期刊导航
期刊开放获取
cqvip
退出
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
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
检索
高级检索
期刊导航
共找到
4
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:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于鲁棒主成分分析法的红外可见光图像融合
被引量:
5
1
作者
杨彬
黄润才
王从澳
《制造业自动化》
CSCD
北大核心
2022年第6期4-7,16,共5页
针对红外可见光图像融合效果较差且容易丢失主要信息等问题,提出一种基于鲁棒主成分分析法(RPCA)的红外可见光图像融合方法。应用RPCA将图像数据矩阵分解得到低秩矩阵和稀疏矩阵,对于更好的区分红外图像的目标信息和可见光图像的背景信...
针对红外可见光图像融合效果较差且容易丢失主要信息等问题,提出一种基于鲁棒主成分分析法(RPCA)的红外可见光图像融合方法。应用RPCA将图像数据矩阵分解得到低秩矩阵和稀疏矩阵,对于更好的区分红外图像的目标信息和可见光图像的背景信息本身就是模糊问题。利用区域能量和模糊逻辑隶属度函数来计算得到权重系数从而融合低秩分量;在稀疏分量,选用自适应PCNN对稀疏分量融合,以信息熵作为反馈输入来调节自适应PCNN参数。结果表明相比传统方法来说,该方法可以更好的保持红外图像目标信息和可见光图像背景信息,而使得融合效果更好。
展开更多
关键词
图像融合
RPCA
模糊逻辑
隶属度函数
脉冲耦合神经网络
下载PDF
职称材料
基于改进的NSCT红外可见光图像融合算法
被引量:
2
2
作者
杨彬
黄润才
王从澳
《计算机与现代化》
2021年第6期48-53,共6页
针对在红外可见光图像融合过程中目标细节信息容易丢失的问题,提出一种使用非下采样轮廓波变换(NSCT)和主成分分析法(PCA)相结合的图像融合算法。首先应用NSCT将源图像分解分别得到低频和高频的子带图像。在低频子带系数中,由于PCA能够...
针对在红外可见光图像融合过程中目标细节信息容易丢失的问题,提出一种使用非下采样轮廓波变换(NSCT)和主成分分析法(PCA)相结合的图像融合算法。首先应用NSCT将源图像分解分别得到低频和高频的子带图像。在低频子带系数中,由于PCA能够突出图像的主要信息,所以选用主成分分析法融合规则。高频子带中,相对来说较高层次系数表达的是源图像中最为细节的信息,可选用绝对最大值法融合规则,而相比之下低层次系数代表了较为粗糙的信息,可选用绝对最大值与区域标准差融合规则。从实验结果可以得出,在红外可见光图像目标信息和细节信息融合效果上该算法优于其他算法,有更好的图像视觉效果。
展开更多
关键词
图像融合
红外图像
可见光图像
NSCT
PCA
下载PDF
职称材料
基于K-prototype聚类算法恐怖分子嫌疑度的划分
被引量:
2
3
作者
闫普虹
黄润才
+3 位作者
姜川
孙园园
孙刘成
王从澳
《智能计算机与应用》
2020年第3期241-245,共5页
当今,恐怖分子作案的多样性和复杂性给相关机构的破案大大增加了难度,如何迅速简便地发现隐藏的恐怖分子,是安全机构最为关心的问题。本文基于K-prototype聚类算法,依据恐怖事件发生的数据特征,运用SPSS软件对此数据进行标准化处理,得...
