检索结果-南通市图书馆

计算机科学 2014年第5期41卷 245-249页

作者：胡文军王娟王培良王士同湖州师范学院信息与工程学院湖州313000 江南大学数字媒体学院无锡214122

线性svm具有算法简单、训练和测试速度快等优点,但不能用于解决线性不可分问题。为此,将样本数据集划分为多个集合并分别构造它们的Lsvm,然后运用径向基函数的非线性组合来拟合非线性的决策函数,从而解决线性不可分问题。鉴于此,提出了... 详细信息

线性svm具有算法简单、训练和测试速度快等优点,但不能用于解决线性不可分问题。为此,将样本数据集划分为多个集合并分别构造它们的Lsvm,然后运用径向基函数的非线性组合来拟合非线性的决策函数,从而解决线性不可分问题。鉴于此,提出了一种适合非线性大样本分类的Lsvm快速集成模型FMELsvm。该模型利用径向基函数RBF改善了Lsvm的非线性输出能力,同时引进了优化权来提升Lsvm的集成效果。UCI数据集的实验结果表明,FMELsvm在处理大样本方面具有较好的性能优势。

关键词：分类线性svm 径向基函数梯度下降法

在线全文

学校读者我要写书评

暂无评论

大规模svm训练算法的研究

大规模SVM训练算法的研究

作者：刘闪电南京航空航天大学

学位级别：硕士

对于高维数据,通过核方法将输入样本映射到更高维的空间通常不会明显改善决策函数的分类精度,而线性支持向量机（svm）能够提供很好的泛化能力。使用线性核时权向量的每一维可以根据系数以及训练样本直接计算。当构成权向量的支持向量... 详细信息

对于高维数据,通过核方法将输入样本映射到更高维的空间通常不会明显改善决策函数的分类精度,而线性支持向量机（svm）能够提供很好的泛化能力。使用线性核时权向量的每一维可以根据系数以及训练样本直接计算。当构成权向量的支持向量较多时这可以显著减少权向量和训练样本点积的计算代价。本文基于最小闭包球的算法求解svm的一种变形问题。提出的方法保存权向量及其每个分量公共因子,并且每次迭代只更新其中很少的部分,算法的复杂度为Ο（ md）, d为输入样本的平均非零属性数目,m是核集大小。实验表明此方法在一些数据集上的训练速率高于当前流行的线性svm求解器,比如对偶坐标下降法（DCD）以及基于割平面的svmperf。对大规模非线性svm优化问题提出了一个有效的并行训练算法。提出的算法把原问题分解成多个子问题在各个节点单独求解。每个节点在训练局部支持向量机时不需相互通信。合并过程采用简单的迭代过程处理各个子问题的解。在合并过程中需要计算来自不同节点的权向量（不能直接算出每一维）的点积,这需要很高的计算代价,因此每个节点在训练结束后使用替换策略对权向量进行归约。这使高效地训练大规模支持向量机成为可能。

关键词：线性svm 大规模数据集最小闭包球并行归约

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svm的人脸检测算法研究

基于SVM的人脸检测算法研究

作者：张永新西北大学

学位级别：硕士

人脸检测作为人脸信息处理中的一项关键技术,近年来受到模式识别与计算机视觉领域内研究者的普遍关注。支持向量机(Support Vector Machines,svm)是在统计学习理论的基础上发展起来的一种新的学习机器,能够较好地解决人脸检测中的小样... 详细信息

