搜索结果: 106-120 共查到“知识库 计算机科学技术基础学科”相关记录8054条 . 查询时间(2.361 秒)
哈尔滨工程大学计算机科学与技术学院科研成果系列发布（第八期）。
哈尔滨工程大学计算机科学与技术学院科研成果系列发布（第五期）。
针对移动机器人视觉同步定位与地图创建中由于相机大角度转动造成的帧间匹配失败以及跟踪丢失等问题,提出了一种基于局部图像熵的细节增强视觉里程计优化算法.建立图像金字塔,划分图像块进行均匀化特征提取,根据图像块的信息熵判断其信息量大小,将对比度低以及梯度变化小的图像块进行删除,减小图像特征点计算量.对保留的图像块进行亮度自适应调整,增强局部图像细节,尽可能多地提取能够表征图像信息的局部特征点作为相邻帧匹...
针对聚类问题中的非随机性缺失数据,本文基于高斯混合聚类模型,分析了删失型数据期望最大化算法的有效性,并揭示了删失数据似然函数对模型算法的作用机制.从赤池弘次信息准则、信息散度等指标,比较了所提出方法与标准的期望最大化算法的优劣性.通过删失数据划分及指示变量,推导了聚类模型参数后验概率及似然函数,调整了参数截尾正态函数的一阶和二阶估计量.并根据估计算法的有效性理论,通过关于得分向量期望的方程得出算法...
研究了控制信号被恶意篡改的信息物理系统的安全控制问题.首先,提出一种改进果蝇优化核极限学习机算法(Kernel extreme learning machine with improved fruit fly optimization algorithm,IFOA-KELM)对攻击信号进行重构.然后,将所得重构信号作为系统扰动加以补偿,进而设计模型预测控制策略,并给出了使被控系统是输入到状态稳定的...
常用的优化回归边界框参数的损失并不等价于最大化IoU指标，并且IoU作为回归损失，在边界框不重叠的情况下进行优化是不可行的。为了解决这个问题，在IoU基础上加入外接框的计算，将所得结果(3D_CGIoU)作为损失纳入到目前主流的三维目标检测框架中，并在数据集KITTI和ScanNet上进行实验。实验结果显示检测的平均精度得到了提升，表明该方法是有效的。
基于垂直约束的激光扫描机构外参标定算法
激光扫描 点云 外参标定 最优化
2021/5/20
为了解决人造特征点标定法中特征匹配不精确等缺陷,本文针对二轴传动的高精度平面激光扫描机构提出了利用线特征的垂直约束进行外参标定的新算法.不仅如此,在该算法中为了简化建立标定方程的流程,避免计算与标定目标无关的冗余中间量,提出了一种快速确定标定方程参数的方法.首先将扫描结果按待标定参数标准值转换至同一坐标系形成点云,再提取其中的线特征;接着根据线特征的垂直约束建立外参方程,并根据线特征的测量值和实际...
基于点对相似度的深度非松弛哈希算法
哈希学习 非松弛 卷积神经网络 交叉熵
2021/5/20
哈希学习能够在保持数据之间语义相似性的同时,将高维数据投影到低维的二值空间中以降低数据维度实现快速检索.传统的监督型哈希学习算法主要是将手工设计特征作为模型输入,通过分类和量化生成哈希码.手工设计特征缺乏自适应性且独立于量化过程使得检索的准确率不高.本文提出了一种基于点对相似度的深度非松弛哈希算法,在卷积神经网络的输出端使用可导的软阈值函数代替常用的符号函数使准哈希码非线性接近-1或1,将网络输出...
基于平均距离聚类的NSGA-Ⅱ
多目标优化算法 NSGA-Ⅱ 拥挤度距离 多样性
2021/5/20
拥挤度距离是一种用于度量解集多样性的指标.然而,在许多情况下,该指标无法有效区分多样性较优个体.其原因为拥挤度距离主要利用每个位置的局部信息.为解决该问题,基于整个种群全局位置信息,本文设计了基于平均距离聚类的多样性度量指标,并进一步提出了基于平均距离聚类的NSGA-Ⅱ.该算法利用平均距离将种群划分为若干个大致均匀分布的小种群,然后分别在各小种群内执行选择、交叉和变异等操作.实验结果表明,本文所提...
随着网络结构的不断扩大和日益复杂,重叠社区发现技术对挖掘复杂网络深层潜在结构具有重要意义.本文提出一种基于时间加权的重叠社区检测算法.该方法考虑了用户兴趣的时间因素,构建带有时间加权链接的用户-用户图.接着,基于网络节点的影响力计算用户全局相似度,在此基础上通过计算节点的中心度作为度量节点对社区结构影响力的重要性指标,从而提出一种社区中心点的选取方法。
基于模式增长的高效用序列模式挖掘算法
高效用序列模式 模式增长 闭包属性 数据挖掘
2021/4/23
高效用序列模式挖掘是数据挖掘领域的一项重要内容,在生物信息学、消费行为分析等方面具有重要的应用.与传统基于频繁项模式挖掘方法不同,高效用序列模式挖掘不仅考虑项集的内外效用,更突出项集的时间序列含义,计算复杂度较高.尽管已经有一定数量的算法被提出应用于解决该类问题,挖掘算法的时空效率依然成为该领域的主要研究热点问题.鉴于此,本文提出一个基于模式增长的高效用序列模式挖掘算法HUSP-FP。
脑效应连接(Effective connectivity,EC)网络是人脑连接组研究中一项重要的研究课题,识别脑效应连接网络已成为评价正常脑功能及其与神经退化疾病相关损伤的一种有效手段.针对从功能性磁共振成像数据中进行脑效应连接网络的学习问题,提出了一种将多源信息与蚁群优化过程相融合的学习方法.新方法首先利用弥散张量成像数据获取感兴趣区域的结构约束信息,并利用正相关的皮尔森信息来压缩蚁群搜索的空间...
核自适应滤波器(Kernel adaptive filter,KAF)是时间序列在线预测的重点研究领域之一,本文对核自适应滤波器的最新进展及未来研究方向进行了分析和总结.基于核自适应滤波器的时间序列在线预测方法,能较好地解决预测、跟踪问题。