特征量的選擇和提取

特征量的選擇和提取
為了有效地分類，希望同類樣本之間的距離越小越好，而不同類樣本之間的距離則越大越好，本文所使用的特征量盡可能滿足取樣的要求。

針對(duì)SAR圖像目標(biāo)分類，選用基于類內(nèi)類間距準(zhǔn)則的特征提取算法。假設(shè)有c個(gè)類型，令Jw表示類內(nèi)總平均平方距離，即

而判斷J的大小，J大即為所求的特征量組合。

合成孔徑雷達(dá)圖像目標(biāo)分類研究

閱讀全文

特征(10016) 特征(10016)

評(píng)論

ORB_FPGA單層圖像金字塔的ORB特征提取方案分析

ORB特征是一種圖像識(shí)別、追蹤和匹配中常用的特征，大名鼎鼎的ORB-SLAM就是使用的這一特征。它提取FAST特征點(diǎn)，并通過特征點(diǎn)附近的窗口矩計(jì)算特征點(diǎn)的方向，含方向的FAST特征也被稱為oFAST

2020-09-26 11:43:23

6153

基于卷積神經(jīng)網(wǎng)絡(luò)的雙重特征提取方法

機(jī)器學(xué)習(xí)技術(shù)已被廣泛接受，并且很適合此類分類問題。基于卷積神經(jīng)網(wǎng)絡(luò)的雙重特征提取方法。提出的模型使用Radon拉冬變換進(jìn)行第一次特征提取，然后將此特征輸入卷積層進(jìn)行第二次特征提取。

2023-10-16 11:30:38

1779

HOOFR-SLAM的系統(tǒng)框架及其特征提取

Intelligent Vehicles Applications1. 介紹2. HOOFR-SLAM2.1 系統(tǒng)框架2.2 HOOFR特征提取2.3 映射線程2.3.1 特征匹配1. 介紹提出一種HOOFR-...

2021-12-21 06:35:49

MATLAB中怎么對(duì)音頻信號(hào)頻譜圖中能量密度特征用數(shù)學(xué)形態(tài)學(xué)的方法進(jìn)行特征提取？

MATLAB中對(duì)音頻信號(hào)進(jìn)行小波分解和短時(shí)傅里葉分析后怎么對(duì)信號(hào)頻譜圖中能量密度特征用數(shù)學(xué)形態(tài)學(xué)的方法進(jìn)行形態(tài)特征提取？

2020-10-12 18:21:04

matlab倆組數(shù)據(jù)相似度和提取特征

我對(duì)matlab不懂，現(xiàn)在要求倆組數(shù)據(jù)的相似度，和提取這倆組數(shù)據(jù)的特征值，求幫忙啊

2014-05-29 18:25:56

基于LabVIEW的聲發(fā)射信號(hào)特征參數(shù)提取程序

最近在分析聲發(fā)射信號(hào)，請(qǐng)教大神如何編提取聲發(fā)射信號(hào)的特征參數(shù)提取程序，萬(wàn)分感謝！

2018-11-04 10:46:40

基于局域判別基的音頻信號(hào)特征提取方法

空間能量的統(tǒng)計(jì)特征成特征矢量，并利用FISHER準(zhǔn)則函數(shù)進(jìn)行特征選擇，根據(jù)特征矢量設(shè)計(jì)支持向量機(jī)分類器，對(duì)三類音頻進(jìn)行分類識(shí)別。實(shí)驗(yàn)結(jié)果表明，該方法提取的特征矢量在音頻信號(hào)分類中是非常有效的。

2011-03-04 20:46:21

基于聯(lián)合頻率分析的特征提取及識(shí)別過程

的兩維處理方法，并用于三種數(shù)字信號(hào)的特征分析。最后詳細(xì)介紹了基于聯(lián)合頻率分析的特征提取及識(shí)別過程，給出了仿真測(cè)試結(jié)果。

2021-04-21 06:17:47

多站低頻雷達(dá)運(yùn)動(dòng)人體微多普勒特征提取與跟蹤技術(shù)【論文干貨】

雷達(dá)系統(tǒng)，研究了葉簇穿透人體微多普勒特征提取和跟蹤技術(shù)。目前對(duì)于人體微多普勒信號(hào)仿真的研究幾乎都是基于單站雷達(dá)，雙站雷達(dá)人體微多普勒大小不僅與人體運(yùn)動(dòng)方向有關(guān)，還與雙站角大小有關(guān)，雙站雷達(dá)散射截面