人脸检测作为人脸信息处理中的一项关键技术,近年来受到模式识别与计算机视觉领域内研究者的普遍关注。支持向量机(Support Vector Machines,svm)是在统计学习理论的基础上发展起来的一种新的学习机器,能够较好地解决人脸检测中的小样本、非线性、高维数、局部极小点等实际问题,将其与常用的人脸检测算法相结合,对于人脸检测技术的研究具有重要意义。论文的工作主要集中在以下几个方面:对svm分类器与平均脸模板匹配、PCA的分类器进行人脸通过率和非人脸过滤率实验,实验结果分析表明通过正反样本训练的svm分类滤波器比只通过正样本训练的平均脸模板和PCA具有更好的分类能力;在人脸检测过程中,采用由粗到细的策略,提出一种基于svm的灰度图像人脸检测算法,算法采用三层分类器结构,将平均脸模板匹配作为第一层分类器,将线性svm作为第二层分类器,前两层为粗分类器,第三层将非线性svm作为核心分类器。用训练好的分类器对本文提的人脸检测算法和现有的两层分类滤波器的人脸检测算法进行了比较实验,结果验证了采用模板匹配加线性svm加非线性svm三层滤波器的人脸检测算法,检测率和检测速度有明显提高,错误报警数明显降低,证明了该算法的有效性和鲁棒性。

关键词：三层分类器平均脸模板匹配线性svm 非线性svm 人脸检测

T-CENTRIST特征的红外图像人体检测

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

红外与激光工程 2020年第S2期49卷 268-275页

作者：倪洪印李凤萍东北电力大学计算机学院吉林吉林132012 长春工业大学人文信息学院吉林长春130122

行人检测技术是智能监控系统、智能交通系统、机器人和汽车安全等计算机视觉领域的研究热点。由于在视频场景中人体的位置、角度、穿着等都是复杂多变的,对检测精度有很大影响。通过对统计特征变换直方图(CENTRIST)的优缺点分析,提出了... 详细信息

行人检测技术是智能监控系统、智能交通系统、机器人和汽车安全等计算机视觉领域的研究热点。由于在视频场景中人体的位置、角度、穿着等都是复杂多变的,对检测精度有很大影响。通过对统计特征变换直方图(CENTRIST)的优缺点分析,提出了一种新的人体检测特征——三值统计特征变换直方图(T-CENTRIST)。T-CENTRIST一方面考虑了每个像素与其邻域像素之间的关系。另一方面也考虑了这些邻域像素之间的相关性度量。相比于CENTRIST,T-CENTRIST方法能更充分、更准确地反映行人的轮廓。其次,文中提出了一种基于T-CENTRIST特征的红外图像行人检测框架,引入了扩展块和整体图像的思想。最后,实验结果验证了所提出的行人检测方法的有效性。

关键词：人体检测统计特征转换扩展块线性svm

在线全文

学校读者我要写书评

暂无评论

基于二值化赋范梯度的中厚板表面缺陷检测

表面技术 2019年第10期48卷 336-341页

作者：梁颖詹光曹徐科北京科技大学钢铁共性技术协同创新中心北京100083 福建三钢闽光股份有限公司中板厂福建三明365000

目的针对中厚板表面复杂、缺陷识别率低的问题,设计一种有效的候选窗口提取方法,提升中厚板表面缺陷检测的准确性与实时性。方法引入视觉选择性注意机制,采用一种基于二值化赋范梯度特征(Binarized Normed Gradients,BING)的一般对象估... 详细信息

目的针对中厚板表面复杂、缺陷识别率低的问题,设计一种有效的候选窗口提取方法,提升中厚板表面缺陷检测的准确性与实时性。方法引入视觉选择性注意机制,采用一种基于二值化赋范梯度特征(Binarized Normed Gradients,BING)的一般对象估计算法来快速准确地提取缺陷感兴趣区域(Region of Interest,ROI),有效缩短搜寻过程。首先将样本归一化到8×8大小,提取规范化梯度特征(Normed Gradients,NG),学习一个测量显著性的线性svm分类器来预测图像窗口含有缺陷的可能性。然后再通过样本尺度优化显著性评分,学习一个校准显著评分的线性svm分类器。最后将两个svm模型级联,用于在线检测,提取缺陷感兴趣区域。结果将训练好的BING模型与Inception-V3卷积神经网络相结合,用于中厚板表面缺陷检测与识别,BING算法有效减少了ROI数量,在ROI数量为500的情况下,达到了98.2%的召回率。结论在保证缺陷召回率的前提下,BING生成的ROI数量比滑动窗口遍历方式少2个数量级,有效减少了后续识别算法的计算量,有利于引入复杂的分类器提升中厚板表面缺陷识别的准确率。

