您的位置: 专家智库 > >

余建伟

作品数:2 被引量:8H指数:2
供职机构:哈尔滨工业大学计算机科学与技术学院更多>>
发文基金:山东省自然科学基金更多>>
相关领域:自动化与计算机技术更多>>

文献类型

  • 2篇中文期刊文章

领域

  • 2篇自动化与计算...

主题

  • 1篇异常检测
  • 1篇图像
  • 1篇图像增强
  • 1篇朴素贝叶斯
  • 1篇经验模式分解
  • 1篇聚类
  • 1篇二维经验模式...
  • 1篇贝叶斯
  • 1篇HILBER...
  • 1篇MEANS算...

机构

  • 2篇哈尔滨工业大...
  • 1篇华南理工大学

作者

  • 2篇姜立标
  • 2篇余建伟
  • 2篇马乐
  • 1篇刘永花
  • 1篇李子超

传媒

  • 1篇哈尔滨工业大...
  • 1篇重庆大学学报...

年份

  • 2篇2009
2 条 记 录,以下是 1-2
排序方式:
二维Hilbert-Huang变换及其在图像增强中的应用被引量:6
2009年
为了更加有效地提取图像细节,在分析希尔伯特——黄变换(Hilbert-Huang Transform,HHT)的基础上给出了二维HHT的实现方法,并应用于图像增强.首先对二维图像信号进行基于Delaunay三角分割的二维经验模式分解,再将分解得到信号的各个内蕴含模式分量分别作总体Hilbert变换.实验结果表明,此方法可细致地描绘出图像的边缘信息,并可在不同程度上体现图像的轮廓信息.该研究在图像压缩和图像分割中有重要的意义.
马乐姜立标李子超余建伟
关键词:二维经验模式分解图像增强
多阶段聚类—朴素贝叶斯的异常检测被引量:2
2009年
针对异常检测手段用来标定数据集中明显的不同于其他数据的对象,提出多阶段聚类旨在解决噪声数据的引入和缺失属性样本的处理,并改变传统的贝叶斯分类的被动学习为主动学习的方式来构造性能优越的分类器。在数据预处理阶段,利用密度聚类滤去噪声点,密度聚类的输出作为下一阶段的K-means聚类的输入,提高了K-means的分类准确率。K-means负责对缺失属性的样本进行处理。在分类阶段,利用adaboost学习算法优化朴素贝叶斯分类器,使其获得较好的分类效果。
姜立标马乐余建伟刘永花
关键词:聚类朴素贝叶斯
共1页<1>
聚类工具0