2021-12-20 15:49:31

如何提取模擬電路故障診斷中的特征方法？其步驟和優(yōu)缺點(diǎn)是什么？

如何提取模擬電路故障診斷中的特征方法？其步驟和優(yōu)缺點(diǎn)分別是什么？

2021-04-07 06:04:36

計(jì)算機(jī)視覺的特征提取算法研究至關(guān)重要。在一些算法中，一個(gè)高復(fù)雜度特征的提取可能能夠解決問題（進(jìn)行目標(biāo)檢測(cè)等目的），但這將以處理更多數(shù)據(jù)，需要更高的處理效果為代價(jià)。而顏色特征無需進(jìn)行大量計(jì)算。只需將數(shù)字圖像中的像素值進(jìn)行相應(yīng)轉(zhuǎn)換，表現(xiàn)為數(shù)值即可。因此顏色特征以其低復(fù)雜度成為了一個(gè)較好的特征。

2019-10-12 06:55:23

如何從特征值中提取兩個(gè)字節(jié)？

你好，我似乎不理解PSoC創(chuàng)建者的數(shù)據(jù)類型是如何工作的。在組合體的設(shè)置中，可以選擇特征值具有什么格式。當(dāng)數(shù)據(jù)類型為UIT8時(shí)，代碼中的值很容易使用，但是我不能用SITT16來處理它。當(dāng)服務(wù)器接收到寫

2019-10-15 13:24:16

怎樣去提取基于視頻流的興趣HOG特征呢

怎樣去提取基于視頻流的興趣HOG特征呢？其具體原理是什么？

2021-10-22 06:01:34

您好，我在學(xué)習(xí)labview提取脈搏、心電的特征值，請(qǐng)教教小白

您好，我在學(xué)習(xí)labview提取脈搏、心電的特征值，，請(qǐng)教教小白

2019-10-30 00:24:26

手指靜脈圖像的特征提取和識(shí)別前期研究

圖像處理，手指靜脈圖像的特征提取和識(shí)別前期研究

2012-05-11 11:51:27

手背靜脈特征提取算法

"特點(diǎn)的基礎(chǔ)上,先將手背靜脈圖像"分塊",再對(duì)分塊后的圖像進(jìn)行FRAT變換,并提出一種向量非均衡分布可得最大值的方法,提取手背靜脈圖像紋理特征,最后通過特征匹配進(jìn)行分類識(shí)別

2010-04-24 09:58:17

有大神嗎？可以分享一個(gè)LabVIEW指紋特征提取的資料嗎？

有大神嗎？可以分享一個(gè)LabVIEW指紋特征提取的資料嗎？感激不盡。

2017-04-19 07:31:13

模擬電路故障診斷中的特征提取方法

相應(yīng)的多尺度函數(shù)和多小波函數(shù)?！　⌒〔ǚ治鲈?b class="flag-6" style="color: red">特征提取中的優(yōu)勢(shì)，主要是利用小波基可以用較少非零小波系數(shù)去逼近一類實(shí)際函數(shù)的能力，選擇小波基應(yīng)該是以最大量的產(chǎn)生接近于零的小波系數(shù)為優(yōu)。小波基的這種能力

2016-12-09 18:15:39

語(yǔ)音特征參數(shù)提取的仿真研究

2012-08-20 12:38:27

請(qǐng)教信號(hào)RMS 能量特征參數(shù)提取

在做原油加熱爐爐管聲發(fā)射檢測(cè)，請(qǐng)教各位前輩信號(hào)RMS能量特征參數(shù)提取，labview有這些自帶函數(shù)嗎？

2012-08-04 21:21:52

高分辨率合成孔徑雷達(dá)圖像的直線特征多尺度提取方法

共線點(diǎn)之間的連續(xù)性和完整性,并在不同的尺度圖像中根據(jù)邊緣特征的特點(diǎn)選擇不同處理方法,來實(shí)現(xiàn)低分辨率條件下完整直線特征的粗略提取和高分辨率的精確定位。最后用高分辨率SAR圖像跑道檢測(cè)實(shí)驗(yàn)進(jìn)行了驗(yàn)證,并將

2010-05-06 09:04:04

基于改進(jìn)PSO的規(guī)則提取方法

為解決飛行動(dòng)作識(shí)別規(guī)則的自動(dòng)提取問題，提出一種基于改進(jìn)粒子群優(yōu)化算法的飛行動(dòng)作規(guī)則提取方法。在對(duì)關(guān)鍵飛行參數(shù)特征量進(jìn)行符號(hào)化的基礎(chǔ)上，利用基于改進(jìn)的動(dòng)態(tài)慣性權(quán)

2009-04-14 08:32:53

基于改進(jìn)ReliefF算法的主成分特征提取方法

計(jì)算信息特征(屬性)的權(quán)重問題在信息分類及模式匹配中是一個(gè)研究熱點(diǎn)。該文提出一種基于改進(jìn)ReliefF算法的主成分特征提取方法，利用此算法刪除原始特征中與分類不相關(guān)的特征

