Agile manufacturing is an important manufacturing philosophy to develop advanced manufacturing enterprises to improve competivity. The evaluation of Agile Manufacturing Enterprises (AME) is one of the key activities i...Agile manufacturing is an important manufacturing philosophy to develop advanced manufacturing enterprises to improve competivity. The evaluation of Agile Manufacturing Enterprises (AME) is one of the key activities in implementing agile manufacturing. This paper proposes a method for evaluating AME, establishes a basic feature model of AME based on the feature tree and discusses the hierarchical decomposition algorithm based on the model with an example.展开更多
基于SURF(Speeded Up Robust Features)特征点提取是目前比较流行的图像配准方法.本文在SURF基础上,提出一种基于分块策略的改进方法:首先采用分水岭分割法确定图像的分块数量,然后对图像进行分块,每个子块提取一定数量的特征点,以便实...基于SURF(Speeded Up Robust Features)特征点提取是目前比较流行的图像配准方法.本文在SURF基础上,提出一种基于分块策略的改进方法:首先采用分水岭分割法确定图像的分块数量,然后对图像进行分块,每个子块提取一定数量的特征点,以便实现特征点的均匀提取;再通过稀疏特征树法找出匹配的特征点对;最后用RANSAC算法剔除错误匹配特征点对,同时计算参考图像与待配准图像的变换关系.实验表明,该方法能够高效、快速地解决遥感图像的自动配准问题.展开更多
特征选择是数据挖掘的关键过程,特征贡献度评分和特征优选是其核心部分.针对特征贡献度评分,提出一种用变异系数度量类内距离、互信息度量类间距离的CVMI(coefficient of variation and mutual of information)方法,将该算法运用到嵌入...特征选择是数据挖掘的关键过程,特征贡献度评分和特征优选是其核心部分.针对特征贡献度评分,提出一种用变异系数度量类内距离、互信息度量类间距离的CVMI(coefficient of variation and mutual of information)方法,将该算法运用到嵌入式特征选择方法中进行特征优选.实验采用UCI提供的4组数据集、1组遥感数据和1组鸟鸣声数据,使用7种特征贡献度评分方法进行对比.结果表明,CVMI方法更符合特征贡献度评价的客观规律,对比其他7种方法,CVMI方法取得较好效果.此外,基于CVMI特征评分方法构建最大特征树,结合二邻域去冗余的特征优选方法CVMI-RRMFT(remove redundancy of maximum feature tree),采用上述数据集进行实验,结果表明该方法不仅能有效降低数据维度,而且还能提高分类准确率.展开更多
文摘Agile manufacturing is an important manufacturing philosophy to develop advanced manufacturing enterprises to improve competivity. The evaluation of Agile Manufacturing Enterprises (AME) is one of the key activities in implementing agile manufacturing. This paper proposes a method for evaluating AME, establishes a basic feature model of AME based on the feature tree and discusses the hierarchical decomposition algorithm based on the model with an example.
文摘基于SURF(Speeded Up Robust Features)特征点提取是目前比较流行的图像配准方法.本文在SURF基础上,提出一种基于分块策略的改进方法:首先采用分水岭分割法确定图像的分块数量,然后对图像进行分块,每个子块提取一定数量的特征点,以便实现特征点的均匀提取;再通过稀疏特征树法找出匹配的特征点对;最后用RANSAC算法剔除错误匹配特征点对,同时计算参考图像与待配准图像的变换关系.实验表明,该方法能够高效、快速地解决遥感图像的自动配准问题.
文摘特征选择是数据挖掘的关键过程,特征贡献度评分和特征优选是其核心部分.针对特征贡献度评分,提出一种用变异系数度量类内距离、互信息度量类间距离的CVMI(coefficient of variation and mutual of information)方法,将该算法运用到嵌入式特征选择方法中进行特征优选.实验采用UCI提供的4组数据集、1组遥感数据和1组鸟鸣声数据,使用7种特征贡献度评分方法进行对比.结果表明,CVMI方法更符合特征贡献度评价的客观规律,对比其他7种方法,CVMI方法取得较好效果.此外,基于CVMI特征评分方法构建最大特征树,结合二邻域去冗余的特征优选方法CVMI-RRMFT(remove redundancy of maximum feature tree),采用上述数据集进行实验,结果表明该方法不仅能有效降低数据维度,而且还能提高分类准确率.
