检索结果-南通市图书馆

检索条件"主题词=高斯聚类"

共 13 条记录，以下是11-20 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

基于深度学习的SLAM回环检测算法研究

基于深度学习的SLAM回环检测算法研究

引用

作者：秦雪莹天津理工大学

学位级别：硕士

随着人工智能的发展,机器人在交通、家居、工业、生产等各个领域的广泛应用,同时自我定位与地图构建(Simultaneous Localization and Mapping,SLAM)系统成为了多方学者研究的重点。其中回环检测(Loop Closure Detection)算法是视觉SLAM... 详细信息

随着人工智能的发展,机器人在交通、家居、工业、生产等各个领域的广泛应用,同时自我定位与地图构建(Simultaneous Localization and Mapping,SLAM)系统成为了多方学者研究的重点。其中回环检测(Loop Closure Detection)算法是视觉SLAM架构中的关键组成元素,可以将后端的位姿提供有效制约,从而降低估计机器人运动的进程中带进来的累积误差,对于实现移动机器人的同步实时定位和地图的构建起到决策性作用,是SLAM系统中不可或缺的一环。传统的回环检测依靠手工提取特征和构建视觉词袋树模型的方法实现。其人工设计提取图像特征的方法,过程太过复杂并且图像特征分布不均匀导致最终回环精度不佳;词袋模型规模庞大、计算复杂最终导致回环检测算法效率低下。因此,针对以上问题,本文研究内容如下:(1)本文与深度学习的卷积神经网络算法相结合,采用了Goog LeNet和Res Net网络框架提取移动机器人相机传感器获取的实时环境视觉图像的深度特征,将“稀疏连接”和“跳跃连接”的思想应用到SLAM回环检测系统中来,有效的在网络中增加上下文信息。(2)针对使用Inception＿V3网络提取到的特征图采用PCA+Whitening降维算法,将高维特征向量降维,从而使得工作量大幅度降低,在不以牺牲精度为代价的前提下,提高了SLAM系统的工作效率。针对Res Net V2＿152网络提取的特征图,使用TSNE降维算法,从而找到高维空间中的低维流形的方式,将特征向量降维,以为后文计算相似度提供了便利。在选用欧几里得正则化方法计算关键帧图像深度特征向量的相似度之后,将高斯混合模型的聚类算法应用到相似矩阵上,将相似矩阵值的范围区间拉大,剔除了假阳性回环的错误检测点。(3)本文的最后通过运用公开场景大数据集来进行算法的有效性验证。结果表明,依赖卷积神经网络、降维算法和高斯混合聚类模型实现的回环检测算法,能生成更加优质的图像特征表示并且可以有效减少由手工提取特征再进行特征匹配的回环检测算法的复杂度,同时在一定程度上提高回环的精度。(4)利用ResNet和TSNE降维的回环检测算法,本文将其改进并实现了一个医疗在线挂号系统。

关键词： SLAM 回环检测卷积神经网络 TSNE 高斯聚类

来源：

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

园区网账号风险评估系统的设计与实现

园区网账号风险评估系统的设计与实现

引用

作者：曾煌尧北京邮电大学

学位级别：硕士

现有的对账号被盗检测、风险评估的方法主要集中在二次认证或者登录阶段的日志分析。但是园区网环境下存在IP（Internet Protocol）地址范围小,账号登录频率不高的情况,已有的方法提取的特征无法准确地刻画园区网账号的使用情况,导致检... 详细信息

现有的对账号被盗检测、风险评估的方法主要集中在二次认证或者登录阶段的日志分析。但是园区网环境下存在IP（Internet Protocol）地址范围小,账号登录频率不高的情况,已有的方法提取的特征无法准确地刻画园区网账号的使用情况,导致检测、评估效果不佳。为了解决这个问题,本文不再着眼于账号的二次认证或者登录阶段,而是通过对账号登录后访问的URL（Uniform Resource Locator）日志进行分析（从中可提取更多符合园区网账号使用的特征）,提出了园区网风险账号的评估方法,并基于这个方法设计与实现了账号风险评估系统。本文主要的工作包括两个方面。首先,提出一种园区网风险账号的评估方法。通过分析URL访问日志,本文从账号下是否出现风险设备的角度出发,根据风险设备的普遍行为和风险设备的访问喜好两个方面从访问日志中提取关键特征,并利用高斯混合聚类模型（Gaussian Mixture Model,GMM）和修正余弦相似度计算等方式,量化账号的风险程度,从而根据特征值、风险程度的不同给出账号不同的风险评估。其次,基于上述提出的方法,设计并实现了园区网账号风险评估系统,包括了数据层、特征处理层、风险评估层和应用层。该系统能够对账号的URL访问日志进行分析并给出账号的风险评估,同时可以通过手动上传日志并标记等方式反馈,不断对风险评估的模型进行更新与优化,让系统的评估结果更加准确。实验结果表明,该系统能够在误报率为1.02%的情况下识别出83.33%的风险账号,具有较高的查全率。同时能给出详细的账号的风险评估报告,有效地得知账号是否存在风险,存在什么风险,从而及时减少账号被盗用带来的损失。

关键词：园区网风险评估高斯聚类余弦相似度

来源：

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

涡扇发动机气路健康参数估计方法研究

涡扇发动机气路健康参数估计方法研究

引用

作者：俞刚南京航空航天大学

学位级别：硕士

航空发动机故障诊断技术是实现视情维修、降低维修成本、保证飞行安全的重要手段。本文以涡扇发动机非线性模型为基础，开展气路部件健康参数估计方法的研究。论文提出了改进拟合法，建立了分段线性化的发动机状态变量模型，并将健... 详细信息

航空发动机故障诊断技术是实现视情维修、降低维修成本、保证飞行安全的重要手段。本文以涡扇发动机非线性模型为基础，开展气路部件健康参数估计方法的研究。论文提出了改进拟合法，建立了分段线性化的发动机状态变量模型，并将健康参数增广到状态变量模型中，设计卡尔曼滤波器并构造机载自适应实时模型，得到了健康参数的估计值。考虑到实际发动机上可用传感器测量参数较少而气路健康参数相对较多的矛盾，提出了健康参数线性组合的方法。通过最小化卡尔曼滤波器的估计误差优化得到变换矩阵，对健康参数进行线性组合，生成一组维数较低的调整参数向量，并设计卡尔曼滤波器对其进行估计，然后通过还原变换得到健康参数的估计值，解决了可用传感器测量参数较少情况下的发动机机载自适应建模问题。由于同型号不同发动机间个体差异以及建模误差使卡尔曼估计不准确，因此在自适应模型中增加最小二乘支持向量回归机补偿模块，并采用高斯聚类方法对飞行数据进行实时聚类压缩，飞行结束后将新增聚类数据加入补偿模块的训练样本集中进行离线训练更新，提高了自适应模型在包线内的健康参数估计精度。结合基于模型和数据的故障诊断方法的各自特点，将支持向量机与卡尔曼滤波器以及神经网络相结合，提出了先分类后估计的方法。采用支持向量机对部件故障模式进行分类，卡尔曼滤波器和神经网络根据分类结果只对故障部件的健康参数进行估计，减少了需要估计的健康参数个数，提高了估计速度。

关键词：涡扇发动机健康参数卡尔曼滤波器自适应模型线性组合支持向量机高斯聚类神经网络

来源：

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

全选清除本页清除全部题录导出标记到“检索档案”

共2页 << < 1 2 > >> 跳转到页

回到顶部

执行限定条件

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：