韦丽华
- 作品数：18 被引量：72H指数：4
- 供职机构：辽宁师范大学计算机与信息技术学院更多>>
- 发文基金：辽宁省教育厅高等学校科学研究项目辽宁省博士科研启动基金更多>>
- 相关领域：自动化与计算机技术交通运输工程电子电信机械工程更多>>
- 微机控制的公共汽车自动报站系统被引量：10
- 2002年
- 介绍了由 80 31单片机、L ED显示器、ISD2 5 90语音芯片等组成的公共汽车自动报站系统的设计方法。
- 韦丽华李文举
- 关键词：微机控制公共汽车单片机语音芯片报站器
- 利用综合特征的车牌定位方法被引量：3
- 2011年
- 车牌定位是车牌识别系统的关键技术之一.提出利用结构特征、纹理特征和颜色特征的车牌定位新方法.首先,利用顶帽变换抑制背景;其次,进行垂直边缘检测和形态滤波,通过结构特征进行车牌粗定位;再次,对候选区域的垂直投影应用一维小波分解滤噪,然后重构垂直投影,计算纹理统计量并构造纹理特征向量,应用BP神经网络识别车牌的字符纹理进行车牌的再定位;最后,对候选区域进行基于边缘颜色对的彩色边缘检测,根据其水平投影值进行车牌的精定位.对各种条件下拍摄的314幅含有车牌的车辆图像应用本算法,定位准确率达到98.7%.
- 李文举韦丽华王洪东朱正强
- 关键词：车牌定位结构特征纹理特征小波变换
- 基于独立成分分析和模糊支持向量机的车标识别新方法被引量：1
- 2011年
- 提出了一种新的车标识别方法。首先,利用独立成分分析提取车标特征,然后,采用模糊支持向量机设计分类器进行车标识别。实验结果表明,与现有车标识别方法相比,该方法识别率高、速度快。
- 孙娟红李文举冯宇韦丽华
- 关键词：车标识别主成分分析模糊支持向量机
- 基于支持向量机的说话人识别研究被引量：5
- 2007年
- 说话人识别技术的研究是智能信息处理的研究热点问题之一。支持向量机是统计学习理论的一个重要学习方法,也是解决模式识别问题的一个有力工具。介绍了模式识别的分类原理,提出基于支持向量机的说话人识别模型。通过把所得到的结果与原有VQ模型的试验结果相比较,表明该方法具有较高的识别准确率。
- 赵虹韦丽华
- 关键词：支持向量机说话人识别结构风险最小化核函数
- 一种新型的微机控制报警装置被引量：2
- 2003年
- 本文介绍了将语音报警与传统的声光报警相结合构成新的微机控制报警装置的设计方法.阐述了系统的硬件设计和软件设计.声光报警以两片555为核心组成;语音报警基于先进的语音芯片ISD2590,硬件设计简单,软件编程灵活.该报警装置可应用于各种监控系统中.
- 韦丽华
- 关键词：语音报警声光报警监控系统单片机
- 基于KL散度和BP神经网络的人类基因启动子识别被引量：2
- 2010年
- 人类基因启动子预测和识别是DNA序列分析中的一项重要任务.提出了一个基于KL散度和BP神经网络的人类基因启动子识别算法.利用KL散度提取分辨力最强的六联体来区分启动子和非启动子区域,将这些六联体的出现频率作为识别启动子的组成成分特征,结合CpG岛特征,应用BP神经网络技术建立人类启动子识别系统.该系统有3个分类器,即启动子-外显子分类器,启动子-内含子分类器和启动子-3’UTR分类器,每个分类器都是一个BP神经网络,通过3个分类器的结果来综合预测启动子序列.对测试集的实验结果为:敏感性达到51.4%,特异性达到52.9%.
- 李文举梅丽信润海韦丽华
- 关键词：启动子识别CPG岛KL散度BP神经网络
- 一种改进的彩色图像矢量中值滤波算法
- 针对彩色图像滤波,提出一种改进的矢量中值滤波算法。首先,求取象素的方向区域距离测度并将滤波窗口划分为两个子窗口:然后,在子窗口内进行矢量中值滤波。实验结果表明,该算法速度快,具有较好的滤波效果。
- 李文举韦丽华唐双童
- 关键词：彩色图像滤波矢量中值滤波脉冲噪声
- 文献传递
- 车牌自动识别技术研究
- 车牌自动识别技术是智能交通领域的重要研究方向之一，应用前景十分广阔。
车牌识别主要包括车牌定位、字符分割和字符识别三项关键技术。虽然已有很多车牌字符识别方法，但当车牌图像质量退化，特别是牌照中的字符出现较严重的...
- 韦丽华
- 关键词：智能交通系统车牌字符识别图像预处理矢量中值滤波
- 文献传递
- 单片机控制泄漏电流测试仪被引量：1
- 2002年
- 以8031单片机为核心的泄漏电流测试仪的硬件结构和软件设计。
- 韦丽华崔连延李文举
- 关键词：单片机控制泄漏电流测试仪有效值
- 基于碱基偏好分析和SVM的植物启动子识别被引量：2
- 2012年
- 植物启动子识别是真核启动子识别中的重要研究领域.针对目前植物启动子识别算法的特异性较低的问题,提出了一种基于GC碱基偏好分析和支持向量机(SVM)的植物启动子识别算法.首先通过对GC含量的分析将DNA序列分类为GC偏好序列和非GC偏好序列,然后进行结构特征和信号特征的提取,最后通过SVM分类器进行启动子识别.SVM分类器由四个SVM子分类器组成,即启动子-3’UTR子分类器,启动子-5’UTR子分类器,启动子-Intergenics子分类器和启动子-CDS子分类器.实验结果表明,该算法比其他算法具有更高的特异性,对植物启动子识别具有积极意义.
- 李文举寇秋波韦丽华刘锦
- 关键词：结构特征信号特征分类器