2009-04-15 10:06:26

基于已知特征項(xiàng)和環(huán)境相關(guān)量的特征提取算法

在現(xiàn)有基于已知特征項(xiàng)特征提取算法的基礎(chǔ)上，提出一種基于已知特征項(xiàng)和環(huán)境相關(guān)量的特征提取算法。該算法通過已知特征項(xiàng)搜索頻繁項(xiàng)集，提高了特征提取速度。環(huán)境相關(guān)量的

2009-04-18 09:37:01

基于DDCT與TCSVD的人臉特征提取與識(shí)別算法

提出一種基于分塊離散余弦變換(DCT)與奇異值分解閾值壓縮(TCSVD)的人臉特征提取與識(shí)別算法。該算法對(duì)人臉圖像進(jìn)行分塊DCT變換，根據(jù)圖像塊位置和能量分布選擇不同的DCT高低頻分

2009-04-23 09:57:54

基于DCT和KDA的人臉特征提取新方法

提出了一種新的人臉特征提取方法，該方法采用DCT對(duì)人臉圖像進(jìn)行降維和去噪，并通過KDA提取人臉特征?；谠?b class="flag-6" style="color: red">特征，采用NN分類器，對(duì)ORL人臉庫(kù)進(jìn)行分類識(shí)別，僅用28個(gè)特征平均

2009-05-25 22:04:10

基于Fisher的Gabor特征提取方法

提出在Gabor 濾波理論的基礎(chǔ)上，結(jié)合Fisher 線性判別方法，對(duì)手寫數(shù)字圖像的所有特征點(diǎn)尋找局部最優(yōu)濾波頻率和濾波方向，從而提取最優(yōu)Gabor 特征的方法。對(duì)MNIST 手寫體數(shù)據(jù)庫(kù)的

2009-06-06 14:15:09

基于混合高斯模型定位的火災(zāi)煙霧紋理特征提取

視覺(圖像型)火災(zāi)探測(cè)需要提取較高質(zhì)量的目標(biāo)紋理特征用于火災(zāi)識(shí)別。本文利用混合高斯模型對(duì)煙霧目標(biāo)進(jìn)行前景提取，并且屏蔽掉非運(yùn)動(dòng)的背景圖像，然后根據(jù)結(jié)果圖像的灰度分

2009-08-07 09:47:44

蠕蟲病毒特征碼自動(dòng)提取原理與設(shè)計(jì)

目前網(wǎng)絡(luò)入侵檢測(cè)系統(tǒng)（NIDS）主要利用特征碼檢測(cè)法來監(jiān)測(cè)與阻止網(wǎng)絡(luò)蠕蟲，而蠕蟲特征碼提取仍是效率低的人工過程。為解決這個(gè)問題提出了基于陷阱網(wǎng)絡(luò)的蠕蟲特征碼自動(dòng)提取

2009-08-12 08:51:46

基于ICA技術(shù)的管道泄漏特征信號(hào)提取方法

為了解決強(qiáng)背景噪聲下采集到的管道壓力參數(shù)信號(hào)中泄漏特征信號(hào)難以準(zhǔn)確提取的難題，本文提出利用獨(dú)立分量分析技術(shù)（ICA）對(duì)負(fù)壓波信號(hào)進(jìn)行處理，提取泄漏信息特征信號(hào)，

2009-09-01 11:17:42

基于KPCA入侵檢測(cè)特征提取技術(shù)研究

詳細(xì)介紹了基于KPCA入侵檢測(cè)系統(tǒng)特征提取的工作原理，并在MATLAB環(huán)境下利用KDDCUP99數(shù)據(jù)集進(jìn)行了基于KPCA特征提取的仿真實(shí)驗(yàn)，結(jié)果表明KPCA能對(duì)樣本能進(jìn)行很好的降維，并可保持

2009-09-23 11:36:48

SISAR功率譜特征提取方法

SISAR功率譜特征提取方法:文主要研究了對(duì)SISAR全息信號(hào)功率譜歸一化處理獲得識(shí)別特征的方法。通過分析側(cè)影成像全息信號(hào)和目標(biāo)側(cè)影雷達(dá)截面積的關(guān)系，導(dǎo)出由計(jì)算雷達(dá)截面積的方

2009-10-23 10:26:21

基于FRFT的域-包絡(luò)曲線的雷達(dá)信號(hào)特征提取及自動(dòng)分類

提取和補(bǔ)充新的特征參數(shù)是解決復(fù)雜體制雷達(dá)輻射源信號(hào)分選和雷達(dá)目標(biāo)識(shí)別難題的有效手段，為此該文提出一種基于FRFT的α 域-包絡(luò)曲線特征向量的提取方法。該方法通過FRFT搜索