当今,恐怖分子作案的多样性和复杂性给相关机构的破案大大增加了难度,如何迅速简便地发现隐藏的恐怖分子,是安全机构最为关心的问题。本文基于K-prototype聚类算法,依据恐怖事件发生的数据特征,运用SPSS软件对此数据进行标准化处理,得出恐怖分子典型事件的嫌疑度样例的特征向量,通过Python进行聚类分析,得到五类别聚类中心分布图。实验结果验证了方法的可行性与有效性,为安全机构对恐怖分子嫌疑度的划分提供了一种分析方法。
展开更多
关键词
k-mean++
嫌疑度
PYTHON
K-prototype聚类
下载PDF
职称材料
我国汽车零配件产品的对标达标提升路径研究
4
作者
金爱蝶
阮万兴
+1 位作者
金琮翱
孔祥威
《中国标准化》
2022年第16期66-70,共5页
本文通过对汽车零配件产业及其标准现状的介绍,建立了对标达标实施路径,以期不断提升我国汽车零配件标准水平,持续提升产品质量,保障产品的市场竞争力,同时为其他行业开展对标达标提升工作提供路径参考。
关键词
对标达标
质量
汽车零配件
路径
下载PDF
职称材料
题名
基于鲁棒主成分分析法的红外可见光图像融合
被引量:
5
1
作者
杨彬
黄润才
王从澳
机构
上海工程技术大学电子电气工程学院
出处
《制造业自动化》
CSCD
北大核心
2022年第6期4-7,16,共5页
文摘
针对红外可见光图像融合效果较差且容易丢失主要信息等问题,提出一种基于鲁棒主成分分析法(RPCA)的红外可见光图像融合方法。应用RPCA将图像数据矩阵分解得到低秩矩阵和稀疏矩阵,对于更好的区分红外图像的目标信息和可见光图像的背景信息本身就是模糊问题。利用区域能量和模糊逻辑隶属度函数来计算得到权重系数从而融合低秩分量;在稀疏分量,选用自适应PCNN对稀疏分量融合,以信息熵作为反馈输入来调节自适应PCNN参数。结果表明相比传统方法来说,该方法可以更好的保持红外图像目标信息和可见光图像背景信息,而使得融合效果更好。
关键词
图像融合
RPCA
模糊逻辑
隶属度函数
脉冲耦合神经网络
分类号
TP391 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
基于改进的NSCT红外可见光图像融合算法
被引量:
2
2
作者
杨彬
黄润才
王从澳
机构
上海工程技术大学电子电气工程学院
出处
《计算机与现代化》
2021年第6期48-53,共6页
文摘
针对在红外可见光图像融合过程中目标细节信息容易丢失的问题,提出一种使用非下采样轮廓波变换(NSCT)和主成分分析法(PCA)相结合的图像融合算法。首先应用NSCT将源图像分解分别得到低频和高频的子带图像。在低频子带系数中,由于PCA能够突出图像的主要信息,所以选用主成分分析法融合规则。高频子带中,相对来说较高层次系数表达的是源图像中最为细节的信息,可选用绝对最大值法融合规则,而相比之下低层次系数代表了较为粗糙的信息,可选用绝对最大值与区域标准差融合规则。从实验结果可以得出,在红外可见光图像目标信息和细节信息融合效果上该算法优于其他算法,有更好的图像视觉效果。
关键词
图像融合
红外图像
可见光图像
NSCT
PCA
Keywords
image fusion
infrared image
visible light image
NSCT
PCA
分类号
TP391 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
基于K-prototype聚类算法恐怖分子嫌疑度的划分
被引量:
2
3
作者
闫普虹
黄润才
姜川
孙园园
孙刘成
王从澳
机构
上海工程技术大学电子电气工程学院
出处
《智能计算机与应用》
2020年第3期241-245,共5页
文摘
当今,恐怖分子作案的多样性和复杂性给相关机构的破案大大增加了难度,如何迅速简便地发现隐藏的恐怖分子,是安全机构最为关心的问题。本文基于K-prototype聚类算法,依据恐怖事件发生的数据特征,运用SPSS软件对此数据进行标准化处理,得出恐怖分子典型事件的嫌疑度样例的特征向量,通过Python进行聚类分析,得到五类别聚类中心分布图。实验结果验证了方法的可行性与有效性,为安全机构对恐怖分子嫌疑度的划分提供了一种分析方法。
关键词
k-mean++
嫌疑度
PYTHON
K-prototype聚类
Keywords
k-mean++
suspicion
Python
K-prototype cluster analysis
分类号
TP-31 [自动化与计算机技术]
下载PDF
职称材料
题名
我国汽车零配件产品的对标达标提升路径研究
4
作者
金爱蝶
阮万兴
金琮翱
孔祥威
机构
温州佳合标准化信息技术事务所
浙江工贸职业技术学院
出处
《中国标准化》
2022年第16期66-70,共5页
文摘
本文通过对汽车零配件产业及其标准现状的介绍,建立了对标达标实施路径,以期不断提升我国汽车零配件标准水平,持续提升产品质量,保障产品的市场竞争力,同时为其他行业开展对标达标提升工作提供路径参考。
关键词
对标达标
质量
汽车零配件
路径
Keywords
standards comparison and compliance
quality
auto parts
path
分类号
U468 [机械工程—车辆工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于鲁棒主成分分析法的红外可见光图像融合
杨彬
黄润才
王从澳
《制造业自动化》
CSCD
北大核心
2022
5
下载PDF
职称材料
2
基于改进的NSCT红外可见光图像融合算法
杨彬
黄润才
王从澳
《计算机与现代化》
2021
2
下载PDF
职称材料
3
基于K-prototype聚类算法恐怖分子嫌疑度的划分
闫普虹
黄润才
姜川
孙园园
孙刘成
王从澳
《智能计算机与应用》
2020
2
下载PDF
职称材料
4
我国汽车零配件产品的对标达标提升路径研究
金爱蝶
阮万兴
金琮翱
孔祥威
《中国标准化》
2022
0
下载PDF
职称材料
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
确定
用户登录
登录
IP登录
使用帮助
返回顶部