-
公开(公告)号:CN105654115A
公开(公告)日:2016-06-08
申请号:CN201510990402.5
申请日:2015-12-28
申请人: 西北工业大学
IPC分类号: G06K9/62
CPC分类号: G06K9/622
摘要: 本发明公开了一种面向行为识别的密度适应性聚类方法,涉及聚类分析技术领域,包括按照由高到低的次序,从最高密度阈值到最低密度阈值以此对给定数据集进行聚类分析。上一次的聚类过程产生的结果可以直接作为下一次的聚类过程的输入,并在当前密度阈值下对上一次的聚类结果进行必要的修正,从而实现了对不同密度数据簇的聚类。由于基本聚类算子采用基于密度的聚类方法,其聚类过程为典型的迭代扩展过程,因此可以克服基于距离算法只能发现类圆形的聚类簇的缺点,因此该方法对噪音数据不敏感,可自动排除噪音数据对聚类过程的影响,并且能发现任意形状的簇。
-
公开(公告)号:CN105224958A
公开(公告)日:2016-01-06
申请号:CN201510727800.8
申请日:2015-10-29
申请人: TCL集团股份有限公司
发明人: 冯研
摘要: 本发明提供一种聚类方法和装置,所述方法包括:计算蚂蚁背负的数据与方形邻域内相邻数据的相似度;若蚂蚁背负的数据与方形邻域内相邻数据的相似度不大于第一阈值,则移动蚂蚁背负的数据直至方形邻域内任意一个数据与任意一个数据的相邻数据的相似度大于第一阈值;增加方形邻域的面积后重复执行相似度计算和数据移动的过程;在方形邻域的面积增加至预设值时相似度计算和数据移动的重复执行达到预设次数后,以迭代方式对平面内的数据进行聚类直至每个簇中位于任一非中心的数据交换至簇的中心的成本不小于零时聚类过程结束。本发明提供的技术方案一方面,可以减少运算的时间成本,另一方面提高了聚类的效果即聚类的有效性、高效性和鲁棒性等。
-
公开(公告)号:CN109684938A
公开(公告)日:2019-04-26
申请号:CN201811487764.2
申请日:2018-12-06
申请人: 广西大学
CPC分类号: G06K9/00657 , G06K9/342 , G06K9/622 , G06K2209/17
摘要: 本发明提供了一种基于作物冠层航拍俯视图的甘蔗株数自动识别方法,其以无人机于自然光条件下俯视拍摄的田间甘蔗冠层图像为研究对象,采用数字图像处理技术对其进行田间复杂背景的去除以及蔗叶白经的初步提取;通过连接同根断裂的白经后提取白经的端点得到白经的端点分布图,最后依据株心区域端点密集的分布特性利用DBSCAN聚类算法从白经的端点图中识别甘蔗株心;计算各类株心区域的平均值近似作为株心坐标并统计坐标个数即为株数,由此实现对田间甘蔗株数自动识别。采用本方法对田间甘蔗进行计数,灵活性高,精度好,实施成本低,可有效减少人为主观因素造成的统计错漏,并提高甘蔗早期植株数量的自动化检测程度。
-
公开(公告)号:CN108475250A
公开(公告)日:2018-08-31
申请号:CN201680059140.3
申请日:2016-10-08
申请人: 华为技术有限公司
发明人: 南渡·戈帕拉克里希南 , 胡一瑞
IPC分类号: G06F15/173
CPC分类号: H04L43/0876 , G06K9/6215 , G06K9/6219 , G06K9/622 , G06K9/6247 , G06K9/6284 , H04L41/0631 , H04L41/16 , H04L43/04 , H04L43/08 , H04L43/0888
摘要: 一种方法,包括:接收异常数据点并将所述异常数据点与大小边界框进行比较,以产生第一比较。该方法还包括:将异常数据点与主分量分析(PCA)边界框进行比较,以产生第二比较,并根据第一比较和第二比较将异常数据点分类,以产生分类。
-
公开(公告)号:CN104217224B
公开(公告)日:2018-07-17
申请号:CN201410240890.3
申请日:2014-05-30
申请人: 美商新思科技有限公司
CPC分类号: G06N99/005 , G06K9/4642 , G06K9/4685 , G06K9/622 , G06K9/6269 , G06T7/001 , G06T2207/30144
摘要: 热点检测系统根据热点训练数据的拓扑将热点训练数据集分类成多个热点簇,其中热点簇与不同的热点拓扑相关联,并且热点检测系统根据非热点训练数据的拓扑将非热点训练数据集分类成多个非热点簇,其中非热点簇与不同的拓扑相关联。该系统从热点簇并且从非热点簇的形心中提取拓扑关键特征和非拓扑关键特征。该系统还创建被配置为识别热点的多个核,其中使用所提取的非热点簇的形心的关键特征以及从热点簇中的一个热点簇所提取的关键特征来构造每个核,并且每个核被配置为识别与其他核被配置用于识别的热点拓扑不同的热点拓扑。
-
公开(公告)号:CN108241856A
公开(公告)日:2018-07-03
申请号:CN201810032454.5
申请日:2018-01-12
申请人: 新华智云科技有限公司
CPC分类号: G06K9/00718 , G06K9/6215 , G06K9/622