2009-11-10 16:18:59

基于噪聲環(huán)境下的MFCC特征提取

在語(yǔ)音識(shí)別系統(tǒng)中，如何在含有噪聲的語(yǔ)音信號(hào)中提取其良好的特征參數(shù)是系統(tǒng)的關(guān)鍵問題之一。本文通過采用自適應(yīng)濾波來濾除語(yǔ)音信號(hào)中的高斯白噪聲，然后提取出能夠反映人

2009-12-12 13:46:11

模式識(shí)別中的特征提取研究

特征提取是模式識(shí)別中的關(guān)鍵技術(shù)之一，本文提出了一種基于改進(jìn)ReliefF 算法的主成分特征提取方法，通過該方法進(jìn)行主特征特征提取可以有效降維，大大減輕了后續(xù)的分類器的

2009-12-12 13:47:45

特征提取與模板匹配結(jié)合的圖像拼接方法

本文提出一種特征點(diǎn)與模板匹配相結(jié)合的圖像拼接方法,先對(duì)相鄰兩幅圖像利用Harris算子提取特征點(diǎn),然后根據(jù)特征點(diǎn)的位置確定模板的大小和位置,大大減小了圖像拼接的計(jì)算量,

2010-02-21 14:38:14

基于有效性評(píng)價(jià)機(jī)制的小波包特征提取技術(shù)

本文介紹了如何應(yīng)用提升小波包變換對(duì)信號(hào)進(jìn)行特征提取,并在此基礎(chǔ)上提出了四條定量的評(píng)價(jià)標(biāo)準(zhǔn),能夠全面地對(duì)此類特征提取方法的有效性進(jìn)行評(píng)價(jià)。通過這四個(gè)標(biāo)準(zhǔn),就能更科

2010-02-22 15:34:33

基于小波分析的車輛噪聲特征提取方法

特征提取是聲目標(biāo)識(shí)別的關(guān)鍵。由于車輛噪聲信號(hào)的非平穩(wěn)特性，傳統(tǒng)特征提取方法有很大局限性。介紹小波分析方法在車輛噪聲信號(hào)特征提取中的應(yīng)用，仿真結(jié)果證

2010-12-31 17:16:28

故障特征提取的方法研究

摘要：針對(duì)常規(guī)特征提取方法存在著問題不足，提出了基于BP神經(jīng)網(wǎng)絡(luò)和基于互信息熵的特征提取方法，并通過特征提取實(shí)例加以說明。結(jié)果表明這兩種方法是可行和有效的。

2006-03-11 13:14:21

1858

特征選擇算法綜述

自20世紀(jì)90年代以來，特征選擇成為模式識(shí)別和機(jī)器學(xué)習(xí)領(lǐng)域的重要研究方向，研究成果十分顯著，但是也存在許多問題需要進(jìn)一步研究。本文首先將特征選擇視為特征集合空間中的啟發(fā)

2011-05-05 17:01:10

基于EMD法的語(yǔ)音信號(hào)特征提取

特征提取是目標(biāo)識(shí)別的關(guān)鍵，如何從有限的測(cè)量數(shù)據(jù)中獲取有效、可靠的特征參數(shù)，是特征提取中重點(diǎn)考慮的問題。本文采用EMD方法對(duì)語(yǔ)音信號(hào)進(jìn)行頻率特征提取，可以較好地降低語(yǔ)音

2011-10-10 15:11:42

紋理特征提取方法

文中主要介紹了基于分形維數(shù)提取法、小波提取法、Gabor濾波器提取法、灰度共生矩陣提取法等紋理特征提取的原理和步驟等,并對(duì)各個(gè)方法的優(yōu)、缺點(diǎn)進(jìn)行了歸納總結(jié)。

2012-02-22 11:11:26

基于Gabor變換的中文字符特征提取方法研究

針對(duì)傳統(tǒng)漢字字符特征提取方法的不足，提出了一種基于Gabor變換，對(duì)圖像紋理特征的方向性敏感的字符特征提取方法。先將灰度字體圖像進(jìn)行二值化、歸一化處理，再利用Gabor濾波器進(jìn)

2012-08-29 17:10:02

基于Gabor的特征提取算法在人臉識(shí)別中的應(yīng)用

針對(duì)人臉識(shí)別中的特征提取問題，提出一種新的基于Gabor的特征提取算法，利用Gabor小波變換良好的提取區(qū)分能力和LDA所具有的判別性優(yōu)勢(shì)來進(jìn)行特征提取。首先利用Gabor小波變換來提取人臉特征

2013-01-22 14:25:26

智能機(jī)器人系統(tǒng)中局部環(huán)境特征的提取

智能機(jī)器人系統(tǒng)中局部環(huán)境特征的提取！資料來源網(wǎng)絡(luò)，如有侵權(quán)，敬請(qǐng)?jiān)彛?/div>

