【摘 要】
：
针对不同曲面上QR码变形多样化、识别率低的问题,考虑到极限学习机（ELM）对大量数据的快速分类能力,提出了一种基于ELM的多结构变形QR码分类校正算法。在欧氏距离量化变形特征后
【基金项目】
：
中央高校基本科研业务费专项资金资助项目（2015XS17）
论文部分内容阅读
针对不同曲面上QR码变形多样化、识别率低的问题,考虑到极限学习机（ELM）对大量数据的快速分类能力,提出了一种基于ELM的多结构变形QR码分类校正算法。在欧氏距离量化变形特征后,运用ELM算法把变形结构分为平面变形、半曲面变形和全曲面变形三类,并利用不同分类系数改进QR码坐标透视变换算法,得到校正坐标值。实验结果表明,此方法不仅提高了QR码在曲面上的校正准确率,而且通过分类提高了曲面变形和平面变形QR码的校正速度。
其他文献
为满足多种任务快速反应的需求,提出了一个基于成像资源能力的多星区域观测任务规划方法。该方法对成像资源能力进行了形式化描述,提出了成像资源能力的测量框架以及计算资源能力的依据,通过对分析目标观测区域覆盖面方法进行研究,给出基于成像资源能力的区域任务观测规划算法,并通过测试实例对上述结论进行了验证。结果表明提出的区域任务观测规划算法能够有效地促进多卫星在重叠区域的协作,提高了规划效率。
现有的多核学习算法大多假设训练样本分类完全正确,将其应用到受扰分类样本上时,由于分类存在差错,因此往往只能实现次优性能。为了解决这一问题,首先将受扰分类多核学习问题建模为随机规划问题,并得到一种极小极大表达式;然后提出基于复合梯度映射的一阶学习算法对问题进行求解。理论分析表明,该算法的收敛速度为O(1/T),大大快于传统算法的收敛速度O(1槡/T)。最后,基于五个UCI数据集的实验结果也验证了本文
通过引入熵的概念,提出了基于不重叠路径数的标准稳定熵指标,用于刻画节点间抗毁性随不重叠路径数变化的规律。在此基础上给出了用于全网抗毁性评估的模型。同时指出了评价模型中涉及的节点间不重叠路径数的计算方法。最后通过算例分析以及与最短路径法相比较,论证了基于不重叠路径熵的模型在网络抗毁性评估方面具有更高的准确性与合理性。
为提高传统协商自学习能力,利用多agent智能技术,建立基于黑板模型的协商框架,构建五元组协商模型,采取Q-强化学习算法,给出一种协商策略;使用RBF神经网络进一步优化协商策略,预测对手信息并调整让步幅度。通过算例验证该方法的可行性和有效性,通过与未改进的Q-强化学习算法对比,该方法可增强协商agent的自学习能力,缩短协商时间,提高冲突消解效率。
在EEG信号识别中,传统的模糊系统建模方法均假设模型的训练数据集和测试集服从相同的分布,但在实际应用中,该假设受到了严峻的挑战。针对上述挑战,探讨了适宜于数据分布迁移环境的直推式0阶模糊系统构建方法,构造了基于二分类模型的直推式0阶模糊系统目标函数来训练系统参数。提出的直推式迁移0阶TSK型模糊系统(TL-0-TSK-FS)算法在癫痫EEG信号的自适应识别的研究结果表明,该方法较之相关方法显示出了