-
公开(公告)号：CN106599906A
公开(公告)日：2017-04-26
申请号：CN201611052894.4
申请日：2016-11-25
申请人： 电子科技大学 , 成都国科海博信息技术股份有限公司
IPC分类号： G06K9/62
CPC分类号： G06K9/6276
摘要： 本发明公开了一种基于噪声概率函数的多核学习分类方法，包括以下步骤：噪声概率函数的计算；每轮迭代中的基分类器ft*(x)的选择以及对应系数的计算；权重的更新。本发明所述基于噪声概率函数的多核学习分类方法适用于被噪声污染数据集的分类算法，优点在于不用去求解复杂的优化问题，计算量比传统多核学习方法小，而且有效地解决了传统多核集成学习(Multiple Kernel Boosting Learning)对噪声敏感的问题，鲁棒性更好。
-
公开(公告)号：CN103607219B
公开(公告)日：2016-02-03
申请号：CN201310549906.4
申请日：2013-11-07
申请人： 电子科技大学 , 成都国科海博信息技术股份有限公司
摘要： 本发明公开了一种电力线通信系统的噪声预测方法，基于改进的高阶马尔科夫模型对通信噪声进行预测，该方法包括以下步骤：收集通信噪声数据；对收集的噪声数据进行离散化处理，得到离散化的随机序列；利用改进的高阶HM-gMTD模型对离散化的噪声随机序列进行分析预测；以及运用EM算法对上述模型进行参数估计。本发明将HM-gMTD模型的隐过程由一阶马尔科夫链推广到高阶马尔科夫链，并运用EM算法进行参数估计,提高了通信噪声预测的准确度。
-
公开(公告)号：CN103617413B
公开(公告)日：2015-05-20
申请号：CN201310547923.4
申请日：2013-11-07
申请人： 电子科技大学 , 成都国科海博信息技术股份有限公司
摘要： 本发明公开了一种在图像中识别物体的方法，包括以下步骤：读取图像或视频序列，进行运动目标检测，提取出前景图像；分析所提取的前景图像的颜色特征，分离前景区域中各颜色连通区域，得到对象结构，对结构部分通过矩不变量映射到特征空间，根据概率模型进行分类，若符合已知结构，则识别为该物体。本发明提出的方法弱化了形态的特征而强调结构，从而加强了多种背景下抗噪识别能力。
-
公开(公告)号：CN106709938B
公开(公告)日：2019-10-18
申请号：CN201611028830.0
申请日：2016-11-18
申请人： 电子科技大学 , 成都国科海博信息技术股份有限公司
IPC分类号： G06T7/277
摘要： 本发明公开了一种基于改进TLD的多目标追踪方法，包括以下步骤：每当用户指定一个新目标，追踪管理模块即调用追踪建立功能，产生扫描窗集合；初始化独立多目标卡尔曼滤波器，获得第一帧图像；从第二帧图像开始，按照下述方法处理：调用滤波器对当前帧所有目标进行检测；调用追踪器对上一帧所有目标进行追踪；调用追踪整合功能，整合滤波器与追踪器的结果；调用追踪更新功能，更新滤波器；每当用户删除一个目标，追踪管理模块即调用追踪删除功能，删除相应的追踪过程。本发明的优点在于并利用追踪管理模块对独立多目标卡尔曼滤波器和多目标Median‑Flow追踪器进行整合，所以实现了支持对多个未知目标进行追踪的目的，而且处理速度高于TLD。
-
公开(公告)号：CN103607219A
公开(公告)日：2014-02-26
申请号：CN201310549906.4
申请日：2013-11-07
申请人： 电子科技大学 , 成都国科海博信息技术股份有限公司
摘要： 本发明公开了一种电力线通信系统的噪声预测方法，基于改进的高阶马尔科夫模型对通信噪声进行预测，该方法包括以下步骤：收集通信噪声数据；对收集的噪声数据进行离散化处理，得到离散化的随机序列；利用改进的高阶HM-gMTD模型对离散化的噪声随机序列进行分析预测；以及运用EM算法对上述模型进行参数估计。本发明将HM-gMTD模型的隐过程由一阶马尔科夫链推广到高阶马尔科夫链，并运用EM算法进行参数估计,提高了通信噪声预测的准确度。
-
公开(公告)号：CN106779064A
公开(公告)日：2017-05-31
申请号：CN201611054556.4