2015-12-25 09:52:28

模擬電路故障診斷中的特征提取方法

故障特征提取是模擬電路故障診斷的關(guān)鍵，而模擬電路由于故障模型復(fù)雜、元件參數(shù)的容差、非線性、噪聲以及大規(guī)模集成化等現(xiàn)象使電路故障信息表現(xiàn)為多特征、高噪聲、非線性的數(shù)據(jù)集，且受到特征信號(hào)觀測(cè)手段、征兆

2016-11-28 17:24:26

5266

脈沖多普勒雷達(dá)特征提取技術(shù)分析

脈沖多普勒雷達(dá)特征提取技術(shù)分析，下來看看，

2016-12-24 23:19:10

人臉特征的定位和提取

2017-02-08 00:38:03

基于線性預(yù)測(cè)原理的艙音特征提取與重構(gòu)程道來

基于線性預(yù)測(cè)原理的艙音特征提取與重構(gòu)_程道來

2017-03-15 08:00:00

時(shí)頻分析的工頻通信信號(hào)特征提取

時(shí)頻分析的工頻通信信號(hào)特征提取

2017-08-31 10:00:28

基于MVDR的語(yǔ)言情感特征提取

語(yǔ)音情感特征的提取和選擇是語(yǔ)音情感識(shí)別的關(guān)鍵問題，針對(duì)線性預(yù)測(cè)（LP）模型在語(yǔ)音情感譜包絡(luò)方面存在的不足。本論文提出了最小方差無失真響應(yīng)（MVDR）譜方法來進(jìn)行語(yǔ)音情感特征的提取；并通過

2017-11-07 14:51:02

顏色特征提取方法

2017-11-16 14:12:12

4558

激光網(wǎng)格標(biāo)記圖像特征提取

在三維立體視覺中，工件表面的特征提取是三維重構(gòu)的前提和關(guān)鍵。但是，工件表面的自然特征往往表現(xiàn)得不夠明顯，使得特征的提取非常困難。因此，經(jīng)常使用激光網(wǎng)格投影到待檢測(cè)的工件表面，使工件表面具備確定的可

2017-11-17 17:26:00

Curvelet變換用于人臉特征提取與識(shí)別

人臉檢測(cè)是一個(gè)非常復(fù)雜的模式，人臉面部特征提取及識(shí)別成為當(dāng)前計(jì)算機(jī)圖像處理相關(guān)學(xué)科的一個(gè)極具挑戰(zhàn)的課題。而基于Carvelet變換的人臉特征提取及識(shí)別的意義在于Curvelet繼承了小波分析優(yōu)良

2017-11-30 15:09:36

5183

一種去冗余的SIFT特征提取方法

的SIFT特征提取算法。首先提取出SIFT特征點(diǎn)，然后根據(jù)特征點(diǎn)周邊梯度情況，判斷特征點(diǎn)是否落于目標(biāo)區(qū)域，進(jìn)而保留目標(biāo)區(qū)域特征點(diǎn)，刪除背景區(qū)域特征點(diǎn)，減少特征點(diǎn)數(shù)量的同時(shí)也實(shí)現(xiàn)了去冗余。提取所得的特征點(diǎn)質(zhì)量好壞由落入目標(biāo)區(qū)域的點(diǎn)數(shù)和

2017-12-01 15:08:38

小波提取圖像特征方法研究

的細(xì)節(jié)分量有高度的局部相關(guān)性，這為特征提取提供了有力的條件。利用小波變換進(jìn)行紋理特征提取 ，在紋理分析、圖像壓縮、工業(yè)品表面缺陷檢測(cè)中得到大量的應(yīng)用。

2017-12-01 14:47:52

12395

與文本無關(guān)的單訓(xùn)練樣本特征點(diǎn)提取研究

訓(xùn)練樣本的特征提取方法。該方法提取的語(yǔ)音特征能夠充分反映說話人的基本發(fā)聲特性，可以很好的將不同的說話者區(qū)分開。本文列出了以上四種特征提取方法在但語(yǔ)音訓(xùn)練樣本上對(duì)于不同說話者的識(shí)別效果，也將其與本文的方法進(jìn)行了比較。對(duì)英文

2017-12-06 14:32:29

特征選擇穩(wěn)定性研究綜述

隨著大數(shù)據(jù)的發(fā)展和機(jī)器學(xué)習(xí)的廣泛應(yīng)用，各行業(yè)的數(shù)據(jù)量呈現(xiàn)大規(guī)模的增長(zhǎng)，高維性是這些數(shù)據(jù)的重要特點(diǎn)。采用特征選擇對(duì)高維數(shù)據(jù)進(jìn)行降維是一種預(yù)處理方法．特征選擇穩(wěn)定性是其中重要的研究?jī)?nèi)容。它是指特征選擇

