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
具有高区分度的视频火焰检测方法
被引量:
9
1
作者
谢迪
童若锋
+1 位作者
唐敏
冯阳
《浙江大学学报(工学版)》
EI
CAS
CSCD
北大核心
2012年第4期698-704,共7页
为了在视频监控系统中准确地判断火焰区域并预测火灾的发生,提出一种新的基于人工神经网络的视频火焰检测方法.该方法在分析火焰的运动和三维颜色特征的基础上,分别通过傅里叶变换和圆形度分析、角点检测的方法研究火焰的闪烁频率、几...
为了在视频监控系统中准确地判断火焰区域并预测火灾的发生,提出一种新的基于人工神经网络的视频火焰检测方法.该方法在分析火焰的运动和三维颜色特征的基础上,分别通过傅里叶变换和圆形度分析、角点检测的方法研究火焰的闪烁频率、几何形状对应的时空域特征,采用获得的各类特征构成概率向量作为人工神经网络分类模型的输入,输出表示火灾发生的概率.在保持检测准确率的同时,该方法通过实验选择最优的参数组合解决神经网络容易陷入局部极值及收敛慢的问题.该方法可以区分大空间(隧道、仓库、博物馆等建筑物)中闪烁的车灯和真实火焰,能够避免在实际的视频监控系统应用中将闪烁车灯误判为火焰,有效减少环境光对检测结果的影响,降低火灾火焰的误报率.实验结果表明,采用该方法在保持检测实时性的同时,能够达到96%的检测正确率.
展开更多
关键词
火焰检测
人工神经网络
傅里叶变换
圆形度
角点检测
多变量高斯模型
分层
k
-
means
下载PDF
职称材料
基于聚类方法的审计分层抽样算法研究
被引量:
7
2
作者
夏锋
彭鑫
赵文耘
《计算机应用与软件》
CSCD
北大核心
2008年第1期14-16,共3页
针对审计抽样中最复杂的抽样算法—分层抽样,从数据挖掘中"聚类"的角度出发,较好地运用了聚类思想于审计抽样的分层抽样算法之中,为该算法的实现提供了一种新的解决方案。AICPA39没有为分层抽样提供具体的实现方式,国内的学...
针对审计抽样中最复杂的抽样算法—分层抽样,从数据挖掘中"聚类"的角度出发,较好地运用了聚类思想于审计抽样的分层抽样算法之中,为该算法的实现提供了一种新的解决方案。AICPA39没有为分层抽样提供具体的实现方式,国内的学者曾从统计学角度有过实现,将从计算机科学角度实现方法与统计学实现方法进行分析比较,这是对分层抽样算法实现的有益新探索。
展开更多
关键词
数据挖掘
聚类
审计抽样
分层
抽样
k
-
means
算法
下载PDF
职称材料
题名
具有高区分度的视频火焰检测方法
被引量:
9
1
作者
谢迪
童若锋
唐敏
冯阳
机构
浙江大学计算机科学与技术学院
浙江警察学院计算机科学与技术学院
出处
《浙江大学学报(工学版)》
EI
CAS
CSCD
北大核心
2012年第4期698-704,共7页
基金
浙江省科技厅优先主题重点社会发展资助项目(2010C13023)
浙江省自然科学基金资助项目(Y1100018)
文摘
为了在视频监控系统中准确地判断火焰区域并预测火灾的发生,提出一种新的基于人工神经网络的视频火焰检测方法.该方法在分析火焰的运动和三维颜色特征的基础上,分别通过傅里叶变换和圆形度分析、角点检测的方法研究火焰的闪烁频率、几何形状对应的时空域特征,采用获得的各类特征构成概率向量作为人工神经网络分类模型的输入,输出表示火灾发生的概率.在保持检测准确率的同时,该方法通过实验选择最优的参数组合解决神经网络容易陷入局部极值及收敛慢的问题.该方法可以区分大空间(隧道、仓库、博物馆等建筑物)中闪烁的车灯和真实火焰,能够避免在实际的视频监控系统应用中将闪烁车灯误判为火焰,有效减少环境光对检测结果的影响,降低火灾火焰的误报率.实验结果表明,采用该方法在保持检测实时性的同时,能够达到96%的检测正确率.
关键词
火焰检测
人工神经网络
傅里叶变换
圆形度
角点检测
多变量高斯模型
分层
k
-
means
Keywords
fire detection
artificial neural networ
k
Fourier transformation
roundness degree
corner detection
multivariate Gaussian model
hierarchical
k
-
means
分类号
TP391.41 [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
基于聚类方法的审计分层抽样算法研究
被引量:
7
2
作者
夏锋
彭鑫
赵文耘
机构
复旦大学计算机科学与工程系
出处
《计算机应用与软件》
CSCD
北大核心
2008年第1期14-16,共3页
基金
国家自然科学基金(60473061)
国家863计划(2005AA113120)
上海市科学技术委员会(04DZ15022)。
文摘
针对审计抽样中最复杂的抽样算法—分层抽样,从数据挖掘中"聚类"的角度出发,较好地运用了聚类思想于审计抽样的分层抽样算法之中,为该算法的实现提供了一种新的解决方案。AICPA39没有为分层抽样提供具体的实现方式,国内的学者曾从统计学角度有过实现,将从计算机科学角度实现方法与统计学实现方法进行分析比较,这是对分层抽样算法实现的有益新探索。
关键词
数据挖掘
聚类
审计抽样
分层
抽样
k
-
means
算法
Keywords
Data mining Clustering Auditing sampling Stratified sampling
k
-
means
分类号
TP311.13 [自动化与计算机技术—计算机软件与理论]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
具有高区分度的视频火焰检测方法
谢迪
童若锋
唐敏
冯阳
《浙江大学学报(工学版)》
EI
CAS
CSCD
北大核心
2012
9
下载PDF
职称材料
2
基于聚类方法的审计分层抽样算法研究
夏锋
彭鑫
赵文耘
《计算机应用与软件》
CSCD
北大核心
2008
7
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