmann、Hollywood数据集上测试表明,相对于当前常用的动作识别方法,所提算法对各种行为动作具有更高的识别精度与鲁棒性,更能适应复杂背景和动作变化。所提算法具有较高的人体动作识别精度,在视频监测、人机交互等领域具有一定的应用价值。

关键词：图像动作识别时空上下文双特征融合卷积神经网络主成分分析自适应提升算法

基于胰腺CT的影像组学在预测糖耐量受损人群胰岛素抵抗中的应用价值

在线全文

学校读者我要写书评

暂无评论

中国中西医结合影像学杂志 2024年第3期22卷 250-254,281页

作者：布买丽亚木·买买提艾力陈杰新疆维吾尔自治区人民医院放射影像中心新疆乌鲁木齐830001 新疆医科大学研究生院新疆乌鲁木齐830054

目的:探讨基于CT胰腺平扫影像组学在预测糖耐量受损人群胰岛素抵抗(IR)中的应用价值。方法:回顾性收集首次确诊的糖耐量受损患者381例,依据稳态模型胰岛素抵抗指数(HOMA-IR)中位数,分为高IR组191例,低IR组190例;并按照8∶2的比例,随机... 详细信息

目的:探讨基于CT胰腺平扫影像组学在预测糖耐量受损人群胰岛素抵抗(IR)中的应用价值。方法:回顾性收集首次确诊的糖耐量受损患者381例,依据稳态模型胰岛素抵抗指数(HOMA-IR)中位数,分为高IR组191例,低IR组190例;并按照8∶2的比例,随机分成训练集304例及测试集77例。勾画胰腺ROI,提取影像组学特征,通过降维和筛选后,选择最优特征。构建8种机器学习模型,并选取支持向量机(SVM)、多层感知机(MLP)、随机森林(RF)、自适应提升算法(AdaBoost)4种机器学习方法构建诊断预测模型。采用ROC曲线评价各影像组学模型的预测效能。结果:共提取1834个特征,采用Pearson相关系数分析筛选保留189个特征。通过最小绝对收缩和选择算子(LASSO)算法和5折交叉验证降维至23个主要组学特征。构建的SVM、MLP、RF、AdaBoost 4种预测模型在测试集中的AUC分别为0.723、0.731、0.807、0.681,其中RF模型的预测效果较好。结论:基于CT胰腺平扫影像组学特征构建的RF模型,对糖耐量受损人群的IR水平具有较好的预测效能。

关键词：胰岛素抵抗影像组学支持向量机多层感知机随机森林自适应提升算法体层摄影术,X线计算机

基于自适应提升集成算法的电动汽车动力锂电池SOC估算研究

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

基于自适应提升集成算法的电动汽车动力锂电池SOC估算研究

作者：赵小波温州大学

学位级别：硕士

电池荷电状态(SOC)是衡量电动汽车动力锂电池剩余电量的重要参数。准确估算SOC可以有效防止动力锂电池过充或过放电,延长电池寿命和保障电动汽车驾驶安全。对动力锂电池SOC进行准确的估算是目前电动汽车动力锂电池领域研究的重点和难点... 详细信息

电池荷电状态(SOC)是衡量电动汽车动力锂电池剩余电量的重要参数。准确估算SOC可以有效防止动力锂电池过充或过放电,延长电池寿命和保障电动汽车驾驶安全。对动力锂电池SOC进行准确的估算是目前电动汽车动力锂电池领域研究的重点和难点之一。本文提出以自适应提升(Adaboost)集成算法为框架,以极限学习机(ELM)为弱学习器,以不同温度和工况下获取电池的电压、电流和温度数据作为集成算法的输入,将Adaboost-ELM算法用于动力锂电池SOC估算。并利用带自适应噪声的完备集成经验模态分解方法(CEEMDAN)分别与小波包分解(WPD)和小波阈值去噪(WTD)联合,形成CEEMDAN-WPD和CEEMDAN-WTD两种不同的数据去噪方法。这两种方法分别与Adaboost-ELM结合,搭建了动力锂电池在单一工况下的SOC估算模型CEEMDAN-WPD-Adaboost-ELM(CWAELM),和多种工况下的SOC估算模型CEEMDAN-WTDAdaboost-ELM(CWAELM)。并利用MATLAB对这两种模型分别进行仿真验证。结果表明,两种模型均实现了对SOC的准确估算。其中,CEEMDAN-WTD-Adaboost-ELM模型在多种工况下对动力锂电池SOC估算具有极好的鲁棒性和准确性。

关键词：电动汽车动力锂电池 SOC 自适应提升算法极限学习机

基于AlexNet-Adaboost的多工况滚动轴承故障识别方法

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

振动与冲击 2022年第2期41卷 20-25页

作者：唐贵基田寅初田甜华北电力大学(保定)机械工程系河北保定071003

针对实际工程中滚动轴承多工况下传统故障诊断方法识别率偏低的情况。提出了一种基于AlexNet-Adaboost相结合的滚动轴承故障识别方法。以滚动轴承信号的时频图作为模型输入、分类结果作为模型输出,训练多个AlexNet基分类器;在此基础上利... 详细信息

针对实际工程中滚动轴承多工况下传统故障诊断方法识别率偏低的情况。提出了一种基于AlexNet-Adaboost相结合的滚动轴承故障识别方法。以滚动轴承信号的时频图作为模型输入、分类结果作为模型输出,训练多个AlexNet基分类器;在此基础上利用Adaboost(自适应提升)算法进一步提升得到强分类器,将多工况下滚动轴承信号的时频图输入强分类器进行测试。结果显示,所提方法可实现对多工况下滚动轴承故障有效识别,并且在一定程度上提高了故障分类的准确性。

关键词：状态识别时频图滚动轴承卷积神经网络(CNN) 自适应提升算法

基于注意力机制改进的SAB异步电机故障诊断

在线全文

学校读者我要写书评

暂无评论

振动．测试与诊断 2023年第3期43卷 603-608,626页

作者：令波杨咏穆旻皓张文俊武汉第二船舶设计研究所武汉430074 中国船舶集团第七〇四研究所上海200000

由于电机结构及其运行环境复杂,导致各类故障与故障特征存在较强的非线性关系,单一信号信息含量有限,无法满足诊断需求。针对此问题,以电流、磁场信号为监测信号,提出基于注意力机制改进的支持向量机-自适应提升算法(SVM-AdaBoost,简称S... 详细信息

由于电机结构及其运行环境复杂,导致各类故障与故障特征存在较强的非线性关系,单一信号信息含量有限,无法满足诊断需求。针对此问题,以电流、磁场信号为监测信号,提出基于注意力机制改进的支持向量机-自适应提升算法(SVM-AdaBoost,简称SAB)的故障诊断方法。首先,通过希尔伯特变换和快速傅里叶变换提取信号频域特征;其次,通过SAB分类器,对多源样本分别进行训练,获取各子分类器预测结果;最后,基于注意力机制调整权重矩阵参数,对电流、电磁信号进行信息融合,改进SAB分类器以提高故障诊断的准确率。研究结果表明:不同信号对各类故障的敏感程度不同;所提方法可以实现对转子断条故障、定子短路故障、轴承故障的诊断分类,与传统方法对比,该方法明显提高了故障诊断的鲁棒性和准确性。

关键词：异步电机故障诊断多传感器注意力机制支持向量机自适应提升算法

维普期刊数据库博看期刊