-
公开(公告)号:CN108764108A
公开(公告)日:2018-11-06
申请号:CN201810499774.1
申请日:2018-05-22
申请人: 湖北省专用汽车研究院
CPC分类号: G06K9/00791 , G06K9/622 , G06K9/6278 , G06K9/629
摘要: 本发明涉及一种基于贝叶斯统计决策的前车检测方法,包括设置在本车辆上的控制器、设置在本车辆前端的单线激光雷达和摄像头,单线激光雷达和摄像头与控制器之间电连接;控制器中包括激光雷达信息处理模块、机器视觉信息处理模块和雷达视觉信息融合决策模块。雷达视觉融合决策模块,包括二次信息融合,一是建立雷达视觉信息的时间空间对应模型,为建立视觉感兴趣区域打下基础,二是建立车辆验证函数,进行基于后验风险最小原则的贝叶斯决策来最终验证前车存在的准确性。相对于传统基于激光雷达和机器视觉的前车检测系统,本发明在信息融合模块中加入了基于后验风险最小准则的贝叶斯统计决策,可以有效降低虚警率,提升智能系统对前车检测的准确性。
-
公开(公告)号:CN108710917A
公开(公告)日:2018-10-26
申请号:CN201810498587.1
申请日:2018-05-23
申请人: 上海海事大学
IPC分类号: G06K9/62
CPC分类号: G06K9/6245 , G06K9/622
摘要: 本发明公开了一种基于网格和密度聚类的稀疏源信号盲分离方法,所述的将两个传感器信号的混合模型扩展为M个传感器信号的混合模型并进行短时傅里叶变换,得到传感器信号的瞬时混合模型;所述的找出聚类中心,做为混合系数的估计。采用均匀划分的方式,将α‑δ平面离散化,将密度最大的N个网格作为混合系数;所述的恢复源信号;所述的对于时频域中的每一个时频点,最多可以有M个源信号的值不为零;所述的用求最小L1范数解的方法确定哪M个信号不为零,然后求出源信号的唯一解。本发明解决了源信号不充分稀疏情况下的欠定盲分离问题,密度和网格聚类的应用有效提高了计算效率,在盲信号处理,稀疏分量分析领域有着十分重要的意义。
-
公开(公告)号:CN104620284B
公开(公告)日:2018-02-02
申请号:CN201380046933.8
申请日:2013-07-05
申请人: 脸谱公司
发明人: 艾萨克·晁
CPC分类号: G06K9/6215 , G06F17/30244 , G06F17/30247 , G06F17/30256 , G06F17/3028 , G06K9/46 , G06K9/481 , G06K9/6202 , G06K9/6218 , G06K9/622 , G06Q50/01
摘要: 确定图像相似性的技术。在一种实施方式中,确定与图像相关联的小哈希值落在贮存区内。如果现有的集群中心与贮存区相关联,则确定小哈希值与集群中心之间的距离。如果小哈希值至集群中心的距离大于阈值距离,则视为图像不同于与集群中心相关联的其他图像。然后,创建新的集群中心并且使新的集群中心与贮存区相关联,并且使该图像与新的集群中心相关联。当具有落在贮存区内的小哈希值的图像被视为不相似时,则一个以上的集群中心可与贮存区相关联。在另一实施方式中,一旦识别贮存区,则可确定大哈希值而非小哈希值与集群中心之间的距离,以评估图像相似性。
-
公开(公告)号:CN107220656A
公开(公告)日:2017-09-29
申请号:CN201710250167.7
申请日:2017-04-17
申请人: 西北大学
IPC分类号: G06K9/62
CPC分类号: G06K9/6268 , G06K9/622
摘要: 本发明公开了一种基于自适应特征降维的多标记数据分类方法,该方法的过程包括数据读取、重构标记矩阵、构造降维模型、降维模型优化、最优化求解、特征降维以及多标记数据分类等。本发明投影矩阵的最优化求解过程,对高维特征的数据,进行线性变换,投影到低维空间,有效的降低分类任务中数据的复杂程度,去除冗余特征,保留有辨识度的特征,很好的解决了传统方法导致计算复杂度高的问题,提高了数据分类的效率。本发明构造降维模型的过程,利用多标记数据的标记矩阵,通过聚类得到潜在语义信息,有效解决了原始数据中噪声对分类准确率的影响,提高了数据分类的准确率。
-
公开(公告)号:CN106447658A
公开(公告)日:2017-02-22
申请号:CN201610850610.X
申请日:2016-09-26
申请人: 西北工业大学
