基于上下文MRF模型的彩色街景图像分类

利用上下文马尔可夫随机场(Markov Random Field,MRF)模型,将图像分类问题转化为能量函数最小化(最优化)问题。该方法构建了MRF关于彩色街景图像的先验观测场模型,并利用迭代条件模式(Iterated Conditional Model,ICM)算法获得后验标记场能量最小。通过和模糊C均值(Fuzzy C-means,FCM)算法实验对比表明,该方法不仅能有效分类,而且分类精度要远高于FCM。     

基于深度学习的遥感图像语义分割技术研究与应用

本研究聚焦于改进的DeepLab v3+网络在遥感图像语义分割中的应用,旨在提高遥感图像的语义分割精度。引入了多尺度融合策略以优化分割性能,并通过改进的网络结构和深度可分离卷积来提高特征提取能力。实验结果表明,这一改进方法在Vaihingen和Potsdam数据集上都显著提高了分割准确度。我们的研究有望对地图制图、环境监测等领域产生积极影响。     

基于高斯特征均衡的改进图像修复模型

图像修复是指利用图像的已知区域信息去重建图像或视频的未知区域的过程.在过去基于深度学习的图像补全网络,采用基于自编码的双阶段修复模型,如Deepfill网路,并在第二阶段加入基于注意力机制的内容注意力模块提高修复水平,但整体修复效果容易出现伪影,模糊,边缘结构不清等问题,后续不少论文根据此问题,通过提高特征提取的效率来...     

深度学习算法在山区植被分类中的应用

本文将深度学习技术中的卷积神经网络算法应用于遥感影像中的植被类型分类研究,模型包括卷积层,池化层以及全连接层,卷积层完成了影像中特征的提取,池化层对特征降维,最后全连接层完成植被的分类工作。针对研究使用的数据集,模型得到的94%的分类精度。     

基于树莓派的垃圾分类系统设计

随着科技与经济的高速发展,合理利用垃圾资源已经成为我国主要问题之一.为解决目前垃圾分类中分类效率低下的问题,本文通过对ResNet卷积神经网络的运用,提出了一种基于微型计算机的垃圾分类系统,该系统使用树莓派作为主控设备,以华为垃圾分类挑战赛数据集作为本次数据集,实现了准确识别垃圾种类并将垃圾分类的功能,同时通过对舵机的控制实现了垃圾箱的开合动作.测试结果表明,该系统具有较好的垃圾识别和分类功能.     

基于贝叶斯准则的集成分类模型构筑及其应用研究

采用不同数值分类方法进行样本分类时，由于各种数值分类方法建模依据不同，致使分类结果不尽一致，给实际应用带来困难。本文构筑一种基于贝叶斯准则的集成分类模型，以解决“异议”分类样本的归属问题，应用于杭州市基准地价评估中土地级别的划分，研究表明，集成分类模型评价结果更趋合理。     

典型图像分类算法分析

本文主要讨论了图像处理中基于人类视觉系统(HVS)的图像区域分类的相关概念、技术以及算法的实现。图像分类是指将图像分成平滑区、纹理区和边缘区,它是图像处理中一种重要的手段,具有广泛的应用。所谓平滑区就是指图像中灰度变化较少,包含信息量少,能量小的部分;而边缘是图像中一种灰度突变形式的集合;纹理是表征象素按一定的排列规律进行重复排列的部分。纹理区和边缘区的图像块具有较大的能量。本文主要基于人类视觉的一些特性,提出了空域和频域两种分类算法,这两种算法都是先将图像分块,然后再与人类视觉特性相结合,对各个图像块进行处理,再确定相应划分区域的阈值,对原始图像进行二次分类,最终得到图像的平滑区、纹理区和边缘区.     

基于Kraljic模型的零件分类研究

以零部件制造企业的零件采购管理为研究背景,建立了零件采购定位模型指标体系,以Kraljic模型为基础,运用因子分析法,对收益影响和供应风险两个维度进行量化,提出了一种零件采购定位分类模型。通过应用实例,最终确定了理想的定位分类模型,提高了采购零件的有效性和效率,具有很强的可操作性和指导意义。同时,针对每个象限的零件提出了未来采购发展策略,可切实提高采购管理水平和管理成效。     

基于神经网络的客户分类研究

汽车信贷已成为我国消费信贷业务中最重要的业务种类之一,但近年来其信用风险一直很高。本文旨在通过对学习向量量化(LV Q )人工神经网络基本理论和架构的研究,设计 LVQ 网络分类器,并结合主成分分析方法探讨对客户的分类研究,通过实证结果分析客户分类的一般性规律,对各行业客户分类应用都有重要实践指导意义。     

基于神经网络的客户分类研究

汽车信贷已成为我国消费信贷业务中最重要的业务种类之一,但近年来其信用风险一直很高.本文旨在通过对学习向量量化(LVQ)人工神经网络基本理论和架构的研究,设计LVQ网络分类器,并结合主成分分析方法探讨对客户的分类研究,通过实证结果分析客户分类的一般性规律,对各行业客户分类应用都有重要实践指导意义.     