申请日：2016-11-25
申请人： 电子科技大学 , 成都国科海博信息技术股份有限公司
IPC分类号： G06N3/08
CPC分类号： G06N3/088
摘要： 本发明公开了一种基于数据特征的深度神经网络自训练方法，包括以下步骤：从事先准备好的不同样本集提取对应的标准特征，该标准特征表征样本集本身数据分布的特点，并且能够用来唯一区分不同的样本集；将已知样本集与对应的标准特征输入训练器，寻找具有不同特征的样本集需要怎样的参数设置才能达到尽可能高的训练精度；当引入新样本集时，根据新样本集的特征来自动选取一组最优的深度神经网络参数，从而保证当以该参数构造神经网络并对新样本进行训练时，能够得到尽可能高的预测精度。本发明的优点在于利用机器学习算法根据样本数据的特征自动调整深度神经网络的参数，建立合适的网络模型，并能保证能够达到较高的测试精度。
-
公开(公告)号：CN106709938A
公开(公告)日：2017-05-24
申请号：CN201611028830.0
申请日：2016-11-18
申请人： 电子科技大学 , 成都国科海博信息技术股份有限公司
IPC分类号： G06T7/277
摘要： 本发明公开了一种基于改进TLD的多目标追踪方法，包括以下步骤：每当用户指定一个新目标，追踪管理模块即调用追踪建立功能，产生扫描窗集合；初始化独立多目标卡尔曼滤波器，获得第一帧图像；从第二帧图像开始，按照下述方法处理：调用滤波器对当前帧所有目标进行检测；调用追踪器对上一帧所有目标进行追踪；调用追踪整合功能，整合滤波器与追踪器的结果；调用追踪更新功能，更新滤波器；每当用户删除一个目标，追踪管理模块即调用追踪删除功能，删除相应的追踪过程。本发明的优点在于并利用追踪管理模块对独立多目标卡尔曼滤波器和多目标Median‑Flow追踪器进行整合，所以实现了支持对多个未知目标进行追踪的目的，而且处理速度高于TLD。
-
公开(公告)号：CN103632037B
公开(公告)日：2015-06-03
申请号：CN201310549282.6
申请日：2013-11-07
申请人： 成都国科海博信息技术股份有限公司 , 电子科技大学
IPC分类号： G06F19/00
摘要： 本发明提出了一种基于工作假期的服务器平均等待时间的计算方法，针对网络服务器在两个不同工作模式-工作期与工作假期下服务，当服务器在两个服务速率的模式下，等待服务的数据包有一定的耐心时间，在此情况下给出了请求的到达率、工作期服务率、工作假期服务率、工作假期时长参数、顾客的耐心时间时长参数与平均的队长和平均系统逗留时间相互之间的关系，提供了一种计算出平均队长和系统逗留时间的方法,提高了计算的准确度。
-
公开(公告)号：CN103632037A
公开(公告)日：2014-03-12
申请号：CN201310549282.6
申请日：2013-11-07
申请人： 成都国科海博信息技术股份有限公司 , 电子科技大学
IPC分类号： G06F19/00
摘要： 本发明提出了一种基于工作假期的服务器平均等待时间的计算方法，针对网络服务器在两个不同工作模式-工作期与工作假期下服务，当服务器在两个服务速率的模式下，等待服务的数据包有一定的耐心时间，在此情况下给出了请求的到达率、工作期服务率、工作假期服务率、工作假期时长参数、顾客的耐心时间时长参数与平均的队长和平均系统逗留时间相互之间的关系，提供了一种计算出平均队长和系统逗留时间的方法,提高了计算的准确度。
-
公开(公告)号：CN103617413A
公开(公告)日：2014-03-05
申请号：CN201310547923.4
申请日：2013-11-07
申请人： 电子科技大学 , 成都国科海博信息技术股份有限公司
摘要： 本发明公开了一种在图像中识别物体的方法，包括以下步骤：读取图像或视频序列，进行运动目标检测，提取出前景图像；分析所提取的前景图像的颜色特征，分离前景区域中各颜色连通区域，得到对象结构，对结构部分通过矩不变量映射到特征空间，根据概率模型进行分类，若符合已知结构，则识别为该物体。本发明提出的方法弱化了形态的特征而强调结构，从而加强了多种背景下抗噪识别能力。
-
-
-
-
-
-
-
-
-
搜索结果
20 条记录 (耗时 0.046 秒)
