期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到6篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于图像不变特征深度学习的交通标志分类 被引量：14
1
作者 谢锦 蔡自兴 +1 位作者 邓海涛 盛艳 《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2017年第4期632-640,共9页
针对自然场景下所采集的交通标志存在各种形变,且手工设计提取交通标志不变特征方法需要处理技巧的问题,提出一种自动学习提取交通标志不变特征的道路交通标志分类方法.首先基于慢特征分析的深度学习框架自动学习得到每个阶段的特征映... 针对自然场景下所采集的交通标志存在各种形变,且手工设计提取交通标志不变特征方法需要处理技巧的问题,提出一种自动学习提取交通标志不变特征的道路交通标志分类方法.首先基于慢特征分析的深度学习框架自动学习得到每个阶段的特征映射矩阵;然后基于各阶段特征映射矩阵提取交通标志图像第一阶段特征和第二阶段特征,并将其联合输出作为交通标志的特征;最后使用支持向量机进行交通标志分类.实验结果表明,该方法具有良好的泛化能力,能有效地应用于交通标志分类,所提取的特征具有一定的平移不变和旋转不变性. 展开更多
关键词 不变特征 深度学习 交通标志分类 慢特征分析
下载PDF
面向增材制造的数字孪生实施方法综述
2
作者 孟德状 杨伟东 +1 位作者 蔡子行 郭智 《计算机集成制造系统》 EI CSCD 北大核心 2024年第4期1171-1188,共18页
增材制造以其全数字化加工方式可为数字孪生模型提供可靠的数据支撑;数字孪生有助于增材制造在设计、制造、服务等过程中充分发挥其不同于传统制造的优势,二者的结合在工业制造领域受到广泛关注。以总结数字孪生在增材制造中的实施方法... 增材制造以其全数字化加工方式可为数字孪生模型提供可靠的数据支撑;数字孪生有助于增材制造在设计、制造、服务等过程中充分发挥其不同于传统制造的优势,二者的结合在工业制造领域受到广泛关注。以总结数字孪生在增材制造中的实施方法为目的,介绍了数字孪生的概念和发展历程,分析了增材制造中实施数字孪生的关键技术;基于数字孪生对于增材制造全生命周期过程的应用潜力,从设计、制造、质量检测以及服务4个阶段阐述了国内外相关研究的方法和侧重点。展望了粘结剂喷射工艺中实施数字孪生的挑战,并提出了针对其的一种数字孪生技术路线。最后总结了增材制造中实现数字孪生存在的难题以及未来的发展方向。 展开更多
关键词 数字孪生 增材制造 工业4.0 人工智能 粘结剂喷射
下载PDF
智慧医疗临床应用与技术 被引量：3
3
作者 蔡自兴 蔡昱峰 《医学信息学杂志》 CAS 2021年第10期48-53,共6页
介绍人工智能临床医疗应用领域与主要成果,详细阐述相关人工智能技术发展及应用情况,提出建议,包括客观严谨地评估人工智能技术、更加关注政策支持及伦理问题、高度重视智慧型医生教育培养等。
关键词 人工智能 临床医学 智慧医疗 机器学习
下载PDF
中国智能控制40年 被引量：4
4
作者 蔡自兴 《科技导报》 CAS CSCD 北大核心 2018年第17期23-39,共17页
介绍了智能控制的发展历程,概括了中国智能控制基础研究、学术研究和科技研究的成果,总结了国内智能控制教育、教学和人才培养概况,指出了中国智能控制的存在问题,提出了发展智能控制的建议。
关键词 智能控制 中国智能控制开发 自动控制
原文传递
国际模式识别和机器智能的一代宗师——纪念傅京孙诞辰90周年
5
作者 蔡自兴 《科技导报》 CAS CSCD 北大核心 2020年第20期123-133,共11页
2020年是国际模式识别之父、世界著名人工智能和机器视觉科学家傅京孙(KingSun Fu)诞辰90周年。为缅怀傅京孙传奇的生平事迹,论述了其许多鲜为人知的感人故事,展现了他的科学思想和科学精神,评价了他对国际模式识别和机器智能等学科的... 2020年是国际模式识别之父、世界著名人工智能和机器视觉科学家傅京孙(KingSun Fu)诞辰90周年。为缅怀傅京孙传奇的生平事迹,论述了其许多鲜为人知的感人故事,展现了他的科学思想和科学精神,评价了他对国际模式识别和机器智能等学科的杰出贡献。 展开更多
关键词 傅京孙 模式识别 机器智能
原文传递
快速多维标度算法研究
6
作者 屈太国 蔡自兴 《计算机科学与探索》 CSCD 北大核心 2018年第4期671-680,共10页
经典多维标度法(classical multidimensional scaling,CMDS)是一种常用的数据降维和可视化方法。随着数据规模的扩大,CMDS的运算时间急剧增加。为了提高CMDS的计算速度,研究了3种适用于不同距离矩阵的快速算法。通过预先确定枢轴,减少... 经典多维标度法(classical multidimensional scaling,CMDS)是一种常用的数据降维和可视化方法。随着数据规模的扩大,CMDS的运算时间急剧增加。为了提高CMDS的计算速度,研究了3种适用于不同距离矩阵的快速算法。通过预先确定枢轴,减少了不必要的距离计算,提出了一种基于FastMap的快速算法。基于分而治之策略,提出了一种新的算法dc MDS(divide-and-conquer based MDS)。通过合理地选择标志点集,确保LMDS(landmark multidimensional scaling)能得到与CMDS一致的解。当样本内在维数远小于样本个数时,这些算法都能得到与CMDS完全一致的解,并且在速度上有大幅提高。实验证实了这3种算法与CMDS的一致性以及高效性。 展开更多
关键词 经典多维标度法 iLMDS iFastMap dcMDS
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部