您现在的位置: 首页> 研究主题> Bhattacharyya系数

Bhattacharyya系数

Bhattacharyya系数的相关文献在2003年到2021年内共计68篇,主要集中在自动化技术、计算机技术、无线电电子学、电信技术、机械、仪表工业 等领域,其中期刊论文65篇、会议论文3篇、专利文献22290篇;相关期刊44种,包括广西大学学报(自然科学版)、中国图象图形学报、光电工程等; 相关会议3种,包括第二十五届中国(天津)2011’IT、网络、信息技术、电子、仪器仪表创新学术会议、第29届中国控制会议、中国电子学会第十四届信息论学术年会暨2007年港澳内地信息论学术研讨会等;Bhattacharyya系数的相关文献由195位作者贡献,包括朱明、李良福、杨杰等。

Bhattacharyya系数—发文量

期刊论文>

论文:65 占比:0.29%

会议论文>

论文:3 占比:0.01%

专利文献>

论文:22290 占比:99.70%

总计:22358篇

Bhattacharyya系数—发文趋势图

Bhattacharyya系数

-研究学者

  • 朱明
  • 李良福
  • 杨杰
  • 杨静宇
  • 冯祖仁
  • 刘志
  • 常发亮
  • 彭宁嵩
  • 文志强
  • 李鹏
  • 期刊论文
  • 会议论文
  • 专利文献

搜索

排序:

年份

    • 王长有; 赵小娟; 张海强; 杨强; 李佳慧
    • 摘要: 针对经典的Mean-Shift算法很难准确跟踪环境中有相似干扰的运动目标这一问题,提出了一种改进的运动目标跟踪算法。首先将颜色信息加入到目标模板和候选模板中并建立数学模型,同时定义衡量目标模板和候选模板相似度的度量,其次将Mean-Shift算法融入到颜色空间直方图之中,得到改进的目标跟踪算法。通过从相关数据库获得不同实验视频并进行测试,实验结果说明本文算法较已有的相关算法具有更好的跟踪效果。
    • 任松; 徐雪茹; 赵云峰; 王小书
    • 摘要: 为了提高油液磨粒图像的分割效果,优化磨粒自动识别工作的重要环节,提出了一种结合分水岭算法及区域相似度合并的油液磨粒图像自适应分割方法.对于待分割图像,首先通过形态学重构和基于形态学的自适应H-minima技术对梯度图像进行修正,利用分水岭算法完成磨粒图像的一次分割;其次提取分水岭分割后同质区域的Lab颜色特征、局部二值模式(LBP)纹理特征作为区域的量化指标,基于Bhattacharyya系数分别计算区域间的颜色、纹理相似度,设计可以实现权重自适应调整的颜色、纹理特征融合规则,以此来获取同质区域的综合相似度矩阵,实现过分割区域的合并;最后基于统一的后处理算法完成磨粒图像的完整分割.选择60幅磨粒图像对所提方法的分割效果进行测试,结果表明,单幅图像的平均分割速度在12 s左右,分割正确率稳定在90%以上,所提方法避免了用户在分割过程中对图像的交互式处理,较好地平衡了分割效率和分割精度,自适应程度明显提高.
    • 杜茂康; 王忠思; 宋强
    • 摘要: 相似度度量是基于邻居的协同过滤推荐算法中的关键步骤,对推荐结果的优劣有至关重要的影响.基于Bhattacharyya系数的相似度度量方法虽然解决了依赖于共同评分的问题,但忽略了评分值绝对数量对结果的影响.同时,当项目间相同评分值数量占比小时,基于Bhattacharyya系数的相似度度量方法存在计算准确性差的缺点.为此,引入Laplace校准法和权重赋值法对该相似度度量方法进行改进.改进后的方法不仅克服了原方法的不足,而且还充分利用所有评分信息,提升计算的准确性.数据实验结果表明,提出的相似度度量方法性能优于改进前的算法及传统的度量方法.
    • 臧雪峰; 刘天琦; 孙小新; 冯国忠; 张邦佐
    • 摘要: In order to satisfy the information needs of users in the big data era,the personalized recommender system has been widely used.Collaborative filtering is a simple and effective recommendation algorithm.However,most traditional similarity methods only compute the similarity based on the users' co-rated scores.In addition,they are not very suitable in sparse data environment.This paper proposed a new similarity method based on Bhattacharyya coefficient.It uses all users' rating information for items,which can not only obtain similar interest feature of users through the user's rating behavior,but also obtain the correlation between the items that the users have rated.Meanwhile,the new method also takes into account each user's rating preference,since different users have different rating habits.Considering more relevant factor about user similarity,more appropriate neighborhood can be selected for the target users,efficiently improving the recommendations.With experiments on two real data sets,the results show that our method outperforms the other state-of-the-art similarity metrics.%在大数据时代,为了满足用户的信息需求,个性化推荐系统得到了广泛应用.协同过滤是一种简单有效的推荐算法.然而,许多传统的相似度计算方法仅仅基于用户的共同评分值,且不适用于稀疏数据环境,因此提出了一种新的基于Bhattacharyya系数的相似度方法.该方法使用了所有用户对项目的评分信息,不仅可以通过用户的评分行为获得用户的相似兴趣特征,而且可以获得用户已评分物品之间的相关性;同时由于不同的用户有不同的评分习惯,新方法也考虑了每个用户的评分偏好.通过考虑用户相似性的更多因素,可以为目标用户选择更恰当的邻域用户,以更有效地提升推荐性能.在两个真实数据集上进行的实验表明,所提方法优于其他当前最好的相似度方法.
    • 李苗祎; 谢维成; 王军; 石林玉; 杨伟
    • 摘要: There are mainly three factors that affect the tracking accuracy of the human face,namely,motility,occlusion and background interference of the target.However,existing mainstream algorithm usually concentrate on improving only one factor's tracking performance.This paper intended to improve the comprehensive performance of all the three factors by combining combination fragment model and filter particle.Particle filter algorithm worked well on non-linear mobile targets and boosted tracking performance of the algorithm by applying optimization combination re-sampling algorithm in re-sampling.Combination fragment models that were made up of horizontal & vertical fragment model and circular fragment model had these two models' advantages,conducted similarity measure with Bhattacharyya coefficient and improved tracking accuracy when human face was occluded and interfered by background.The experiments applied optimization combination re-sampling algorithm into particle filter algorithm and applied combination fragment model into target modeling tracks changing human face.Aiming at solving motility,occlusion and background interference of the target,this paper greatly improves tracking effect,increases tracking success rate and achieves desired goal by enhancing the algorithm.%针对现有跟踪主流算法对目标机动性、目标遮挡和目标背景干扰综合性能不强的现状,改进算法利用组合分片模型和粒子滤波算法的结合来提升综合性能,提高跟踪算法准确性.改进算法采用粒子滤波算法,同时通过优化组合重采样算法提高算法的跟踪性能;组合分片模型结合水平竖直分片模型和环形分片模型的优点,通过Bhattacharyya系数进行模型相似性度量,高效克服人脸跟踪中遮挡问题和背景干扰问题.实验通过改进算法和对比算法在多变化人脸视频集进行跟踪,证明改进算法提高了对人脸目标的跟踪成功率,实现了算法对目标机动性、目标遮挡和目标背景干扰三种因素综合性能的提升.
    • 张磊; 彭力
    • 摘要: 针对传统的CAMShift目标跟踪算法,在出现颜色干扰,遮挡等复杂背景中容易跟丢的问题,提出了一种结合SURF特征匹配与Kalman滤波的CAMShift跟踪算法。该算法利用CAMShift算法跟踪得到的候选目标与模板目标的色度和梯度方向的综合直方图比较计算得到的Bhattacharyya系数作为判定依据,当系数大于给定阈值时,采用SURF算法对搜索窗口和上一帧跟踪结果进行特征匹配,重新计算目标的大小和位置。同时为了避免目标快速运动时跟踪失败和减少SURF匹配的计算量,利用Kalman滤波对运动目标窗口进行预测更新以确定下一帧搜索窗口的中心位置。实验表明,该算法在图像背景复杂,出现颜色干扰以及部分遮挡时能够稳定跟踪,其跟踪速度与结合SURF的CAMShift算法相比有显著提高。
    • 林晶; 黄添强; 赖玥聪; 卢贺楠
    • 摘要: 目前大多数时域视频帧复制粘贴篡改检测算法都是针对至少20帧以上的视频子序列的复制粘贴篡改,而对单帧复制粘贴篡改无法判断.而根据人眼视觉感知的特性,修改视频内容需要至少15帧以上的帧操作,因此篡改帧想通过单帧复制粘贴篡改来达到想要的效果,必须进行连续多次粘贴操作.为了检测这种篡改方式,针对性地提出了一种基于量化离散余弦变换(DCT)系数的视频单帧连续多次复制-粘贴篡改检测算法.首先,将视频转换为图像,采用量化后的DCT系数作为视频帧图像特征向量,并通过计算巴氏(Bhattacharyya)系数来衡量两相邻帧帧间相似度;再设定阈值来判断两相邻帧帧间相似度是否有异常,最后根据出现相似度异常的帧是否连续,以及连续出现的帧数来判断视频是否经过篡改,并定位篡改位置.实验结果表明,所提算法对不同场景的视频都能检测,不仅检测速度快,而且不受再压缩因素影响,算法的正确率高、漏检率低.
    • 陈德凯; 原玲; 郝禄国; 张文忠
    • 摘要: 采用帧间差分法提取目标的运动特征,结合边缘特征对光照变化、颜色不敏感和颜色特征对旋转、形状姿态不敏感的优点,提出了一种新的运动-颜色和运动-边缘特征联合的外观模型对目标进行均值漂移跟踪.分别计算颜色直方图和边缘直方图的Bhattacharyya系数,利用加权求和的思想计算下一帧各个特征的权值,将各个特征自适应融合,提高了跟踪算法的鲁棒性.针对目标被严重遮挡或全部遮挡而导致跟踪丢失的问题,提出利用Kalman预测器预测目标的轨迹改进均值漂移算法.实验结果表明,在光照变化、相邻相似背景颜色、变形、遮挡等复杂背景下,该算法仍能很好地跟踪目标.
    • 邸男; 朱明; 韩广良
    • 摘要: 复杂背景条件下低对比度目标的跟踪和测量方法,是视觉领域的一个重要课题.低对比度,低信噪比,目标旋转、缩放、被遮挡等非理想状态给跟踪算法的研究带来很大困难,算法既要适应目标和背景的复杂变化,又要保证运算量小,满足工程实时性要求.提出一种基于似然相似度函数的低对比度目标跟踪方法.在建立模型阶段,利用棱锥面方程的单峰特性突出模型中的目标灰度信息,使目标与背景灰度信息的可区分性更高;在模型匹配阶段,从统计学中的极大似然估计方法得到启发,构造一种新的似然相似度函数,与传统的相似度量相比,度量值的可区分性更高,大大提高了匹配区域的无重复模式;最后,将目标跟踪过程转化为对目标跟踪位置的极大似然估计过程.目前,该算法已经成功嵌入TMS320C6416硬件平台.大量实验结果表明,该算法所能探测的目标对比度LSCR最低限度约为3.作为实例,给出复杂背景下低对比度LSCR=4.9时空中飞机的实验结果.
  • 查看更多

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号