基于DEA的备件ABC分类模型

提出了一种基于DEA的维修备件ABC分类方法。该方法根据DEA中确定指标是输入（出）的原理，将备件的多个属性指标分成输入指标和输出指标，使得模型效率值大小能直接表示备件的重要程度，并根据相应的效率值对备件进行ABC分类。该方法不仅克服了传统ABC分类法存在的指标单一的缺陷，也解决了多指标之间数值量纲的不一致所产生的问题。该方法用于设备维修备件的分类，能科学有效地找出维修备件管理中的关键备件，提高备件分类的有效性和备件管理的针对性。     

基于内容查询的图像数据多层模型和快速检索研究

基于内容的图像搜索是目前搜索领域的研究热点,取得了较大的成果,在实际的开发中对于图像的数据库存储和检索的要求较高。本文通过对图像特征的研究,采用了面向对象的多层数据模型,并分析了索引空间中的多维索引降维、向量空间、度量空间等方法,引出了基于预分类和预计算相似度、树索引和二分快速检索图像数据的方法。接着通过分析其工作流程,从数据模型和检索方法上进行了论述,构造了基于内容的图像检索的工作架构。本文总结了此方案的创新点和适用范围,从而在理论证明了它的优秀的检索性能。最终提出了采用此方案进行基于内容的图像查询的可行途径。     

基于ELM的情绪分类模型研究

采用计算机进行情绪判断对实现人工智能、人机交互及智能计算等具有重要意义。本文在深入学习和研究脑电信号分析和处理的各种算法基础上,进行了对基于ELM的情绪分类模型研究。本文采用近似熵和小波能量熵算法生成三种不同的脑电信号特征,对ELM分类器进行训练,同时与BP算法、GRNN和PNN算法进行比较。实验表明,ELM极限学习机算法分类效果最好,其识别率达到87.25%。     

基于语义分类体系的信息分类编码标准分类框架研究

针对当前信息分类编码标准数量和所涉及领域不断增加的情况,文章提出了一个新的信息分类编码标准分类框架,以解决信息分类编码标准分类体系的完整性、稳定性和开放性等问题。它一方面在高层继承已有的标准分类体系,另一方面,参考借鉴现代汉语语义分类体系,在子领域部分设计出一个更为完整和稳定的框架结构。该分类框架能满足当前及今后信息分类编码标准的发展需求。     

基于通道注意力机制的裂缝检测研究

为实现智能准确地检测路面裂缝,提升公路智能养护和巡检技术,本方法设计通道注意力检测模块,提出CA U-Net（Channel Attention U-Net）分割模型,分配特征图各个通道的权重,提升裂缝特征语义表达能力,并利用高语义层注意力权重信息来优化特征融合,显著提升不同尺度的裂缝检测能力。实验结果表明,CA U-Net分割模型的裂缝检测定位更准确,在评价指标mIoU和F1-Score上都有明显提升,证明该模型的有效性。     

基于TV模型的图像修复算法

传统的图象修复由于具体位图的差异存在一定程度的困难,不仅需花费大量时间,而且修复效果亦不尽人意。本文在深入研究TV算法的基础上,提出了一种基于TV模型的快速图像修复算法。     

基于模糊理论的多因子客户分类评价模型及应用

客户分类是CRM的基础，本文应用模糊数学的有关理论，建立一套多因子客户分类评价模型，并应用此模型对企业的客户分类进行评价。     

学习分类的概括

学习分类具有指导教学过程和教学理念的意义.不同的分类指向不同的能力和学习过程,以及对学习主体的指向.传统的分类将老师作为主体,而结果和目标分类将学生作为主体.作为学习主体的学生通过教师的指导,达成学习目标,形成学习结果.     

基于组合分类器的银行客户分类模型研究

客户分类管理,对于银行有效地实施客户关系管理具有重要意义。由于目前分类准确度存在问题,如何有效地对客户进行分类预测就成了十分重要并亟待解决的课题。本文以银行丰富的客户基本信息以及交易行为为对象,建立客户分类预测模型,改进单一或简单组合分类器模型,提出一种基于SOM聚类和决策树的组合分类器方法,建立了客户分类预测模型并对模型进行优化,并探讨该模型的实际应用。