-
题名面向环境变化监测的天线传感器仿真分析
- 1
-
-
作者
张菡玫
-
机构
武昌职业学院
-
出处
《河南科技》
2024年第4期14-18,共5页
-
文摘
【目的】为了精确检测出固体材料内的环境变化,设计出一种完全开放的、埋于被测材料中的天线传感器,并在此基础上设计出一个可监测环境内各种元素变化的传感器。【方法】利用有限元法来计算天线的输入阻抗,通过建模推导出传感器的灵敏度方程,并进行仿真分析。通过调整天线旁圆柱体的距离和高度来模拟真实环境变化,验证天线传感器对周围环境进行监测的灵敏性。【结果】当圆柱体距离天线传感器在0~50 mm范围内不断移动,且改变圆柱体高度时,圆柱体高度越高,共振就越小,此时的磁场E越大,频率区间的反射系数越大。【结论】由仿真结果可知,天线传感器可测量较近环境(0~50 mm)的变化情况。当圆柱体距离天线传感器位置越近,且高度越高时,灵敏度值就越大,此时监测环境变化的情况就越精确。
-
关键词
天线传感器
有限元法
灵敏度
输入阻抗
-
Keywords
antenna sensor
finite element method
sensitivity
input impedance
-
分类号
TN821
[电子电信—信息与通信工程]
-
-
题名数字乳腺层析图像纹理特征联合提取与识别
被引量：2
- 2
-
-
作者
汪友明
张菡玫
汤少杰
-
机构
西安邮电大学自动化学院
-
出处
《西安邮电大学学报》
2018年第3期65-68,共4页
-
文摘
为提高乳腺组织图像特征提取的正确率,结合灰度共生矩阵纹理特征与Tamura纹理特征,给出一种联合提取与识别算法。采用双边滤波、受约束限制自适应直方图均衡和L0梯度滤波,对数字乳腺层析图像进行预处理,滤除其噪声并提高对比度;同时考虑灰度共生矩阵与Tamura纹理特征,通过增加特征值维度,将两者融合入一个矩阵之中,并依据特征选择规则提取最适特征;用支持向量机对特征向量分类。与仅依赖其中一种纹理特征的提取算法相比,所给算法可提高特征提取与识别正确率,从而更好地实现图像分类。
-
关键词
数字乳腺层析(DBT)图像
灰度共生矩阵
Tamura纹理特征
特征选择
支持向量机(SVM)
-
Keywords
digital breast tomosynthesis（DBT） image
gray level co-occurrence matrix（GLCM）
Tamura texture feature
feature selection
support vector maching （SVM））
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名乳腺肿瘤图像的融合纹理特征提取方法
被引量：2
- 3
-
-
作者
汪友明
张菡玫
-
机构
西安邮电大学
-
出处
《计算机与数字工程》
2019年第6期1497-1501,共5页
-
文摘
为了准确地识别乳腺肿瘤图像特征,提出一种改进的灰度共生矩阵(GLCM)与Tamura相结合的纹理特征提取算法。首先对乳腺肿瘤图像进行预处理,滤除图像噪声部分并提高图像的对比度;通过对传统的灰度共生矩阵进行改进,减少大量的冗余信息,增强图像的识别率;最后将改进的灰度共生矩阵与Tamura相结合,提取图像纹理特征,并进行图像特征识别。实验结果表明,乳腺肿瘤图像特征识别率可达到96.67%,平均计算时间为14.6s,具有较高的识别准确率和计算效率。
-
关键词
纹理特征
灰度共生矩阵
Tamura纹理
图像分类
-
Keywords
textural feature
gray level co-occurrence matrix
Tamura texture
image classification
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于Relief-PGS优化算法的数据分类
- 4
-
-
作者
张菡玫
-
机构
武昌职业学院
-
出处
《河南科技》
2023年第24期31-35,共5页
-
文摘
【目的】在选取图像特征对图像进行分类时,选取的特征属性是否冗余会影响到图像分类的正确率。为提高分类的准确率,使用Relief-PGS优化算法对特征子集和支持向量机参数同步进行优化。【方法】首先使用Relief算法对特征数据集进行筛选,其次将筛选出的特征子集数目和支持向量机参数一起编码到粒子群-遗传算法中进行同步优化,最后对处理后的数据集进行分类,能有效提高分类的准确率。【结果】选取UCI数据库中的5种数据集进行分类,与传统的SVM算法、PGS算法和Relief-SVM算法相比,Relief-PGS优化算法对图像分类的准确率分别提高了22.53%、6.05%和11.16%。【结论】研究结果表明,Relief-PGS算法在去掉不重要特征的同时,对支持向量机参数进行优化,能有效提高分类的准确率。
-
关键词
特征选择
RELIEF算法
遗传-粒子群算法
支持向量机
-
Keywords
feature selection
Relief algorithm
genetic-particle swarm algorithm
support vector machine
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
