-
公开(公告)号：CN109873810A
公开(公告)日：2019-06-11
申请号：CN201910031356.4
申请日：2019-01-14
申请人： 湖北工业大学
摘要： 本发明公开了一种基于樽海鞘群算法支持向量机的网络钓鱼检测方法，首先初始化樽海鞘群算法的基本参数：种群数目、迭代次数、个体维度、搜索空间；随机初始化个体的位置和范围；然后按照适应度值的大小划分为领导者樽海鞘和跟随者樽海鞘，利用这两种樽海鞘的协调合作挖掘出支持向量机的最优参数。在每次迭代中，用于评价个体的适应度值的函数是个体所携带的参数对于支持向量机在钓鱼网站数据集上的检测准确率。本发明与一般的优化算法如遗传算法、引力搜索算法、蝙蝠算法、粒子群算法等，在优化支持向量机上，能够尽可能的挖掘出支持向量机的最优参数参数，提升支持向量机在钓鱼检测的准确率。
-
公开(公告)号：CN109242026A
公开(公告)日：2019-01-18
申请号：CN201811080424.8
申请日：2018-09-17
申请人： 湖北工业大学
摘要： 本发明公开了一种基于杂交水稻算法优化的模糊C均值聚类方法及系统，方法包括：初始化该优化算法参数，预处理待聚类的数据集；构建目标函数，即对可行解的评价函数；对目标函数进行最优值求解，得到最优值并确定对应的最优初始聚类中心；根据最优初始聚类中心进行模糊C均值聚类，最终得到聚类结果。系统包括初始化模块、编码模块、适用度值计算模块、最优值计算模块、最优初始聚类中心计算模块、模糊C均值聚类模块、输出模块；采用本发明对模糊C均值聚类进行基于杂交水稻算法的初始聚类中心优化，解决了模糊聚类效果极易受随机初始聚类中心的影响。
-
公开(公告)号：CN107808164A
公开(公告)日：2018-03-16
申请号：CN201710960947.0
申请日：2017-10-17
申请人： 湖北工业大学
IPC分类号： G06K9/62
摘要： 本发明公开了一种基于烟花算法的纹理图像特征选择方法，利用烟花算法对图像纹理特征选择问题优化求解，从而快速地获得用于图像处理的最优特征子集，可用于图像处理和模式识别相关技术领域中。本发明能够在可接受的时间代价内找到特征选择问题的高质量的可行解，不需要指定要选择的特征维数，能够智能地在正确识别率和特征维数之间取得很好的平衡，自动寻找到合适的纹理图像特征子集。本发明利用烟花算法对纹理图像处理中原始数据集进行特征选择，剔除不相关或冗余的图像纹理特征，取出真正有效的特征子集，节省分类器的计算时间，从而提高图像分类的效率和正确率。
-
公开(公告)号：CN106896355A
公开(公告)日：2017-06-27
申请号：CN201611242861.6
申请日：2016-12-29
申请人： 湖北工业大学
IPC分类号： G01S11/02
CPC分类号： G01S11/02
摘要： 本发明涉及基于UWB时间反演的障碍物识别及测距误差校正方法。采用至少两个带能量峰值点信号参数可识别的节点对信号通过障碍物时对产生的信号影响来识别障碍物的材质和厚度。根据不同属性的障碍物对信号的影响不同得出能量系数和幅值系数，计算出其相应材质系数，建立多信息融合数学模型，以此识别障碍物的材质和厚度。本发明的另一个目的是根据识别的障碍物的属性自动校正误差，在障碍物材质厚度数据库的基础上，建立相应的材质误差校正数据模型并且录入数据库，据此得出校正误差，从而提高定位测距精度。本发明的系统使用方便，环境自适应能力强，不仅能够识别障碍物而且能够对障碍物造成的误差进行校正，系统的成本也非常低。
-
-
公开(公告)号：CN115620227A
公开(公告)日：2023-01-17
申请号：CN202211225423.4
申请日：2022-10-09
申请人： 湖北工业大学
摘要： 本发明公开了一种基于深度学习的人群异常行为实时检测系统，包括街道摄像头、终端处理主机和显示器三个部分，三者依次连接。本发明还提供一种基于深度学习的人群异常行为实时检测方法，输入是街道摄像头实时采集的视频图像帧，输出是标注了检测到具有异常行为行人的矩形边框及其对应异常行为的图像，用于快速准确地检测出具有异常行为的行人位置及异常行为。本发明通过深度学习方法实现了对街道行人异常行为的检测与识别，并且具有较高的准确性，运算速度快，提高了街道行人的安全性。
-
公开(公告)号：CN110189266B
公开(公告)日：2023-01-03
申请号：CN201910384265.9
申请日：2019-05-09
申请人： 湖北工业大学
IPC分类号： G06T5/00
摘要： 本发明公开了一种自适应的快速图像增强方法，包括：输入待增强图像，统计图像的灰度直方图；接着利用插值法对原始图像灰度直方图进行平滑处理；然后根据平滑以后的直方图统计图像灰度值的偏度值；根据这个指标值预判断伽马变换中的γ的取值范围，然后根据局部遍历法在一定范围内得到多个γ值，之后根据自定义的加权复合评价函数对相应的γ值进行评价，最终保留评价最优的γ值；最后根据最优的γ值对图像进行增强处理并输出增强后的图像。本发明自适应的快速的获得伽马变换的γ值，实现了快速的图像自适应增强，使图像增强算法有更高的效率以及获得质量更好的图像，是一种有实际应用价值的新方法。
-
公开(公告)号：CN109657283B
公开(公告)日：2022-12-02
申请号：CN201811425100.3
申请日：2018-11-27
申请人： 湖北工业大学
IPC分类号： G06F30/13 , G06F30/18 , G06F30/27 , G06F111/06 , G06F113/14
摘要： 本发明涉及一种基于分布估计算法的灌溉施肥管网优化方法，包括以下步骤：步骤1：建立灌溉施肥管网数学模型；步骤2：对所有的灌溉施肥管网进行优化，使得所诉步骤1中建立的数学模型的目标函数最小，即使得灌溉施肥系统在满足种植需求时运行费用最低。本发明的有效效果是：采用岛屿分布估计算算法对所有的管网进行优化，处理灌溉施肥管网设计优化问题，改进管网优化水平，提高管网运行经济效益。
-
公开(公告)号：CN107527333B
公开(公告)日：2021-03-02
申请号：CN201710637673.1
申请日：2017-07-31
申请人： 湖北工业大学
摘要： 本发明公开了一种基于伽马变换的快速图像增强方法，方法包括：输入待增强图像，统计图像的灰度直方图；接着利用插值法对原始图像灰度直方图进行平滑处理；然后根据平滑以后的直方图统计图像灰度值的平均值，图像灰度值的众数，图像灰度值的中位数；根据这三个指标值的大小关系，预判断伽马变换中的γ的取值范围，然后利用局部遍历法确定最优的γ值；最后根据最优的γ值对图像进行增强处理并输出增强后的图像。本发明自适应的快速的获得伽马变换的γ值，实现了快速的图像自适应增强，使图像增强算法有更高的效率和更好的图像质量，是一种快速自适应的图像增强方法。
-
-
-
-
-
-
-
-
-
搜索结果
61 条记录 (耗时 0.06 秒)
