【摘 要】
：
近年来,卷积神经网络在图像处理方面的良好性能得到了广泛关注.为了更好地提取图像内容信息,提高图像分类精度,提出了一种基于深度多特征融合的CNNs图像分类算法.算法有效深度融合了图像的多种特征,即使用k-means++聚类算法提取的主颜色特征和利用去噪卷积神经网络提取的空间位置特征.实验结果表明,提出的基于深度多特征融合的CNNs图像分类算法在图像分类方面提供了有竞争力的结果,分类精度比CNN提升了7个百分点.该算法通过深度融合图像的多种特征,可为后续图像处理提供更全面更显著的有用信息.
【机 构】
：
青海师范大学计算机学院,青海 西宁810008;藏文信息处理教育部重点实验室,青海 西宁810008;青海省地理信息中心,青海 西宁810001
论文部分内容阅读
近年来,卷积神经网络在图像处理方面的良好性能得到了广泛关注.为了更好地提取图像内容信息,提高图像分类精度,提出了一种基于深度多特征融合的CNNs图像分类算法.算法有效深度融合了图像的多种特征,即使用k-means++聚类算法提取的主颜色特征和利用去噪卷积神经网络提取的空间位置特征.实验结果表明,提出的基于深度多特征融合的CNNs图像分类算法在图像分类方面提供了有竞争力的结果,分类精度比CNN提升了7个百分点.该算法通过深度融合图像的多种特征,可为后续图像处理提供更全面更显著的有用信息.
其他文献
针对多智能体间信息通信量大的问题,提出一种事件触发控制策略来研究了三阶多智能体系统在有向固定拓扑下的一致性问题.首先,基于定义的位置、速度和加速度的测量误差,设计了一种新颖的事件触发控制机制.然后,采用矩阵理论和模型变换思想对系统进行了分析和转换,利用Lyapunov理论给出了系统达到一致性的充分条件,且确保了Zeno行为不会发生.最后通过仿真实例来验证所提方法的有效性和可行性.
传统网络多维信息安全融合方法无法获取节点的推荐信任,导致对正常节点与恶意节点的区分精度偏低,信息融合抗干扰性能较差.为此研究新的基于隐含关联度的网络多维信息安全融合方法.依据服务不同属性评价获取节点直接信任,利用隐含灰色关联度得到节点推荐信任,融合直接信任与推荐信任获取节点综合信任值;采用节点综合信任值区分正常与恶意节点,去除恶意节点的异常多维信息,根据权值融合正常节点的多维信息,实现多维信息安全融合.仿真结果证明,记忆因子取值为0.5时,新方法获取的综合信任值精度最高,可精准区分正常与恶意节点;上述方法
针对侧滑打滑干扰和执行器饱和约束导致轮式移动机器人(WMR)轨迹跟踪困难的问题,提出一种抗饱和模糊超螺旋滑模控制策略.根据WMR的轨迹跟踪误差模型,设计运动学控制器,得到辅助速度控制律;采用反步法思想,设计抗饱和模糊超螺旋滑模动力学控制器,通过饱和约束辅助系统实现抗饱和控制,并引入模糊自适应律,动态调整超螺旋控制律参数.与固定增益的滑模控制进行对比,仿真结果表明,所提出的方法在存在未知侧滑打滑干扰和执行器饱和约束时,能够保证WMR跟踪误差收敛,并削减系统抖振,有效提高了WMR轨迹跟踪的鲁棒性.
针对双轮自平衡机器人的运动控制,设计了区间二型模糊逻辑控制器(T2FLC),提出函数融合的方法,解决模糊控制器规则繁杂的问题.首先对双轮机器人进行运动学建模,针对机器人的数学模型,设计双闭环二型模糊自适应PID控制器,分别控制机器人的直立平衡和行走速度.将机器人的反馈变量进行函数融合,简化T2FLC的模糊规则.对设计的控制器进行仿真,结果表明T2FLC比PID控制器具有更快的响应速度.进一步考虑输入扰动和机器人数学模型参数不确定对控制器的影响,仿真表明T2FLC具有更好的抗干扰能力和更强的鲁棒性.
针对目前通过Simulink模糊控制工具箱对变论域模糊控制算法仿真缺少理论支撑的现象,利用模糊数学理论,推导出变论域模糊控制插值函数,并对此插值函数分析得出:将伸缩因子的作用对象向输入输出移动而保持论域固定可等效实现变论域算法.为验证理论,以单相逆变电源为例,在Simulink中搭建变论域模糊控制+PID算法仿真模型.实验结果表明其具有良好控制效果,为借Simulink模糊控制工具箱仿真变论域模糊控制算法提供了理论依据和方法,验证了上述理论研究和结论.
针对目前物联网属性基加密算法没有利用双重加密的方式对属性基进行加密,存在加密复杂度高、加密效率低和密钥敏感程度低的问题,提出基于区块链的物联网可撤销属性基加密算法.新算法将物联网系统进行初始化后,在页面中输入一系列参数经过运算获取其密钥,并对密钥进行加密,完成物联网属性基的第一次加密,并在区块链技术优势的基础上构造出物联网的主私钥以加密系统中的文档及密钥并生成索引,同时生成用户密钥及验证其身份等方式限制用户以保证数据安全,完成物联网的第二次加密,实现物联网属性基加密.实验结果表明,所提方法加密复杂度低、加
针对二维局部均值分解(BLMD)对图像进行多尺度分解时,计算过程费时,模态混叠现象严重的问题,提出一种快速自适应二维局部均值分解算法(FABLMD).算法首先通过图像极值点信息计算顺序统计滤波器(OSF)窗口大小;然后利用OSF求图像上下包络曲面,进而得到包络估计函数和局部均值函数;最后在新的筛分终止条件下经过有限次迭代,快速将图像分解成一系列尺度不同的分量图像.仿真结果表明,改进算法计算速度更快,模态混叠现象得到有效抑制,对图像中不同频率成分的分解能力和效率都要优于BLMD.
针对无线通信网络功率和速率系统建模困难的问题,提出一种基于数据的功率和速率控制算法.算法实现对无线通信网络功率和速率的跟踪.首先,利用由输入、输出和参考轨迹组成的历史数据推导出一个新的基于数据的状态方程.方程只依赖于输入和输出数据,不需要任何系统动力学方程;在此基础上,应用自适应动态规划解决无线通信网络功率和速率的跟踪问题.仿真结果表明,上述算法对于无线通信网络功率和速率跟踪控制具有很好的效果.
永磁同步电机(PMSM)传统的模型参考自适应系统(MRAS)存在负载扰动、响应速度慢、跟踪精度差等问题.针对上述问题,提出了一种双滑模变结构的MRAS方法.通过把传统MRAS观测器中的PI环节和PI速度调节器用滑模变结构控制器代替,提高了系统的抗干扰能力,采用Sigmoid连续函数代替滑模变结构控制中的符号函数,削弱了滑模控制引起的系统震荡.仿真结果表明,双滑模变结构MRAS方法可以改善PMSM控制系统的动静态性能,具有更强的鲁棒性.
针对神经网络处理参数更新的优化算法中出现的局部最优点振荡问题,改进带动量项的随机梯度下降算法,提出了一种动量项分离的优化算法.通过计算当前时刻目标函数的曲率半径,根据阈值适时分离动量项,从而缓解局部最优点振荡问题.实验表明,动量项分离的优化算法能够适用于不同的模型结构和不同数据集.相较于带动量项的随机梯度下降算法,具有更高的准确度,能够更快地稳定收敛.与同类一阶动量算法相比,其准确率上升明显,为深度神经网络的参数更新提供了一种新的有效的解决方案.