关键词：中厚板缺陷检测二值化赋范梯度(BING) ROI提取规范化梯度(NG) 线性svm

在线全文

学校读者我要写书评

暂无评论

嵌入式车载行人检测系统的研发

科技通报 2012年第2期28卷 95-97页

作者：齐凤英内蒙古呼伦贝尔学院工程技术学院内蒙古呼伦贝尔市021008

为防止驾驶员注意力分散引起无法及时躲避行人造成的事故,利用嵌入式技术、视频跟踪、识别技术,进行行人的快速捕获、识别,建立并形成一个适合于城市交通的嵌入式车载行人检测系统。实验结果表明,本系统可以较为准确地检测行人、提出行... 详细信息

为防止驾驶员注意力分散引起无法及时躲避行人造成的事故,利用嵌入式技术、视频跟踪、识别技术,进行行人的快速捕获、识别,建立并形成一个适合于城市交通的嵌入式车载行人检测系统。实验结果表明,本系统可以较为准确地检测行人、提出行车策略及行车建议,有效防止驾驶员误判断现象的出现,提高了行车安全性。

关键词： HOG特征嵌入式技术行人检测线性svm 车联网

在线全文

学校读者我要写书评

暂无评论

基于深度LSTM与双流融合网络的行为识别

计算机工程与设计 2019年第9期40卷 2631-2637页

作者：马翠红毛志强崔金龙王毅华北理工大学电气工程学院河北唐山063210 北京交通大学海滨学院电子信息与控制工程系河北沧州061100

为充分利用视频序列中长时运动特征,提高行为识别准确率,提出一种深度残差长短时记忆(LSTM)双流卷积融合网络结构。以Res-C3D net作为表观短时运动流和长时运动流的基础模型,分别提取表观短时运动信息和长时运动信息,采用乘法交叉流残... 详细信息

为充分利用视频序列中长时运动特征,提高行为识别准确率,提出一种深度残差长短时记忆(LSTM)双流卷积融合网络结构。以Res-C3D net作为表观短时运动流和长时运动流的基础模型,分别提取表观短时运动信息和长时运动信息,采用乘法交叉流残差单向连接融合两个运动流;以融合特征作为深度残差LSTM模块输入,递归学习长时动态特征;将学习到的深度特征输入到线性svm中,实现行为分类与识别。在数据集UCF-101和HMDB51上的实验结果表明,该模型能够充分利用视频序列中的长时运动信息,识别准确率分别可达95.1%和74.6%,具有很好的识别效果。

关键词：深度残差双流卷积网络长短时记忆长时动态特征线性svm

在线全文

学校读者我要写书评

暂无评论

基于特征融合和字典学习的交通标志识别

基于特征融合和字典学习的交通标志识别

作者：姚汉利安徽大学

学位级别：硕士

随着经济的发展,人们生活水平的提高和车辆的日益增多,引发的交通堵塞和生命安全问题也愈发严重,因此智能交通系统的研发应用受到工业界和学术界的高度重视。作为智能交通系统中核心技术之一,交通标志识别一直是研究的热点,然而研究成... 详细信息

