您的位置: 专家智库 > >

国家自然科学基金(61271324)

作品数:3 被引量:6H指数:1
相关作者:吴跃陶琳杨俊成更多>>
相关机构:天津大学河南工业职业技术学院上海交通大学更多>>
发文基金:国家自然科学基金天津市自然科学基金更多>>
相关领域:自动化与计算机技术电子电信更多>>

文献类型

  • 3篇中文期刊文章

领域

  • 2篇自动化与计算...
  • 1篇电子电信

主题

  • 2篇图像
  • 1篇递归神经
  • 1篇递归神经网络
  • 1篇多视点
  • 1篇证据理论
  • 1篇神经网
  • 1篇神经网络
  • 1篇投票算法
  • 1篇向量
  • 1篇结构特性
  • 1篇卷积
  • 1篇光场
  • 1篇费舍尔
  • 1篇RGB
  • 1篇D-S
  • 1篇D-S证据
  • 1篇D-S证据理...
  • 1篇不确定性

机构

  • 2篇天津大学
  • 1篇上海交通大学
  • 1篇河南工业职业...

作者

  • 1篇杨俊成
  • 1篇陶琳
  • 1篇吴跃

传媒

  • 1篇红外与激光工...
  • 1篇南开大学学报...
  • 1篇控制工程

年份

  • 1篇2021
  • 1篇2019
  • 1篇2017
3 条 记 录,以下是 1-3
排序方式:
基于D-S和投票算法的路况数据可信模型设计
2017年
为了有效解决城市交通中动态寻路时路况数据的安全可信问题,设计了基于路况数据分析的安全可信模型。该模型引入D-S证据理论,对不可信任的信息赋予了一定的不确定性属性,同时对相斥与相似同样界定出用于中间过渡的相容评价,在不增加数据交换的情况下,有效地实现了对路况信息信任判断,同时为了降低D-S证据理论的不确定性所引起的判断失误,该模型通过投票算法加以统计分析,增强了鲁棒性。通过仿真实验分析表明,在绝大多数情况下,该模型可以有效地优化车辆行车路线,降低行驶时间,在过滤异常路况信息、鉴别恶意信息方面,可以发挥重要作用,保证了第三方动态寻路算法的安全可信度。
陶琳杨俊成吴跃
关键词:D-S证据理论不确定性投票算法
基于卷积-递归神经网络和费舍尔向量的RGB-D物体识别被引量:1
2021年
综合利用彩色和深度信息,采用多数据模式的特征提取策略,提出一种基于卷积-递归神经网络和费舍尔向量的RGB-D物体识别方法.对于彩色图像和深度图像,分别利用卷积-递归神经网络和卷积-费舍尔向量-递归神经网络提取物体的纹理及形状特征.为了更加全面的获取物体信息的特征表述,引入了灰度图像和表面法向量作为原始数据的补充,并利用卷积-递归神经网络提取特征.最后,将4种数据模式下提取到的特征融合起来,输入到softmax分类器中实现RGB-D物体识别.在标准的RGB-D数据库中对算法进行验证,所提算法可以有效提高物体识别率.
牛力杰丛润民倪敏郑泽勋陈越罗晓维
基于光场结构特性与多视点匹配的深度估计被引量:5
2019年
针对现有光场图像深度估计技术无法均衡地对主要对象和背景进行深度估计的问题,提出了一种基于光场结构特性与多视点匹配的深度估计方法。该方法在光场结构特性引导的深度估计的基础上,为了实现光场图像深度变化区域的平滑过渡,同时又考虑光场图像具有多视点子孔径图像阵列的特点,采用多视点匹配优化光场图像深度估计。在马尔可夫随机域中,基于光场结构特性构建深度估计平滑项,同时联合多视点匹配构建深度估计数据项,并进行全局深度迭代优化,从而有效平衡对象深度边界和背景深度估计,提高光场图像深度估计的性能。实验结果表明,所提出的方法能够得到更加清晰的深度边界,同时可以修正背景中不准确的深度值,获得高质量的深度估计结果。
范晓婷李奕罗晓维张凝韩梦芯雷建军
关键词:结构特性
共1页<1>
聚类工具0