2017-12-14 16:44:43

基于生物視皮層機(jī)制的視頻運(yùn)動(dòng)特征提取方法

針對(duì)復(fù)雜場(chǎng)景中視頻序列目標(biāo)運(yùn)動(dòng)特征提取困難的問題，借鑒生物視覺系統(tǒng)對(duì)視頻動(dòng)態(tài)目標(biāo)的運(yùn)動(dòng)感知機(jī)制，改進(jìn)初級(jí)視皮層（VI）細(xì)胞模型，提出一種基于生物視皮層機(jī)制的視頻運(yùn)動(dòng)特征提取方法。采用時(shí)空濾波器與半

2017-12-18 10:32:30

一種新的語(yǔ)音信號(hào)特征提取方法

針對(duì)說話人識(shí)別系統(tǒng)中存在的有效語(yǔ)音特征提取以及噪聲影V向的問題，提出了一種新的語(yǔ)音特征提取方法基于S變換的美爾倒譜系數(shù)（ SMFCC）。該方法是在傳統(tǒng)美爾倒譜系數(shù)（MFCC）的基礎(chǔ)上利用S變換的二維

2017-12-18 11:29:04

非剛性三維模型檢索特征提取技術(shù)研究

三維模型特征描述符是一種簡(jiǎn)潔且信息量豐富的表示方式．特征提取是許多三維模型分析處理任務(wù)的關(guān)鍵步驟．近年來。針對(duì)非剛性三維模型特征提取技術(shù)的研究引起了人們的廣泛關(guān)注．本文首先匯總了常用的非剛性三維模型

2017-12-19 11:35:38

卷積神經(jīng)網(wǎng)絡(luò)特征重要性分析及增強(qiáng)特征選擇模型

，如果數(shù)據(jù)量達(dá)不到足夠的規(guī)模，則會(huì)導(dǎo)致學(xué)習(xí)不充分，因而可能無法達(dá)到最優(yōu)的特征選擇．而神經(jīng)網(wǎng)絡(luò)的黑箱特性使得無法觀測(cè)神經(jīng)網(wǎng)絡(luò)選擇了哪些特征，也無法評(píng)估其特征選擇的能力．為此，以卷積神經(jīng)網(wǎng)絡(luò)為例，首先研究如何

2017-12-25 15:21:35

無監(jiān)督行為特征提取算法

針對(duì)現(xiàn)有行為特征提取方法識(shí)別率低的問題，提出了一種融合稠密光流軌跡和稀疏編碼框架的無監(jiān)督行為特征提取方法（ DOF-SC）。首先，在稠密光流（DOF）軌跡提取的基礎(chǔ)上，對(duì)以軌跡為中心的原始圖像塊進(jìn)行

2017-12-26 18:48:52

基于SF-LBP的行人紋理特征提取算法

針對(duì)基于紋理信息的行人特征提取算法中存在特征信息冗余度大，無法刻畫人眼視覺敏感性的不足，提出一種融合人類視覺感知特性的基于顯著性局部二值模式（ SF-LBP）的行人紋理特征提取算法。該算法首先

2017-12-29 15:06:58

基于小波脊線的特征提取算法

捕獲問題，并對(duì)其特征參數(shù)提取算法進(jìn)行了研究。針對(duì)跳頻信號(hào)的特征提取，研究了一種基于小波脊線的特征提取算法，通過matlab仿真實(shí)驗(yàn)對(duì)方法的性能進(jìn)行了驗(yàn)證，實(shí)驗(yàn)表明基于小波脊線的特征提取算法有很大的性能優(yōu)勢(shì)，進(jìn)一步提

2018-01-04 14:04:49

基于HTM架構(gòu)的時(shí)空特征提取方法

針對(duì)人體動(dòng)作識(shí)別中時(shí)空特征提取問題，提出一種基于層次時(shí)間記憶（ HTM）架構(gòu)的深度學(xué)習(xí)模型，用來提取圖像幀的時(shí)空特征。將圖像幀構(gòu)建成樹型節(jié)點(diǎn)層次結(jié)構(gòu)，在每一層中，通過歐氏距離分組來提取圖像樣本的空間

2018-01-17 17:27:25

觸電信號(hào)暫態(tài)特征提取及故障識(shí)別

方法首先針對(duì)3種生物體觸電總泄漏電流故障信號(hào)提取出表征圖譜特征的29個(gè)時(shí)域和頻域統(tǒng)計(jì)特征參數(shù)，然后采用主成分分析法對(duì)特征空間進(jìn)行降維處理得到5個(gè)新的特征量，將降維后的特征量輸入到支持向量機(jī)中進(jìn)行分析，利用粒子群算

