国家自然科学基金(U1204609)
- 作品数：31 被引量：137H指数：7
- 相关作者：毛文涛赵晓焱何玲王金婉冯宁更多>>
- 相关机构：河南师范大学西北工业大学河南教育学院更多>>
- 发文基金：国家自然科学基金河南省基础与前沿技术研究计划项目河南省科技攻关计划更多>>
- 相关领域：自动化与计算机技术电子电信理学更多>>
- 基于参数校正的离焦图像高斯核估计被引量：3
- 2013年
- 针对离焦模糊图像高斯核难以快速精确估计的问题,提出了局部熵和参数校正相结合的辨识算法.该算法首先对模糊图像进行局部熵滤波提取图像阶跃边缘模糊区域,然后对此区域进行两次人为离焦模糊,根据梯度比估算高斯模糊核,在计算中提出参数校正的方法减少了量化误差,实验结果表明该算法在模糊核较小时能够精确快速地定位阶跃边缘,并提高了高斯模糊核的识别精度和识别效率,为模糊图像复原提供了较为精确的退化函数.
- 冯云芝张俊娜冯乃勤
- 关键词：离焦模糊高斯核局部熵
- 基于粒计算的超市会员数据的聚类算法
- 2014年
- 在粒计算理论的指导下,首先对超市客户数据库中的信息进行预处理,并根据处理后的信息对客户信息进行细分,从而有针对性地服务不同层面的群体.其次针对不同层次的客户的消费行为特征进行聚类,在此基础上对超市会员的行为模式进行分析,进而采用适宜的营销策略.
- 吕康孟慧丽马媛媛
- 关键词：粒计算聚类
- 基于主曲线的空气悬浮颗粒物质PM10的预测
- 2017年
- 对空气中有害物质(例如PM10)的浓度进行预测具有重要的现实意义,但绝大多数情况下,这类数据具有不均衡、在线贯序到达的特点,利用传统监督学习方法较难以实现快速、有效的预测。为解决该问题,提出了一种基于主曲线的PM10预测方法,建立在2010年到2012年PM10的模型,拟合得到相应的参数,最终得到主曲线预测模型,并通过大量实验分别设定不同浓度PM10相应的阈值。研究表明,基于主曲线的PM10预测模型预测速度快、误差低,同时网络结构更加紧凑。
- 王礼云朱振伸董瑞瑞
- 关键词：主曲线
- 基于极限学习机的老人防摔倒系统设计被引量：2
- 2015年
- 如何提高老年人的健康和生活质量受到社会广泛关注,老龄社会的到来也给我们在校大学生提出了许多新的研究课题,介绍一种为高危年老人群设计的检测监护系统。系统的功能实现主要有两大部分组成,即利用Wi Fi技术,结合极限学习机算法的精确定位以及六轴加速度传感器融合相应算法实现的人体行为识别。介绍了关于系统方案设计、上位机程序的算法实现等,从多个角度诠释本系统,在当今老龄化趋势日益严重的大环境下,为社会提供一种特殊群体安全保障方案。
- 沈雪微毛文涛
- 关键词：老龄化信息融合ELM
- 基于局部特征过滤的快速火焰图像识别方法被引量：11
- 2016年
- 传统的基于物理信号的火焰识别方法易被外部环境干扰,且现有火焰图像特征提取方法对于火焰和场景的区分度较低,从而导致火焰种类或场景改变时识别精度降低。针对这一问题,提出一种基于局部特征过滤和极限学习机的快速火焰识别方法,将颜色空间信息引入尺度不变特征变换(SIFT)算法。首先,将视频文件转化成帧图像,利用SIFT算法对所有图像提取特征描述符;其次,通过火焰在颜色空间上的信息特性进一步过滤局部噪声特征点,并借助关键点词袋(BOK)方法,将特征描述符转换成对应的特征向量;最后放入极限学习机进行训练,从而快速得到火焰识别模型。在火焰公开数据集及真实火灾场景图像进行的实验结果表明:所提方法对不同场景和火焰类型均具有较高的识别率和较快的检测速度,实验识别精度达97%以上;对于包含4 301张图片数据的测试集,模型识别时间仅需2.19 s;与基于信息熵、纹理特征、火焰蔓延率的支持向量机模型,基于SIFT、火焰颜色空间特性的支持向量机模型,基于SIFT的极限学习机模型三种方法相比,所提方法在测试集精度、模型构建时间上均占有优势。
- 毛文涛王文朋蒋梦雪欧阳军
- 关键词：特征提取尺度不变特征变换极限学习机
- 基于不均衡样本重构的加权在线贯序极限学习机被引量：2
