多特征融合
多特征融合的相关文献在1996年到2023年内共计3825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、测绘学
等领域,其中期刊论文688篇、会议论文31篇、专利文献107982篇;相关期刊326种,包括中国图象图形学报、电视技术、电子设计工程等;
相关会议30种,包括2016中国计算机辅助设计与图形学会大会、2015全国博士生学术论坛(测绘科学与技术)、2015中国计算机网络安全年会等;多特征融合的相关文献由10699位作者贡献,包括焦李成、侯彪、刘芳等。
多特征融合—发文量
专利文献>
论文:107982篇
占比:99.34%
总计:108701篇
多特征融合
-研究学者
- 焦李成
- 侯彪
- 刘芳
- 姜竹青
- 王磊
- 王鑫
- 何小海
- 张强
- 马文萍
- 卿粼波
- 廖开阳
- 张伟
- 曹九稳
- 杨静
- 王军
- 门爱东
- 李鹏
- 黎明
- 刘颖
- 刘鹏
- 吴昊
- 张静
- 徐晓刚
- 杨淑媛
- 王勇
- 王强
- 王斌
- 马晶晶
- 刘勇
- 刘洋
- 吴健
- 吴晓红
- 宦若虹
- 张勇
- 张毅
- 李伟
- 李士进
- 李建强
- 李晓飞
- 李波
- 李玉军
- 李瑞
- 李锐
- 李雪
- 杨健
- 杨柳
- 滕奇志
- 王儒敬
- 王刚
- 王涛
-
-
李鹏祖;
李瑶;
Ibegbu Nnamdi JULIAN;
孙超;
郭浩;
陈俊杰
-
-
摘要:
脑功能超网络的研究对脑疾病的准确诊断具有重要作用,目前已经有多种超网络的构建方法被应用于脑疾病的分类研究,但这些方法均未考虑到组间的重叠性问题。研究证明,组间的重叠性可能会对相关超网络模型的构建及构建后的分类应用产生影响,因此若仅使用非重叠组结构会限制其在超网络中的适用性。针对已应用于脑疾病分类研究的超网络构建方法在构建超网络模型时未考虑到分组之间的部分重叠性问题以及特征提取阶段的属性单一性问题,提出将多特征融合分析的重叠组套索方法应用于超网络的构建,并将其应用于抑郁症的诊断。结果表明,无论是在纯聚类系数属性下还是在多特征融合分析下,重叠组套索方法的分类性能较其他已有方法均有提高;在重叠组套索方法下,采用多特征融合分析较仅使用聚类系数属性分析获得了更高的分类准确率,达到了87.87%。
-
-
胡峰松;
程哲坤;
徐青云;
彭清舟;
全夏杰
-
-
摘要:
针对交通安全中疲劳驾驶状态识别问题,使用单一的疲劳驾驶特征的方法识别率较低,本文提出一种基于面部多特征加权和的疲劳识别方法.通过人眼状态检测算法提取眼部疲劳参数,即持续闭眼时间、闭眼帧数比、眨眼频率,通过打哈欠状态检测得到打哈欠次数和打哈欠持续时间,通过头部运动状态分析得到点头频率,建立融合以上六个特征的驾驶疲劳状态检测模型来评估驾驶员的疲劳等级并进行相应的预警.实验测试数据选自NTHU驾驶员疲劳检测视频数据集的部分数据.经实验调整后,发现该方法的识别准确率较高,识别效果好.