2018-01-23 17:12:59

散亂點(diǎn)云數(shù)據(jù)特征信息提取算法

的特征提取不僅可以更好地刻畫三維模型特征，并且其在模型重建、點(diǎn)云分割、對(duì)稱性檢測(cè)以及點(diǎn)云配準(zhǔn)等。方面起到一定的作用。特征提取主要包括對(duì)點(diǎn)、線及面的提取，目前主要有2種方法：1）從三維網(wǎng)格化后的點(diǎn)云數(shù)據(jù)中提取特征；

2018-01-30 16:35:07

液壓泵振動(dòng)信號(hào)特征提取方法

針對(duì)液壓泵故障特征提取問題，提出了一種基于奇異值分解和小波包變換的液壓泵振動(dòng)信號(hào)特征提取方法。通過奇異值分解將噪聲非均勻分布的液壓泵振動(dòng)信號(hào)正交分解為噪聲分布相對(duì)均勻的分量，對(duì)各分量進(jìn)行小波包閾值去

2018-03-05 14:07:53

如何提高愛好特征提取的效率詳細(xì)算法說明

針對(duì)電影評(píng)分中特征提取效率較低的問題，提出了與QR分解相結(jié)合的Nystrom方法。首先，利用自適應(yīng)方法進(jìn)行采樣，然后對(duì)內(nèi)部矩陣進(jìn)行QR分解，將分解后的矩陣與內(nèi)部矩陣進(jìn)行重新組合并進(jìn)行特征分解

2019-01-04 09:36:19

心電信號(hào)的特征提取分析與處理

生物醫(yī)學(xué)儀器包括了診斷儀器和治療儀器兩大類。在診斷儀器中要尋找對(duì)診斷有意義的具有某種特征的信號(hào)或信號(hào)的某種特征量。在治療儀器中同樣需要確定特征信號(hào)的存在或信號(hào)特征量的大小去控制治療部分的工作

2019-01-07 08:00:00

圖像邊緣檢測(cè)和特征提取實(shí)驗(yàn)報(bào)告的詳細(xì)資料說明

本文檔的主要內(nèi)容詳細(xì)介紹的是圖像邊緣檢測(cè)和特征提取實(shí)驗(yàn)報(bào)告的詳細(xì)資料說明目的包括了：1.了解圖像邊緣檢測(cè)的原理。自己實(shí)現(xiàn)邊緣檢測(cè)算法，對(duì)特定的幾幅圖像進(jìn)行邊緣檢測(cè)，并達(dá)到較好的效果。2.了解特征提取的原理，并對(duì)圖像中存在的一些特征進(jìn)行特征提取。

2019-04-19 08:00:00

模擬電路診斷中故障特征的提取方法

模擬電路故障診斷本質(zhì)上等價(jià)于模式識(shí)別問題，因此研究如何把電路狀態(tài)的原始特征從高維特征空間壓縮到低維特征空間，并提取有效故障特征以提高故障診斷率就成了一個(gè)重要的課題。

2020-01-26 09:31:00

3451

基于Labview的語(yǔ)音模式識(shí)別MFCC原理特征提取

本文檔的主要內(nèi)容詳細(xì)介紹的是基于Labview的語(yǔ)音模式識(shí)別MFCC原理特征提取。

2020-01-09 08:00:00

語(yǔ)音識(shí)別算法有哪些_語(yǔ)音識(shí)別特征提取方法

本文主要闡述了語(yǔ)音識(shí)別算法及語(yǔ)音識(shí)別特征提取方法。

2020-04-01 09:24:49

32350

機(jī)器學(xué)習(xí)之特征提取 VS 特征選擇

機(jī)器學(xué)習(xí)中特征選擇和特征提取區(qū)別 demi 在周四, 06/11/2020 - 16:08 提交 1. 特征提取 V.S 特征選擇 特征提取和特征選擇

2020-09-14 16:23:20

4693

淺析特征提取網(wǎng)絡(luò)與特征融合技術(shù)

導(dǎo)讀鑒于顯著性目標(biāo)和偽裝目標(biāo)研究的相似性，本文作者將顯著性目標(biāo)與偽裝目標(biāo)合在一起進(jìn)行研究，文章重點(diǎn)是特征提取網(wǎng)絡(luò)與特征融合技術(shù)，主要介紹了三種方法EGNet，PFANet和SINet。

2021-03-12 10:13:57

11395

新型著裝人體多特征提取和尺寸測(cè)量算法

傳統(tǒng)非接觸式人體尺寸測(cè)量中的關(guān)鍵特征點(diǎn)是根據(jù)人體各部位的比例關(guān)系直接提取，該方法對(duì)人體體型和著裝要求嚴(yán)格，導(dǎo)致在多數(shù)情形下獲取的關(guān)鍵特征點(diǎn)存在較大誤差。為此，提出一種基于自適應(yīng)人體結(jié)構(gòu)分割（ABSS