CPC分类号: G06K9/622 , G06K9/4652 , G06K2209/21 , G06N3/04 , G06T2207/10024 , G06T2207/20081
摘要: 本发明涉及一种基于全局和局部卷积网络的显著性目标检测方法,首先,使用FCN全卷积网络进行深层语义信息的提取,输入图像不需要固定尺寸,进行端对端的预测,减少训练的复杂度。使用局部CNN卷积网络,提取局部特征对FCN得到粗糙检测结果进行精度优化。本发明能准确高效的提取图像中的语义信息,有利于复杂场景中显著性目标检测准确率的提高。
-
公开(公告)号:CN106408939A
公开(公告)日:2017-02-15
申请号:CN201610924284.2
申请日:2016-10-29
申请人: 浙江大学
CPC分类号: G08G1/0125 , G06K9/622 , G06K9/6276
摘要: 本发明提供了一种基于密度峰值聚类的交通流量序列划分方法。本发明利用距离方差衡量子序列的相似程度:计算每条子序列的局部密度衡量序列间相互聚集程度,序列间距离用于衡量类分离程度,结合局部密度和序列间距寻求聚类中心;利用密度值将非聚类中心序列进行分类,从而得到交通流量序列的合理分组,最终输出聚类结果。本发明中的同一类中的子序列均可采用相同的时段划分方案和信号控制方案,在确保交通流运行效率的前提下,减少了定时控制策略下时段划分和信号优化的工作量。
-
公开(公告)号:CN105866782A
公开(公告)日:2016-08-17
申请号:CN201610199569.4
申请日:2016-04-04
申请人: 上海大学
摘要: 本发明涉及了一种基于激光雷达的运动目标检测系统及方法。其系统由采集单元、处理单元、网络单元组成。其方法的操作步骤是:获取测距数据帧、获取位姿数据帧、数据点聚类、提取聚类特征点、匹配前一帧特征点、计算运动信息、修正运动信息和输出检测结果。本发明实时性好、准确度高、可扩展性强,适用于需要在动态环境中自主定位和检测动态目标的应用,例如自主导航机器人、无人驾驶车辆、自动化仓储。
-
公开(公告)号:CN104636496A
公开(公告)日:2015-05-20
申请号:CN201510097905.X
申请日:2015-03-04
申请人: 重庆理工大学
IPC分类号: G06F17/30
CPC分类号: G06K9/622
摘要: 本发明公开了一种基于高斯分布和距离相似度的混合聚类的推荐方法,包括如下步骤:S1,获取用户行为数据集,将行为数据集划分为有标签数据和无标签数据,对有标签数据和无标签数据分别进行距离度量学习;S2,根据所述距离度量权重矩阵,与高斯混合模型混合计算得到目标函数,对所述目标函数进行优化求解;S3,根据得到目标函数优化求解后,通过聚类算法得到聚类行为数据,将聚类行为数据推荐给用户。
-
公开(公告)号:CN102804208A
公开(公告)日:2012-11-28
申请号:CN201080061203.1
申请日:2010-11-16
申请人: 谷歌公司
CPC分类号: G06K9/622 , G06K9/00295
摘要: 提供了用于自动识别名人面部图像的方法和系统,其生成著名名人的姓名列表;为每一个姓名获取图像集和对应的特征向量;检测在图像集内的面部;以及移除非面部图像。使用模型内分析、模型间分析和光谱分析来执行对图像的分析,以为姓名列表中存在的个人中的每一个返回高度准确的生物模型。然后,基于查准率和查全率来执行辨识,以将面部图像识别为属于名人或指示面部是未知的。
-
公开(公告)号:CN109686382A
公开(公告)日:2019-04-26
申请号:CN201811639415.8
申请日:2018-12-29
申请人: 平安科技(深圳)有限公司
摘要: 本发明实施例提供了一种说话人聚类方法和装置,本发明涉及人工智能技术领域,本方法包括:获取2N个语音片段;根据2N个语音片段组合出N个相同说话人对;根据2N个语音片段组合出M个不同说话人对;将N个相同说话人对和M个不同说话人对作为训练样本输入神经网络,对神经网络进行训练;将目标语音进行切分,得到多个语音片段;将多个语音片段输入训练完成后的神经网络中;接收训练完成后的神经网络输出的多个类别的语音片段,其中,每个类别的语音片段对应同一个说话人。因此,本发明实施例提供的技术方案能够解决现有技术中说话人聚类需要高斯混合模型和一个非常大的投影矩阵来做因子分析导致计算量大的问题。
-
-
-
-
-
-
-
-
-