检索结果

Select

1. MapReduce并行加速数据流多模式相似性搜索

付晨, 钟诚, 叶波

计算机应用 2017, 37 (1): 37-41. DOI: 10.11772/j.issn.1001-9081.2017.01.0037

摘要（631）

PDF （941KB）（573）

设计时间序列数据在Hadoop分布式文件系统（HDFS）中的有效存储方式，利用分布式缓存工具Distributed Cache将各子序列分发到Hadoop集群的计算节点上，将动态时间弯曲距离矩阵划分成多个子矩阵，采取并行迭代计算每条反对角线上子矩阵的方法，基于MapReduce编程模型，实现高效并行计算时间序列动态弯曲距离，通过改进剪裁冗余计算方法，设计实现一种数据流多模式相似性搜索并行算法。中国雪深长时间序列数据集的实验结果表明，当每条时间序列的长度达到5000以上时，并行计算动态弯曲距离所需时间少于串行计算所需时间，当每条时间序列的长度达到9000以上时，参与计算的集群节点越多，并行计算所需时间越少；当模式长度达到4000、参与计算的集群节点数达5个以上时，从数据流中并行搜索出与模式匹配的相似子序列所需时间约为串行搜索所需时间的20%。

参考文献 | 相关文章 | 多维度评价

Select

2. 自适应联想记忆细胞神经网络的优化设计

叶波李传东

计算机应用 2012, 32 (02): 411-415. DOI: 10.3724/SP.J.1087.2012.00411

摘要（1133）

PDF （774KB）（506）

针对训练自适应联想记忆细胞神经网络(AM-CNN)过程收敛慢，设计出的网络抗噪性能不高的特点，通过融合蚁群优化算法和粒子群算法的思想，提出以目标网络对噪声模式的输出误差为目标函数，在目标函数的一个阈值分成的两个区间内，分别采取局部搜索和全局搜索策略，训练出AM-CNN的克隆模板的设计方法。数字模拟表明，与以往的设计方法相比，该算法能在细胞神经网络4~6次的迭代过程中稳定输出期望模式，收敛速度更快，设计出的AM-CNN性能比较稳定，并对噪声鲁棒，对高斯噪声N(0,0.8)准确率达到90%左右。

参考文献 | 相关文章 | 多维度评价

Select

3. 一种新的步态图像序列分割算法

郭军文玉梅李平叶波李潇

计算机应用

摘要（1606）

PDF （723KB）（929）

在运动目标步态识别中，从步态图像序列中提取出完整的人体运动轮廓对特征提取、目标分类和目标识别等有着非常重要的意义。提出了一种新的运动目标分割算法：首先应用改进的块匹配算法进行运动估计；然后运用分水岭算法把当前帧图像分割成许多封闭而不重叠的小区域；最后运用仿射参数模型进行运动块区域合并。在CMU步态数据库中采用基准算法进行的实验表明，运用所提出的算法能够提取出完整的人体轮廓，进一步提高步态识别的识别率。

相关文章 | 多维度评价

Select

4. 基于改进蛇模型的步态轮廓提取

李潇李平文玉梅叶波郭军

计算机应用

摘要（1579）

PDF （906KB）（901）

提出了一种基于Snake模型的改进算法，不仅能够精确地搜索到图像轮廓，且程序运行速度较快。该算法在CMU数据库上进行了实验，结果表明提取出的步态轮廓完整且封闭，能有效地提高识别率。

相关文章 | 多维度评价

Select

5. 不变矩系数拟合的步态识别

袁海军文玉梅李平叶波

计算机应用

摘要（2172）

PDF （965KB）（1221）

根据综合利用步态的静态和动态信息的思想，结合不变矩描述图像几何特性的功能，从步态序列提取不变矩作为步态特征进行识别。采用傅立叶级数描述步态图像序列人体轮廓不变矩的变化，利用遗传算法搜索傅立叶级数的系数，最后再用k近邻分类器对不变矩变化的幅度信息分类。在CMU步态数据库上进行的实验，达到了90%以上的识别率。结果表明，该方法具备很高识别性能，能较好地利用步态的静态和动态信息。

相关文章 | 多维度评价

Select

6. 基于步态的人身份识别技术综述

叶波;文玉梅

计算机应用 2005, 25 (11): 2577-2580.

摘要（1498）

PDF （1084KB）（1639）

由于不同的人在身体结构和运动行为方面存在广泛的不同性，步态为人的身份识别提供了独特的线索。对于近年来日益受到普遍重视的基于步态生物特征的人身份识别专题进行了较为详尽的综述，分析了目前所取得的主要成果及其特点，并指出了存在的难题和未来的发展趋势。

相关文章 | 多维度评价

Select

7. 基于人体轮廓宽度特征的步态识别

叶波,文玉梅

计算机应用 2005, 25 (08): 1792-1794. DOI: 10.3724/SP.J.1087.2005.01792

摘要（1210）

PDF （211KB）（989）

基于人体轮廓宽度特征提出了一种步态识别算法。首先对每个序列进行运动轮廓抽取,将这些时变的二维轮廓形状转换为对应的一维横向宽度信号,通过主元分析法(PCA)来提取低维步态特征,在此基础上采用线性判决分析(LDA),以获取最佳投影方向,达到提高数据分类能力的目的。在NLPR、CMU和UMF步态数据库中进行实验,结果表明算法具备快速、稳健特征,在实际应用中具备较大的价值。

相关文章 | 多维度评价