检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

面向高速公路抛洒物检测的动态背景建模方法

浙江大学学报（工学版） 2020年第7期54卷 1249-1255页

作者：夏莹杰欧阳聪宇浙江大学计算机科学与技术学院浙江杭州310027

针对高速公路抛洒物检测中传统的固定背景建模方法容易因开放环境变化产生大量的前景噪声,动态背景建模方法容易因抛洒物的静止特性导致前景对象快速融入背景,提出基于背景分离高斯混合模型(BS-GMM)的动态背景建模方法.该方法对传统高... 详细信息

针对高速公路抛洒物检测中传统的固定背景建模方法容易因开放环境变化产生大量的前景噪声,动态背景建模方法容易因抛洒物的静止特性导致前景对象快速融入背景,提出基于背景分离高斯混合模型(BS-GMM)的动态背景建模方法.该方法对传统高斯混合模型的背景划分和模型匹配方法进行改进,设计基于像素点的高斯分布背景模型权值的衰减状况进行背景建模和背景更新的方法,既能减少开放环境大量环境噪声的影响,也能对抛洒物快速进入静止状态后的准确检测,在计算性能上能够达到实时检测的效果.实验结果证明,BS-GMM方法在抛洒物检测过程中产生的噪声数量比其他方法少,且对静止超过20 s的物体能够作为前景目标提取,因此能够有效地应用于高速公路抛洒物的准确识别.

关键词：高速公路抛洒物检测高斯混合模型背景建模权值衰减

在线全文

学校读者我要写书评

暂无评论

一种新的数据流模糊聚类方法

电子与信息学报 2015年第7期37卷 1620-1625页

作者：孙力娟陈小东韩崇郭剑南京邮电大学计算机学院南京210003 南京邮电大学江苏省无线传感网高技术研究重点实验室南京210003

针对数据流上的聚类任务受到时间、空间限制等问题,该文提出一种基于权值衰减的数据流模糊微簇聚类算法(WDSMC)。该算法使用改进的带权值的模糊C均值算法进行处理,并采用微簇结构和权值时间衰减结构提高聚类质量。实验表明,相对于现有... 详细信息

针对数据流上的聚类任务受到时间、空间限制等问题,该文提出一种基于权值衰减的数据流模糊微簇聚类算法(WDSMC)。该算法使用改进的带权值的模糊C均值算法进行处理,并采用微簇结构和权值时间衰减结构提高聚类质量。实验表明,相对于现有的数据流加权模糊C均值聚类(SWFCM)算法和Stream KM++算法而言,WDSMC算法具有更好的聚类精度。

关键词：数据挖掘数据流模糊C均值聚类权值衰减微簇聚类

在线全文

学校读者我要写书评

暂无评论

面向数据流模糊聚类算法的应用研究

面向数据流模糊聚类算法的应用研究

作者：陈小东南京邮电大学

学位级别：硕士

作为数据挖掘技术的研究前沿,数据流具有实时连续、高速到达以及动态变化等特点,在如无线传感器网络、金融分析市场、网络入侵检测等众多领域都扮演着十分重要的角色。聚类分析作为数据挖掘技术的主要组成部分之一,旨在发现数据中隐藏... 详细信息

作为数据挖掘技术的研究前沿,数据流具有实时连续、高速到达以及动态变化等特点,在如无线传感器网络、金融分析市场、网络入侵检测等众多领域都扮演着十分重要的角色。聚类分析作为数据挖掘技术的主要组成部分之一,旨在发现数据中隐藏的簇类知识信息,为用户做出正确的决策提供理论指导。概念漂移检测作为数据流研究中不可避免的问题之一,主要是期望发现数据流模型何时以及因何原因发生变化,从而达到预测数据流趋势的目的。当前的聚类算法主要是在整个数据集上展开的,很难直接应用于数据流上,因此迫切需要设计出可以处理数据流的聚类及概念漂移检测算法。本文针对数据流聚类算法的研究主要分为以下三点:首先通过分析国内外的相关文献,对数据流的研究现状和不足之处进行了综述;其次针对数据流上的聚类任务受到时间和空间限制的问题,本文提出了一种新的数据流模糊聚类算法Weight Decay Streaming Micro Clustering(WDSMC)。该算法使用改进的带权值的模糊C均值算法作为基准聚类算法,并采用微簇结构和权值衰减结构提高聚类质量。实验表明,相比于SWFCM算法和StreamKM++算法,WDSMC算法具有更好的聚类精度;最后本文对数据流中可能会出现的概念漂移现象,提出了在大小可变的滑动窗口中通过度量相邻窗口之间的聚类差异性来判断是否发生了概念漂移并提供相应的解决方案。实验表明算法能够有效地检测出数据流中的概念漂移现象,具有很好的聚类效果和很高的时间效率。

关键词：数据流模糊C均值聚类权值衰减概念漂移可变滑动窗口

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

基于改进编码/解码模型的中英机器翻译方法

计算机与数字工程 2021年第6期49卷 1253-1257页

作者：董斌西北工业大学明德学院西安710124

针对基于编码/解码的中英文机器翻译收敛速度慢和准确率不高的问题,提出了一种改进的机器翻译模型。该模型采用长短时记忆循环神经网络实现词向量生成,然后在编码阶段利用组嵌入方法提高模型训练效率,最后在解码阶段加入权值衰减因子提... 详细信息

针对基于编码/解码的中英文机器翻译收敛速度慢和准确率不高的问题,提出了一种改进的机器翻译模型。该模型采用长短时记忆循环神经网络实现词向量生成,然后在编码阶段利用组嵌入方法提高模型训练效率,最后在解码阶段加入权值衰减因子提高模型翻译准确性。实验结果表明,改进模型能够有效降低机器翻译训练的迭代次数,且具有较高的翻译准确率。

关键词：机器翻译循环神经网络组嵌入权值衰减