摘要: 本发明的目的是提供一种资讯信息生成方法及设备,本发明通过对视频资源中的图片和音频进行相似度聚类,对聚类后对图片和音频进行特征统计,以得到相应的统计特征集,根据统计特征集生成关键词,进而根据关键词生成文本资讯信息如新闻等,能够汇总和呈现既有或未来可能输入的视频资料,基于视频资料精确、高效地生成资讯信息,极大丰富各场景下可获取的资讯信息量。
-
公开(公告)号:CN107886109A
公开(公告)日:2018-04-06
申请号:CN201710954324.2
申请日:2017-10-13
申请人: 天津大学
CPC分类号: G06K9/622 , G06F17/30843
摘要: 一种基于有监督视频分割的视频摘要方法,包括以下步骤:通过相似性矩阵和训练视频的核矩阵,获取测试视频的核矩阵,将该核矩阵作为时域子空间聚类的正则化拉普拉斯矩阵;引入时域拉普拉斯正则化表达式,获取目标函数,并通过乘法器的交替方向法对目标函数进行求解,得到分割后的每一段视频帧,并计算每一段视频帧的分数;通过背包法选择合适的片段作为视频摘要;将获取到的视频摘要与人工标注的视频摘要进行对比,调整各参数来进行多次试验,使视频摘要与人工标注更接近。本方法提高了视频摘要的效率和准确度。
-
公开(公告)号:CN107666853A
公开(公告)日:2018-02-06
申请号:CN201680029350.8
申请日:2016-05-09
申请人: 皇家飞利浦有限公司
CPC分类号: G06T7/0016 , A61B5/0077 , A61B5/02416 , G06K9/00114 , G06K9/00234 , G06K9/00496 , G06K9/00906 , G06K9/4652 , G06K9/6215 , G06K9/622 , G06K9/6232 , G06K9/624 , G06K9/64 , G06T2207/10016 , G06T2207/10024 , G06T2207/20216 , G06T2207/30076
摘要: 根据一方面,提供了一种用于根据视频序列确定搏动信号的装置,所述装置包括处理单元,所述处理单元被配置为:获得视频序列,所述视频序列包括多个图像帧;形成多个视频子序列,每个视频子序列包括来自图像帧的子集中的每个图像帧的帧分段,其中,每个图像帧被分成多个帧分段;针对根据来自图像帧的第一子集的帧分段形成的第一视频子序列,将针对所述第一视频子序列的代表值与针对根据来自图像帧的第二子集的帧分段形成的视频子序列的代表值进行比较;基于代表值的比较来将第一视频子序列与根据来自图像帧的第二子集的帧分段形成的第二视频子序列级联;并且根据级联的视频子序列确定搏动信号。
-
公开(公告)号:CN107635457A
公开(公告)日:2018-01-26
申请号:CN201680029339.1
申请日:2016-05-09
申请人: 皇家飞利浦有限公司
CPC分类号: A61B5/02427 , A61B5/0077 , A61B5/02416 , A61B5/7485 , A61B2562/0233 , A61B2576/00 , G06K9/00114 , G06K9/00234 , G06K9/00496 , G06K9/00765 , G06K9/00906 , G06K9/34 , G06K9/4652 , G06K9/6215 , G06K9/622 , G06K9/6232 , G06K9/624
摘要: 根据一个方面,提供了一种用于识别视频序列中的活的皮肤组织的装置,所述装置包括:处理单元,其被配置为接收视频序列,所述视频序列包括多个图像帧;将所述图像帧中的每个划分成第一多个帧分段;形成第一多个视频子序列,每个视频子序列包括来自所述第一多个帧分段的针对所述图像帧中的两个或更多个的帧分段;将所述图像帧中的每个划分成第二多个帧分段,所述第二多个帧分段比所述第一多个帧分段包括更多数量的帧分段;形成第二多个视频子序列,每个视频子序列包括来自所述第二多个帧分段的针对所述图像帧中的两个或更多个的帧分段;分析所述第一多个视频子序列和所述第二多个视频子序列中的所述视频子序列以确定针对每个视频子序列的脉动信号;并且分析所述脉动信号以识别所述视频序列中的活的皮肤组织的区。
-
公开(公告)号:CN107292331A
公开(公告)日:2017-10-24
申请号:CN201710368508.0
申请日:2017-05-22
申请人: 浙江科技学院
CPC分类号: G06K9/6262 , G06K9/4604 , G06K9/622
摘要: 本发明公开了一种基于无监督特征学习的无参考屏幕图像质量评价方法,其先获取若干幅无失真屏幕图像的归一化屏幕图像;然后根据该归一化屏幕图像,并采用ZCA操作和无监督聚类算法,获得字典码书;接着获取待评价的失真屏幕图像的归一化屏幕图像;而后采用Gaussian kernel similarity weight方法和K-Nearest Neighbor方法对该归一化屏幕图像进行处理,获得权值特征矩阵;再根据字典码书和权值特征矩阵,并采用LLC算法,获得LLC特征向量;最后利用支持向量回归技术对LLC特征向量进行测试,预测得到待评价的失真屏幕图像的客观质量评价预测值;优点是能够充分考虑到局部信息变化对视觉质量的影响,从而能够提高客观评价结果与主观感知之间的相关性。
-
-
-
-
-
-
-
-
-