-
-
韦强申;
宋勇;
李红霞;
王希栋;
叶晓舟;
欧阳晔
-
-
摘要:
5G网络发生故障可能影响全网稳定性和服务质量,其故障发现与修复是5G网络运维管理的关键之一。基于历史故障发生前的网元关键绩效指标(Key Performance Indicator,KPI)变化以及设备告警信息、指标统计特征、自动异常检测、指标关联特征、告警编码特征等,提出了5G核心网网元多维特征融合故障预警方法,构建了多维特征空间训练故障预警模型。最后,针对现网运行数据,选取了6类网元并进行了实验验证,实验结果表明,该模型对各种类型网元的预警效果有不同程度提升,平均F1值提升了18%。
-
-
姜雅男;
于永进;
李长云
-
-
摘要:
为克服传统逼近理想解排序(TOPSIS)法中权重矩阵赋值及获得正、负理想值时人为因素引起的随机性,该文利用主成分分析(PCA)法对多特征量进行融合,依据主成分确定综合评价指标,联合实验数据得到正负理想值,从而建立改进TOPSIS模型,并结合振动与温度联合作用下换流变压器用绝缘纸的老化状态评估算例验证了改进TOPSIS模型的有效性。首先结合绝缘纸加速机-热老化实验及试样的机械、电气性能指标和对应裂解产物的糠醛含量,由改进TOPSIS模型对聚合度、抗拉强度、糠醛含量和特征频率下介质损耗因数等表征绝缘纸老化的多特征量进行融合;然后获得综合评价指标与绝缘纸抗拉强度间的量化关系,并依此将绝缘性能优良和严重劣化时对应的抗拉强度分别作为正、负理想值;进一步结合绝缘纸抗拉强度损失率给出贴近度序区间的设置原则,实现了绝缘纸老化状态的量化评估。研究表明,改进TOPSIS法既纳入了可表征绝缘纸老化状态的多个特征量,亦克服了传统TOPSIS法的不足,可用于准确评估机-热协同老化时绝缘纸的老化状态。
-
-
姜旭;
赵荣彩;
刘勇杰;
宋雯琦
-
-
摘要:
针对目前常见的U-Net网络结构以及现有的图像去噪算法在去除图像噪声时,处理后得到的图像较为模糊且图像的边缘纹理过于光滑缺乏真实性的问题,提出了一种改进的U-Net网络结构去噪算法。它由去噪模块以及边缘信息提取模块组成,首先,利用U-Net++中的跳跃连接应用到原始的U型去噪子网中,密集连接的U型去噪网络可以减少编码器与解码器特征映射之间的语义差距,还原出更清晰的图像。其次,基于VGG-16网络结构的边缘信息提取模块对去噪网络处理后的图像进行特征提取,同时反向优化U型去噪模块,还原出更真实的图像。实验表明,在常见的Set5、Set12、Kodak24和CBSD68数据集测试所提出的算法,在图像的客观评价指标上均优于目前具有代表性的去噪算法,同时图像的边缘细节和纹理特征更清晰真实,视觉效果上更好。
-
-
瞿中;
陈雯
-
-
摘要:
混凝土路面的裂缝检测是确保道路安全的重要基础任务。针对混凝土路面的复杂背景和裂缝本身复杂的拓扑结构,提出了一种基于空洞卷积和多特征融合的混凝土路面裂缝检测网络,该网络采用基于U-Net的编码-解码结构。在编码阶段,使用改进的残差网络Res2Net提高特征提取能力;在网络的中间部分,使用串联和并联相结合的不同空洞率的空洞卷积,从而在增加特征点的感受野的同时不会降低特征图的分辨率;在解码阶段,融合了从低层卷积到高层卷积的多尺度和多级特征,提高了裂缝检测的准确性。为证明所提算法的有效性和准确性,将其与现有的部分检测方法进行了比较并使用F-score来评估检测性能。在多个混凝土路面数据集上的实验结果表明,该算法提高了裂缝检测的准确性,具有较好的鲁棒性。
-
-
周玮;
门耀华;
辛立刚
-
-
摘要:
目的针对传统喷码检测方法计算量大、字符区域定位不显著、识别准确率较低等不足,提出一种基于机器视觉的柔性包装袋喷码缺陷检测方法。方法以柔性包装袋上喷码图像为研究对象,以滤波抑噪、阈值处理等技术对图像进行预处理,运用YOLO-V3网络模型对字符区域进行定位,并采用阈值和非极大值抑制算法提高喷码区域定位的显著性,通过改进AlexNet网络结构、运用多特征融合运算等方法,获取更为丰富的图像卷积特征,实现字符串的整体识别,从而提高喷码缺陷识别的准确率。结果将YOLO-V3联合改进AlexNet的检测方法与传统喷码检测方法进行对比,结果表明,所设计喷码缺陷检测方法的分类准确率达到99.39%。结论基于机器视觉的柔性包装袋喷码缺陷检测方法在模型计算量、字符区域定位显著性和字符识别准确率都有一定的优势,并有效解决了字符串整体识别的问题。
-
-