随着经济的发展,人们生活水平的提高和车辆的日益增多,引发的交通堵塞和生命安全问题也愈发严重,因此智能交通系统的研发应用受到工业界和学术界的高度重视。作为智能交通系统中核心技术之一,交通标志识别一直是研究的热点,然而研究成果还尚未达到成熟,这是由于在真实复杂的场景中,交通标志的识别易受天气状况、运动模糊、外物遮挡、颜色退化、旋转倾斜等因素的影响。因此,交通标志识别依然是一个具有挑战性的课题。本文的主要研究工作有以下四个方面:(1)由于外界场景各因素的影响,各交通标志图像的尺寸、亮度、形态等差异不一,因此在特征提取之前,需要对其进行预处理操作。本文主要从三个方面进行了处理:①图像进行灰度化以及灰度归一化;②感兴趣区域分割提取;③尺度归一化。(2)根据交通标志的局部边缘、全局轮廓、纹理等特点,本文深入研究了两种特征算子:HOG和GIST,并对各特征的参数进行了优化。由于单一特征难以全面地对交通标志的特点进行描述,因此本文提出采用多特征融合,但不适当的融合算法会使得融合后特征表示力更差。鉴于广义典型相关分析(Generalized Canonical Correlation Analysis,GCCA)已在人脸识别特征融合方面取得不错的效果,本文将其应用于交通标志识别领域中,实验结果表明,HOG与GIST的融合相对于单一特征更有利于分类识别。(3)从实验中发现,融合特征对于结构相似的交通标志在表达上还是存在一定的冗余性,特别是限速类交通标志。因此,本文提出采用字典学习稀疏编码方式对融合特征进行优化,即使用K-SVD算法进行字典学习,正交匹配追踪(Orthogonal matching pursuit,OMP)算法对其进行稀疏编码。实验结果表明,优化后的特征对结构相似的交通标志更有表达力。(4)在GTSRB(German Traffic Sign Benchmarks)上,通过对比实验分析了单个特征、融合特征以及融合-稀疏特征的分类识别效果。实验结果表明经过优化后的特征在线性svm分类器上获得了更好的识别效果。

关键词：交通标志识别 HOG GIST GCCA K-SVD 线性svm

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

低空对地运动车辆检测与运动特性分析

低空对地运动车辆检测与运动特性分析

作者：吴长侠中国科学技术大学

学位级别：硕士

空对地视频交通监控以其直观、方便和价格低廉等特点,日益受到智能交通领域研究者的高度重视。其核心在于使用安装在无人机等浮空平台上的摄像机感知交通场景,通过关键技术的研发,检测出地面运动车辆等交通对象,并估计它们的运动状况,... 详细信息

空对地视频交通监控以其直观、方便和价格低廉等特点,日益受到智能交通领域研究者的高度重视。其核心在于使用安装在无人机等浮空平台上的摄像机感知交通场景,通过关键技术的研发,检测出地面运动车辆等交通对象,并估计它们的运动状况,从而达到智能化道路交通管理、减少交通事故的目的。显然,低空对地运动车辆检测是一个动态视觉监控系统,与一般的静态视频监控相比,检测平台和检测对象的动态性、场景的实时变化性,都使得低空对地运动车辆的检测与运动特性分析成为目前公认的一个技术难题。本文针对低空对地运动车辆视觉监控中出现的技术难题,首先提出了一种新的运动车辆特征表示与提取方法bLPS-HOG;然后利用线性svm分类来实现对运动车辆的高效检测;最后提出了基于颜色和空间相似度计算的运动分析方法,在检测出运动车辆的基础上得到运动车辆的运动轨迹。本文完成的具体工作主要分为如下三个方面:1)针对低空平台的高动态特性导致运动车辆有效特征难以提取的问题,提出了一种针对运动车辆的新的特征表示与提取方法bLPS-HOG。该方法首先利用局部采样和金字塔采样,针对不同大小的特征块计算得到象素梯度值,并通过直方图统计方法得到每个方向块值;然后将每个方向块对应值表示成一个弱分类器;最后针对每个特征块训练得到一个强分类器,这个强分类器的输出结果即为对应的bLPS-HOG特征值。该方法能有效获得车辆的局部和全局特征信息,达到更好的检测性能。2)针对空对地平台下用于运动车辆检测的样本相对有限的情况,采用线性svm方法进行运动车辆的分类。将提取的bLPS-HOG特征值作为svm的特征向量,利用训练得到的svm分类器进行运动车辆检测。该分类方法能在计算量较小的情况下有效地检测出运动车辆。3)针对城市交通环境下车辆运动特性难以准确获取的问题,提出了一种基于颜色和空间相似度的运动分析方法。该方法在运动车辆检测结果的基础上,通过计算连续两帧里检测窗口的HSV颜色直方图和空间相似度,获得同一运动车辆在不同帧里的位置信息,从而获得车辆的运动轨迹,并进一步提高检测效果。

关键词：低空对地运动车辆检测 bLPS-HOG特征线性svm 城市交通