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
2
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
基于双特征融合与自适应提升机制的图像动作识别算法
被引量：
9
1
作者
罗冬梅
左金水
余文森
《电子测量与仪器学报》
CSCD
北大核心
2017年第12期1929-1936,共8页
针对复杂环境中动作识别易受到光照变化、目标旋转,遮挡等导致目标位置不精确,目标漂移以及识别错误等问题,提出了一种基于双特征融合与自适应提升的动作识别算法。首先,基于时空上下文(spatio-temporal context,STC)机制,通过时空上下...
针对复杂环境中动作识别易受到光照变化、目标旋转,遮挡等导致目标位置不精确,目标漂移以及识别错误等问题,提出了一种基于双特征融合与自适应提升的动作识别算法。首先,基于时空上下文(spatio-temporal context,STC)机制,通过时空上下文关系与视觉系统特性来提取图像序列特征,降低光照变化、遮挡对行为动作的影响;同时,利用卷积神经网络(convolution neural network,CNN)来处理图像序列,分别获得STC特征与CNN特征;其次,引入主成分分析算子,定义双特征融合规则,对获得STC特征与CNN特征进行组合,形成一种更准确、完整的特征表示;然后,通过得到的新特征,利用自适应提升算法(adaptive boosting algorithm,ABA)进行分类训练,完成对行为动作决策判断。在Weizmann、Hollywood数据集上测试表明,相对于当前常用的动作识别方法,所提算法对各种行为动作具有更高的识别精度与鲁棒性,更能适应复杂背景和动作变化。所提算法具有较高的人体动作识别精度,在视频监测、人机交互等领域具有一定的应用价值。
展开更多
关键词
图像动作识别
时空上下文
双特征融合
卷积神经网络
主成分分析
自适应提升算法
下载PDF
职称材料
基于AdaBoost-PSO-ELM算法的滑坡位移预测研究
被引量：
2
2
作者
张晓明
曹国清
+1 位作者
陈增强
何佳康
《电子技术应用》
2019年第2期84-87,92,共5页
矿山排土场滑坡的过程是一个动态、大延迟、高度非线性的特性问题,影响矿山排土场滑坡的因素众多,各个特性指标间相互影响,关于排土场滑坡预警并没有严格的划分标准。对此,提出一种自适应提升算法(Adaptive Boosting, AdaBoost)、改进...
矿山排土场滑坡的过程是一个动态、大延迟、高度非线性的特性问题,影响矿山排土场滑坡的因素众多,各个特性指标间相互影响,关于排土场滑坡预警并没有严格的划分标准。对此,提出一种自适应提升算法(Adaptive Boosting, AdaBoost)、改进的粒子群算法(Particle Swarm Optimization, PSO)和极限学习机(Extreme Learning Ma chine, ELM)相结合的矿山排土场滑坡短期预测方法。该方法首先利用粒子群优化算法得出ELM模型的最佳输入参数,再通过自适应提升算法将得到的多个极限学习机弱预测器组成新的强预测器并进行预测,最后以某矿山排土场采集的数据为算例,结果表明改进的组合方法的预测精度明显优于由粒子群优化算法优化参数的极限学习机模型和单独的极限学习机模型的预测精度,其预测结果接近于真实值,为实现矿山排土场滑坡预警提供了可能。
展开更多
关键词
粒子群算法
自适应提升算法
极限学习机
滑坡预测
矿山排土场
下载PDF
职称材料
题名
基于双特征融合与自适应提升机制的图像动作识别算法
被引量：
9
1
作者
罗冬梅
左金水
余文森
机构
武夷学院信息技术与实验室管理中心
浙江工商大学管理学院
武夷学院数学与计算机学院
出处
《电子测量与仪器学报》
CSCD
北大核心
2017年第12期1929-1936,共8页
基金
教育部科学青年基金(13YJC630253)
福建省自然科学基金(2015J01668)
福建省中青年教师教育科研项目(JB14103)资助
文摘
针对复杂环境中动作识别易受到光照变化、目标旋转,遮挡等导致目标位置不精确,目标漂移以及识别错误等问题,提出了一种基于双特征融合与自适应提升的动作识别算法。首先,基于时空上下文(spatio-temporal context,STC)机制,通过时空上下文关系与视觉系统特性来提取图像序列特征,降低光照变化、遮挡对行为动作的影响;同时,利用卷积神经网络(convolution neural network,CNN)来处理图像序列,分别获得STC特征与CNN特征;其次,引入主成分分析算子,定义双特征融合规则,对获得STC特征与CNN特征进行组合,形成一种更准确、完整的特征表示;然后,通过得到的新特征,利用自适应提升算法(adaptive boosting algorithm,ABA)进行分类训练,完成对行为动作决策判断。在Weizmann、Hollywood数据集上测试表明,相对于当前常用的动作识别方法,所提算法对各种行为动作具有更高的识别精度与鲁棒性,更能适应复杂背景和动作变化。所提算法具有较高的人体动作识别精度,在视频监测、人机交互等领域具有一定的应用价值。
关键词
图像动作识别
时空上下文
双特征融合
卷积神经网络
主成分分析
自适应提升算法
Keywords
image
motion
recognition
temporal
and
spatial
context
double
feature
fusion
convolution
neural
network
principal
component
analysis
adaptive
lifting
algorithm
分类号
TP399 [自动化与计算机技术—计算机应用技术]
TN99 [自动化与计算机技术—计算机科学与技术]
下载PDF
职称材料
题名
基于AdaBoost-PSO-ELM算法的滑坡位移预测研究
被引量：
2
2
作者
张晓明
曹国清
陈增强
何佳康
机构
北京石油化工学院信息工程学院
北京化工大学信息科学与技术学院
出处
《电子技术应用》
2019年第2期84-87,92,共5页
基金
北京市教育委员会科技计划项目(KM201710017008)
文摘
矿山排土场滑坡的过程是一个动态、大延迟、高度非线性的特性问题,影响矿山排土场滑坡的因素众多,各个特性指标间相互影响,关于排土场滑坡预警并没有严格的划分标准。对此,提出一种自适应提升算法(Adaptive Boosting, AdaBoost)、改进的粒子群算法(Particle Swarm Optimization, PSO)和极限学习机(Extreme Learning Ma chine, ELM)相结合的矿山排土场滑坡短期预测方法。该方法首先利用粒子群优化算法得出ELM模型的最佳输入参数,再通过自适应提升算法将得到的多个极限学习机弱预测器组成新的强预测器并进行预测,最后以某矿山排土场采集的数据为算例,结果表明改进的组合方法的预测精度明显优于由粒子群优化算法优化参数的极限学习机模型和单独的极限学习机模型的预测精度,其预测结果接近于真实值,为实现矿山排土场滑坡预警提供了可能。
关键词
粒子群算法
自适应提升算法
极限学习机
滑坡预测
矿山排土场
Keywords
particle
swarm
optimization
adaptive
lifting
algorithm
extreme
learning
machine
landslide
prediction
mine
dumping
site
分类号
TP181 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于双特征融合与自适应提升机制的图像动作识别算法
罗冬梅
左金水
余文森
《电子测量与仪器学报》
CSCD
北大核心
2017
9
下载PDF
职称材料
2
基于AdaBoost-PSO-ELM算法的滑坡位移预测研究
张晓明
曹国清
陈增强
何佳康
《电子技术应用》
2019
2
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