黄鹤;
吴琨;
李昕芮;
王珺;
王会峰;
茹锋
-
-
摘要:
针对现有飞蛾扑火优化算法精度低、全局搜索能力差的问题,提出一种自适应插值飞蛾扑火优化算法,并将其嵌入多特征粒子滤波中优化,构建自适应插值飞蛾扑火优化的多特征粒子滤波车辆跟踪算法.首先,在飞蛾的位置更新机制中加入自适应权值,改善所提算法的全局搜索能力.其次,采用改进的插值飞蛾扑火优化算法对采样过程进行优化,结合多特征自适应融合优化粒子滤波车辆跟踪算法,根据最新观测信息不断调整粒子分布,使低权值层粒子向权值较高的区域移动,增强粒子质量,避免样本退化.实验结果表明,本文算法能够有效降低状态预测所需的样本粒子数,提高算法的跟踪性能,在车辆目标发生遮挡、光照、姿态及尺度变化等干扰下仍然能够准确、稳定地跟踪目标车辆.
-
-
牛迪
-
-
摘要:
在任务型人机对话系统中,槽抽取任务是至关重要的一个环节。为了提高槽抽取模型的识别准确率,该文提出了一种利用自注意力机制融合文本的多特征维度特征的方法。该方法在常规的双向长短期记忆模型(Bi-directional long short-term memory,Bi-LSTM)和条件随机场(Conditional random field,CRF)的槽抽取模型基础框架之上,引入了自注意力机制融合多维度的特征,如意图特征、词特征、词典特征、字符特征等。通过融合这些特征,槽抽取模型的槽提取能力得到了提升。实验结果证明,该方法的槽抽取F1值能达到97.99%,比常规模型最大提升了3%。
-
-
杨临风;
牟睿;
黎新;
李炜
-
-
摘要:
机场场面目标跟踪常面临目标遮挡、背景干扰、低分辨率等因素的影响,导致跟踪准确性降低甚至丢失跟踪目标。针对以上问题,研究了基于滤波器自适应更新的机场目标跟踪算法。选取跟踪目标的颜色特征和深度特征,通过插值算子进行多特征融合,再将融合特征与之对应的滤波器进行卷积求和计算各区域置信度,置信度高的区域即为跟踪目标位置。为提高跟踪准确性,利用峰值旁瓣比与平均响应峰值能量建立了跟踪结果校验机制,并设计了1种滤波器自适应更新策略,使滤波器能够自适应调整学习速率,仅在结果可靠时更新。在西南某机场采集的视频数据集上进行测试,结果表明:算法在目标特征不明显或发生变化时具有更好的性能,在目标遮挡和背景干扰等9种因素下的跟踪性能有较大提升,整体精确度和成功率分别达到0.834和0.828,较原ECO算法分别提升了11.35%和11.29%,且均优于文中提到的其他5种经典算法。
-
-
-
-
Cui Jinkai;
崔锦恺;
Zou Beiji;
邹北骥;
Zhu Chengzhang;
朱承璋;
Xiang Yao;
向遥;
Chen Changlong;
陈昌龙;
王俊
- 《2016中国计算机辅助设计与图形学会大会》
| 2016年
-
摘要:
本文提出了一种基于多特征融合和随机森林(Random Forest,RF)的眼底图视网膜血管分割算法.以彩色眼底图像中的每个像素点为一个样本,为其构造一个包括图像不变矩特征,灰度共生矩阵特征,LoG结合高斯二阶导特征,梯度法特征,相位一致性特征以及Hessian矩阵特征在内的23维特征,选取一定数量的样本点共同构造一个特征矩阵作为输入数据,再采用随机森林算法进行分类器的训练,用生成的RF分类器对待分割图像像素点分类,判定是否为血管点,进而完成对图像血管的分割.在初步分割的基础上进行基于连通区域补足血管的后处理得到优化的血管分割结果.本文所提出的方法在DRIVE公共数据库上进行试验,平均精确度达到0.9606,平均灵敏度达到0.7447,平均特异性达到0.9838,比已有的血管分割方法性能更优。
-
-
易兵;
敬忠良;
潘汉
- 《中国宇航学会深空探测技术专业委员会第十三届学术年会》
| 2016年
-
摘要:
本文提出一种基于多特征融合的空间非合作目标近距离相对位姿测量方法.该方法在提取图像SIFT特征和点云SHOT特征的基础上融合SIFT特征和SHOT特征匹配结果,实现基于几何一致性约束的空间非合作目标识别.最后基于全局优化的假设检验方法,通过最小化全局代价函数计算出最佳相对位姿测量结果.多特征信息的融合和3D目标识别方法的引入减小了光照和遮挡等空间非结构化环境对算法的影响,拓展了非合作目标相对位姿测量方法的适用范围,提高了非合作目标相对位姿测量精度.卫星地面仿真实验验证本文方法在相对位置和相对姿态角的测量精度,证明本文方法的有效性和适用性.