2021-03-16 09:41:35

基于卷積循環(huán)神經(jīng)網(wǎng)絡(luò)的自動(dòng)代碼特征提取模型

神經(jīng)網(wǎng)絡(luò)在軟件工程中的應(yīng)用極大程度上緩解了傳統(tǒng)的人工提取代碼特征的壓力。已有的研究往往將代碼簡(jiǎn)化為自然語(yǔ)言或者依賴專家的領(lǐng)域知識(shí)來提取代碼特征，簡(jiǎn)化為自然語(yǔ)言的處理方法過于簡(jiǎn)單易造成信息丟失，而引入

2021-03-30 15:15:27

一種基于信息熵與綜合函數(shù)特征提取

近年來未知的計(jì)算機(jī)漏洞欻量呈海量増長(zhǎng)狀態(tài)，對(duì)于大量的漏洞數(shù)據(jù)進(jìn)行及時(shí)準(zhǔn)確的分析和分類管理，是十分重要且有待解決的問題。因此，提出一種基于信息熵與綜合函數(shù)（S-C）特征提取，并利用關(guān)聯(lián)了特征詞集間

2021-04-13 13:51:15

卷積神經(jīng)網(wǎng)絡(luò)是怎樣實(shí)現(xiàn)不變性特征提取的？

圖像特征傳統(tǒng)的圖像特征提取（特征工程）主要是基于各種先驗(yàn)?zāi)Ｐ?，通過提取圖像關(guān)鍵點(diǎn)、生成描述子特征數(shù)據(jù)、進(jìn)行數(shù)據(jù)匹配或者機(jī)器學(xué)習(xí)方法對(duì)特征數(shù)據(jù)二分類/多分類實(shí)現(xiàn)圖像的對(duì)象檢測(cè)與識(shí)別。卷積神經(jīng)網(wǎng)絡(luò)通過

2021-04-30 09:11:57

3176

基于自編碼特征的語(yǔ)音聲學(xué)綜合特征提取

利用監(jiān)督性學(xué)習(xí)算法進(jìn)行語(yǔ)音増強(qiáng)時(shí)，特征提取是至關(guān)重要的步驟?，F(xiàn)有的組合特征和多分辨率特征等聽覺特征是常用的聲學(xué)特征，基于這些特征的増強(qiáng)語(yǔ)音雖然可懂度得到了較大提升，但是仍然殘留大量噪聲，語(yǔ)音質(zhì)量（用

2021-05-19 16:33:10

為什么卷積神經(jīng)網(wǎng)絡(luò)可以做到不變性特征提取？

2021-05-20 10:49:08

5866

基于特征提取和密度聚類的鋼軌識(shí)別算法

解決上述問題，文中提出一種基于擴(kuò)展Har特征提取和 DBSCAN密度聚類的鋼軌識(shí)別算法。首先通過仿射變換、池化、灰度均衡仳、邊緣檢測(cè)等算法對(duì)圖像進(jìn)行預(yù)處理，然后基于擴(kuò)展Haar特征提取圖像中鋼軌的特征點(diǎn)，最后利用 DBSCAN算法對(duì)特

2021-06-16 15:03:49

基于特征的基圖像提取和重構(gòu)方法

圖像作為一種典型信號(hào)，理論上可由一系列基本信號(hào)構(gòu)成。為尋找一組可重構(gòu)圖像的基本信號(hào)，提出了基于特征的基圖像提取和重構(gòu)方法，使得可由任意圖像集進(jìn)行基圖像提取并可由提取的基圖像重構(gòu)內(nèi)容無關(guān)的任意

2021-06-16 16:01:25

基于中軸變換的改進(jìn)骨架特征提取方法

基于中軸變換的改進(jìn)骨架特征提取方法

2021-06-27 15:38:19

基于并行附加特征提取網(wǎng)絡(luò)的SSD地面小目標(biāo)檢測(cè)模型

基于并行附加特征提取網(wǎng)絡(luò)的SSD地面小目標(biāo)檢測(cè)模型來源：《電子學(xué)報(bào)》，作者李寶奇等摘要: 針對(duì)SSD原始附加特征提取網(wǎng)絡(luò)(Original Additional Feature

2022-02-17 16:41:25

2075

計(jì)算機(jī)視覺中不同的特征提取方法對(duì)比

特征提取是計(jì)算機(jī)視覺中的一個(gè)重要主題。不論是SLAM、SFM、三維重建等重要應(yīng)用的底層都是建立在特征點(diǎn)跨圖像可靠地提取和匹配之上。特征提取是計(jì)算機(jī)視覺領(lǐng)域經(jīng)久不衰的研究熱點(diǎn)，總的來說，快速、準(zhǔn)確、魯棒的特征點(diǎn)提取是實(shí)現(xiàn)上層任務(wù)基本要求。

2022-07-11 10:28:14

4811