分享到:

图像特征提取及基于内容图像数据库检索理论和方法研究

图像数据库检索是当今信息时代人们广泛关注的热点问题,主要包括对图像内容的描述(特征表达及提取)、图像数据库管理、图像匹配等内容。本文以图像数据库检索为主线,讨论了基于视觉内容的图像检索方法,提出包括基于区域颜色直方图、灰度—基元共生矩阵及向心矩比、偏心矩比、惯性矩比的特征描述方式;对遗传算法存在的早熟、收敛到最优解慢等问题提出了解决方法,并将改进遗传算法应用到图像分割中,编制了相应程序。颜色特征是描述图像的最常用方法,颜色直方图利用图像颜色的比例分布能够较好地反映图像颜色特征。但是因为颜色直方图很难体现图像的空间信息,会出现同一直方图对应多幅图像问题。本文提出的基于区域块的颜色直方图技术,首先将目标集中在图像的中间区域,再将图像以金字塔结构形式进行分块。通过比较各个区域颜色直方图的相似性匹配图像,可克服全局直方图的局限性,对颜色直方图的度量是其中一个关键技术,利用惯性比来从颜色直方图提取特征,能够保证简单明了地表达颜色直方图。对  (本文共112页) 本文目录 | 阅读全文>>

《数学的实践与认识》2017年01期
数学的实践与认识

基于多分类支持向量机的评估模型研究

1 引言随着我国消费信贷市场的日益发展,贷款已成为商业银行最重要的盈利资产,同时也是风险较大的资产,因此银行对客户提出的贷款申请,必须依据客户提供的基本信息和资信记录采用某种科学的决策方法进行应用评估.国外银行对于这方面的研究已经有50多年的历史了,许多方法如回归分析、判别分析、遗传算法、神经网络、专家系统、支持向量机等都应用到了个人信用评估领域.但是由于信用评估本身是非线性分类问题,因此线性模型分类效果不理想,支持向量机是20世纪90年代中期发展起来的一种机器学习理论,一个好的SVM分类器使分类间隔尽可能大,但支持向量数目尽量少.目前已经将此方法应用到了预测和分类等方面但是尤其其核函数参数的选取和惩罚系数的确定,直接影响了支持向量机的推广能力.大多数情况是应该经验来全取参数,但是也有一些方法可以计算这些参数,比如PSO和梯度下降法,虽然也具体了较好的效果,但是容易陷入局部极小值.遗传算法是模拟生物进化现象的一种优化方法,不依赖...  (本文共6页) 阅读全文>>

《经济数学》2017年01期
经济数学

基于高斯核支持向量机和遗传算法的优化组合研究

1引言机器学习研究计算机怎样模拟或实现人类的学习行为,以获得新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能.机器学习在实际分类问题中广泛应用与众多领域,如通信技术[1],网络流量分析[2],医学成像[3],时间序列分析[4]等.相比于ARMA或者ARCH这些传统的技术和定量分析方法模型,机器学习从大量数据中发现隐含的模式,构建更为复杂的模型来实现对未来的预测更能体现模型的优越性与实用性.研究表明,采用机器学习的方法对金融市场进行预测,将特征属性作为输入来发现其与隐藏模式之间的联系,能够预测未来价格趋势或预测趋势信心的百分比.尤其在证券交易中,运用支持向量机,神经网络等混合模型进行学习能够得到更为有前景的结果[5].目前,金融预测是机器学习在资本市场对数据进行挖掘的最重要的应用,机器学习的技术包括神经网络,支持向量机,遗传计算等.已经有很多学者在这方面进行了研究,卢和吴[6]采用了人工神经网络对标普500指数的未来走...  (本文共7页) 阅读全文>>

《电子科技》2017年08期
电子科技

一种基于SVM的负载识别算法

负载监测技术如智能仪表可以为发电厂提供实时的能源消耗、最大需求、消耗模式和电能质量,电力公司可利用这些信息进行分析,提供一些激励项目来鼓励用户使用能效更高的设备,以及帮助电力公司有效管理电力需求并建立未来的扩张计划。负载监测技术中的识别电网中正在使用的负载类型,能够帮助人们监测管理电网中正在使用的负载,提高能源利用效率[1]。还可应用于监管电网违禁电器。文献[2~8]是基于负载稳定状态下的一些特征如有功功率、无功功率、电流谐波等进行负载识别的。文献[9]采用两阶段的模糊分类方法,第一阶段采用基于Fuzzy c-Means聚类方法来初步确定参数和模糊的If-Then规则,第二阶段采用EBPA算法(ErrorBack-Propagation Algorithm)和遗传算法(GA)来寻找好的参数来提高负载识别的准确率。文献[10]通过ESD(Edge Symbol Detector)来检测负载的接通断开事件,并通过3个特征基于支持向量...  (本文共4页) 阅读全文>>

《鲁东大学学报(自然科学版)》2017年04期
鲁东大学学报(自然科学版)

一种基于改进遗传算法的图像分割方法

随着网络通讯技术的飞速发展,视频、图像、3D动画等媒体文件遍布各行各业,对媒体文件处理的研究也变得日益重要与紧迫.图像处理是利用媒体文件的基础,为后续的图像理解、图像分析等提供了前期基础[1],而图像分割是图像处理的关键环节,是数字图像处理技术与计算机视觉的基本问题之一.图像分割虽然有多种方法,但是通常一种方法仅适用于某些特定类型的图像,所以对于图像分割方法的研究从未停止,学者们在不断改进或者提出新的分割方法.数字图像已经在诸多领域得到了广泛地应用,如工业工程、产品检测、图像处理、卫星图片、生物医学图像等[2].随着其他特殊理论的出现,学者们把这些新方法应用到图像分割中,产生了一些新的图像分割算法.在这些新研究中,比较典型的图像分割算法有:基于模糊数学思想的分割算法[3]、基于小波分析的分割算法[4]、基于数学形态学理论的分割算法[5]和基于神经网络模型的分割算法[6]等.遗传算法是一种受生物进化启发的学习方法,是近年来研究的热...  (本文共7页) 阅读全文>>

《西安电子科技大学学报》1960年10期
西安电子科技大学学报

图像分割的遗传算法方法

图像分割的遗传算法方法吴成柯,刘靖,徐正伟,周凌云(西安电子科技大学通信工程学院西安710071)摘要提出了一种用遗传算法进行图像分割的方法.首先叙述遗传算法的基本原理和它的算法流程;接着研究用遗传算法实现图像分割,提出了单门限和双门限分割的遗传算法,并与传统的Otsu门限分割方法作了比较,最后给出了几个用遗传算法分割图像的实验结果.结果表明,文中所提出的分割方法不仅分割质量好,而且所需的时间短.关键词:遗传算法;图像分割;最佳门限中图分类号:TP39·41图像分割是计算机视觉研究中一个重要而困难的任务计算机视觉中的图像理解包括目标检测、特征提取和目标识另u等,都依赖于图像分割的质量虽然图像分割一直受到研究人员的重视,但它的进展比较缓慢,被认为是计算机视觉中的一个瓶济‘1.最简单的、也是以往常用的分割方法是采用对比度、边缘或灰度检测方法,它是假定目标与背景相比有明显的灰度变化.这对于理想情况或背景很简单的情况是合适的,但与很多实...  (本文共8页) 阅读全文>>