检索结果

Select

1. 基于AdaBoost.M2和神经模糊系统的植物识别算法

雷建椿, 何金国

计算机应用 2018, 38 (4): 960-964. DOI: 10.11772/j.issn.1001-9081.2017092342

摘要（518）

PDF （744KB）（363）

为提高传统神经模糊系统（NFS）在植物识别领域对于相似植物样本的识别能力，提出了AdaBoost.M2-NFS算法。该算法首先对传统NFS进行改进以便融合，然后将新NFS与AdaBoost.M2结合得到AdaBoost.M2-NFS新模型。在Iris数据集上实验结果表明：新模型与单个NFS相比，识别率增加了3.33个百分点；与线性支持向量机（SVM）相比，识别率增加了1.11个百分点；与Softmax相比，识别率增加了3.33个百分点。根据敏感性和特异性分析可知，所提模型对于线性不可分数据分类效果比对线性可分数据分类效果好；同时，由于AdaBoost.M2的改进，使得所提算法在植物识别领域具备快速成型和高泛化能力。

参考文献 | 相关文章 | 多维度评价

Select

2. Hu不变矩的构造与推广

张伟何金国

计算机应用 2010, 30 (9): 2449-2452.

摘要（1673）

PDF （542KB）（1145）

为了更简洁高效地构造指定要求的不变矩，并判断矩组信息冗余性，推导了实复矩反演关系公式并提出了Hu不变矩构造定理。不变矩多项式和不变矩多项式空间概念的引入，可以赋予不变矩多项式空间代数结构特征。结合组合计数定理，列出了工程上非常实用且没有信息冗余的全部3阶4次不变矩，这是对7个经典Hu不变矩的推广。实验表明,与Hu不变矩的代数不变量构造方法和三角函数系构造方法相比，该构造方法更简洁高效且具有一般性，也更适合判断矩组信息冗余。所构造新不变矩具有较好的鲁棒性，用于图像描述取得了较好效果。