-
-
-
LIN Dong;
林栋;
QIN Zhi-yuan;
秦志远
- 《2015全国博士生学术论坛(测绘科学与技术)》
| 2015年
-
摘要:
利用多特征融合以及多核支持向量机技术对高分辨率遥感影像地物要素分类问题展开研究,首先,采用直接矢量叠加的方法将DMPs、MBI、MSI、对象级GLCM、对象级PSI以及对象级SCI特征进行了有效地融合,然后,通过实验对比了单核SVM和多核SVM的分类结果.实验证明:所提取的空间特征具有相辅相成、相互补充的关系,联合全部或者部分空间特征一起使用往往可以取得比单一空间特征更好的结果;多核SVM能够取得比单核SVM更高的分类精度.
-
-
WU Xiao-yu;
吴晓雨;
ZHANG Yu;
张愉;
TAN Xiao;
谭笑;
YANG Lei;
杨磊
- 《2017首届文化科技学术会议》
| 2017年
-
摘要:
中国传统视觉文化符号凝结着中国人的智慧和力量,成为世界解读能够诠释中国的一种方式,它能代表中国、影响世界.本论文主要针对中国传统视觉文化符号做识别和分类等智能化处理,目标是探讨一种关于中国传统视觉文化符号智能识别的解决方案.先从简单的分类任务入手,利用浅层学习中多特征融合的方法来解决分类问题,再通过使用深度学习中卷积神经网络来处理这一问题.最后,提出了基于深度层级特征和SVM结合的中国传统视觉文化符号识别的方法,在此基础上,在特定的博物馆中对文化展品进行识别,并做成基于线上线下的识别APP.
-
-
Yu Chuanming;
余传明;
Gong Yutian;
龚雨田;
Zhao Xiaoli;
赵晓莉;
An Lu;
安璐
- 《首届数据分析与知识发现学术研讨会》
| 2017年
-
摘要:
目的:科研合作关系是一种重要的社会网络.为了促进科研合作,提高科研生产率,对金融领域的科研合作推荐模型进行研究. 方法:建立金融领域个人、机构和区域三个层面的科研合作网络,提出一种新的融合基于邻居节点和基于路径的网络特征的科研合作推荐模型,并从个人、机构和区域三个层面进行实证检验. 结果:通过对2000年到2014年刊载的68905篇金融领域的文章进行分析并构建科研合作网络,在个人、机构和区域三个层面上,基于特征融合的链接预测方法的AUC值分别为84.25%、87.34%和91.84%,均高于基于邻居节点的算法和基于路径的算法的AUC值. 局限:在进行训练集和测试集选取的时候只按时间进行切分,有待使用更多的切分方式对实验结果进行优化. 结论:本文有助于金融科研领域的个人、机构和区域寻求合作对象,为进行科研网络的研究以及科研合作推荐的学者提供新的研究方法和思路.
-
-