- 2015年
- 针对现有学习算法难以有效提高不均衡在线贯序数据中少类样本分类精度的问题,提出一种基于不均衡样本重构的加权在线贯序极限学习机。该算法从提取在线贯序数据的分布特性入手,主要包括离线和在线两个阶段:离线阶段主要采用主曲线构建少类样本的可信区域,并通过对该区域内样本进行过采样,来构建符合样本分布趋势的均衡样本集,进而建立初始模型;而在线阶段则对贯序到达的数据根据训练误差赋予各样本相应权重,同时动态更新网络权值。采用UCI标准数据集和澳门实测气象数据进行实验对比,结果表明,与现有在线贯序极限学习机(OS-ELM)、极限学习机(ELM)和元认知在线贯序极限学习机(MCOS-ELM)相比,所提算法对少类样本的识别能力更高,且所提算法的模型训练时间与其他三种算法相差不大。结果表明在不影响算法复杂度的情况下,所提算法能有效提高少类样本的分类精度。
- 王金婉毛文涛何玲王礼云
- 关键词：极限学习机主曲线过采样不均衡数据
- 一种基于特征子集区分度优化的分组特征选择算法被引量：3
- 2015年
- 针对现有特征选择算法大多对特征之间的结构化效应考虑不充分、可能导致所选择出的特征集存在冗余、进而影响算法效率和代表特征精确度的缺点,提出一种基于特征子集区分度优化的分组特征选择算法.该算法基于相关性强的特征其系数距离也较近的假设,首先引入分组标识矩阵,构建基于距离的组内特征相关性和组间特征区分度的度量标准,将分组特征选择问题转换为0-1多目标优化问题;其次,引入离散型粒子群算法,优化分组标识矩阵,使得组间区分度和组内相关性同时尽可能大,最终自适应确定最优分组结构.在UCI标准数据集上的对比实验结果表明,本文所提算法可以很好地识别特征中蕴含的分组结构,与现有代表性算法相比,该算法具有更高的分类预测精度.
- 毛文涛徐文涛薛天宇何玲
- 基于深度迁移学习的烟雾识别方法被引量：24
- 2017年
- 针对传统的基于传感器和图像特征的烟雾识别方法易被外部环境干扰且识别场景单一,从而造成烟雾识别精度较低,而基于深度学习的识别方法对数据量要求较高,对于烟雾数据缺失或数据来源受限的情况模型识别能力较弱的问题,提出一种基于深度迁移学习的烟雾识别方法。将ImageNet数据集作为源数据,利用VGG-16模型进行基于同构数据下的特征迁移。首先,将所有的图像数据进行预处理,对每张图像作随机变换(随机旋转、剪切、翻转等);其次,引入VGG-16网络,将其卷积层特征进行迁移,并连接预先使用烟雾数据在VGG-16网络中训练过的全连接层;进而构建出基于迁移学习的深度网络,从而训练得到烟雾识别模型。利用公开数据集以及真实场景烟雾图像进行实验验证,实验结果表明,和现有主流烟雾图像识别方法相比,所提方法有较高的烟雾识别率,实验精度达96%以上。
- 王文朋毛文涛何建樑窦智
- 基于局部差商信息修正的全局多模型建模方法被引量：1
- 2013年
- 针对目前多模型建模方法中存在的把样本点错误划分的问题,提出了一种局部信息修正与全局特征相结合的多模型建模方法。该方法确定多个模型的混合范围,引入局部差商信息,确定上述混合部分的类别归属,再此基础上利用基于最小二乘支持向量机的模糊C回归估计方法,得到多个回归模型。将该方法运用到两个仿真数据中,仿真结果表明,与现有方法相比,该方法建模正确率大大提高,均方根测试误差也有明显降低。
- 张俊娜毛文涛穆晓霞范海菊
- 关键词：最小二乘支持向量机差商
- 一种类TCP流媒体拥塞控制算法被引量：1
- 2014年
- 为了提高网络运行效率,提出了一种采用RTP/RTCP协议基于模型的的类TCP拥塞控制算法.算法采用TCP确认机制,对流量参考模型、往返时间及超时时钟值等参数进行了定义;使用改进的AIMD机制进行窗口控制,调整RTP数据帧的传输速率;同时彻底摒弃TCP的重传机制以保证流媒体业务的连续性和实时性.实验结果表明,提出的算法与其他RTP流控算法相比,具有较好的拥塞控制能力和公平性.
- 赵晓焱杨育捷毛文涛
- 关键词：拥塞控制实时传输协议往返时间速率控制
