一种基于动态特征选择的RGB-D显著目标检测方法.pdf

一种RGB-D图像显著性检测方法.pdf (19)国家知识产权局 (12)发明专利 (10)授权公告号 CN 113362307 B (45)授权公告日 2023.03.28 (21)申请号 202110633595.4 G06T 5/30 (2006.01)

2023-06-19 约1.6万字 11页立即下载

一种基于遗传算法的安卓恶意软件检测特征选择方法.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 116383816 A (43)申请公布日 2023.07.04 (21)申请号 202310054631.0 (22)申请日 2023.02.03 (71)申请人北京工业大学地址 100124

2023-06-30 约1.16万字 11页立即下载

一种基于SVM特征选择的油气预测方法.pdf 天然气工业 2004年7月 一种基于SVM特征选择的油气预测方法* 姚凯丰1 陆文凯1 丁文龙1 张善文2 肖焕钦2 李衍达1 (1．清华大学自动化系智能技术与系统国家重点实验室2．中国石化胜利油田有限公司) 姚凯丰等．一种基于SVM特征选择的油气预测方法．天然气工业，2004；24(7)：36～38 摘要支持向量机(SVM)是近年来发展起来的一种通用的机器学习方法，在许多分类问题

2017-06-15 约1.08万字 5页立即下载

一种基于云样本熵的中低压设备故障特征选择方法.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 113344025 A (43)申请公布日 2021.09.03 (21)申请号 202110461842.7 (74)专利代理机构成都泰合道知识产权代理有

2023-06-18 约1.86万字 13页立即下载

一种基于粗糙集的混合特征选择方法.pdf

2018-08-06 约小于1千字 7页立即下载

一种基于稀疏学习的特征选择方法.pdf 一种基于稀疏学习的特征选择方法 摘要 特征选择的目标是从原始高维特征空间中选择出与目标任务最相关的特征子集，在不删除有效信息的前提下缩减数据集的特征维度，因此，广泛应用于图像识别、生物基因研究以及医学研究等领域。在有监督特征选择方法中，通过稀疏学习进行特征选择已经取得了良好的效果。传统的特征选择方法是在理想数据集下实现特征选择过程，只将特征简单分类，但随着现代数据集的分类任务越来越复杂，传统方法已经不适用。作者通过对数据集的观察和研究，发现数据集中存在某些特征只与部分类别具有相关性。同时可将特征进行更加细致的划分，以选择出更多判别性特征。据此，本文提出两种有监督特征选择方法。（

2025-05-13 约13.49万字 61页立即下载

一种基于全局最小冗余的非平衡特征选择方法.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 113361620 A (43)申请公布日 2021.09.07 (21)申请号 202110682137.X (22)申请日 2021.06.20 (71)申请人西南交通大学地址

2023-06-20 约2.42万字 23页立即下载

一种基于多聚类的无监督特征选择的方法及系统.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114565026 A (43)申请公布日 2022.05.31 (21)申请号 202210134438.3 (22)申请日 2022.02.14 (71)申请人河南大学地址 475004 河

2023-05-08 约1.92万字 14页立即下载

一种基于改进TFIDF的文本特征选择方法.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114547309 A (43)申请公布日 2022.05.27 (21)申请号 202210195321.6 (22)申请日 2022.03.01 (71)申请人黄连福地址 361005 福建

2023-05-11 约2.18万字 20页立即下载

一种基于多分类逻辑回归的特征选择方法.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114821210 A (43)申请公布日 2022.07.29 (21)申请号 202210265435.3 (22)申请日 2022.03.17 (71)申请人西北工业大学地址 710072

2023-05-16 约1.22万字 13页立即下载

基于视觉显著特征的目标检测方法研究.docx PAGE 1- 基于视觉显著特征的目标检测方法研究第一章目标检测概述 (1)目标检测是计算机视觉领域的一个重要研究方向，旨在从图像或视频中准确识别和定位出感兴趣的目标物体。随着深度学习技术的快速发展，基于深度学习的目标检测方法取得了显著的成果，极大地推动了目标检测技术的进步。据统计，近年来在多个权威目标检测数据集上，如COCO、PASCALVOC等，基于深度学习的目标检测模型在检测精度和速度上都取得了显著的提升。以COCO数据集为例，在2017年举办的ImageNetLargeScaleVisualRecognitionChallenge（ILSVRC）目标检测任务中，基于FasterR-C

2025-01-22 约3.12千字 6页立即下载

基于视觉显著特征的目标检测方法研究.docx PAGE 1- 基于视觉显著特征的目标检测方法研究第一章目标检测概述 (1)目标检测是计算机视觉领域的一个重要研究方向，旨在从图像或视频中准确识别和定位出感兴趣的目标物体。随着深度学习技术的快速发展，基于深度学习的目标检测方法取得了显著的成果，极大地推动了目标检测技术的进步。据统计，近年来在多个权威目标检测数据集上，如COCO、PASCALVOC等，基于深度学习的目标检测模型在检测精度和速度上都取得了显著的提升。以COCO数据集为例，在2017年举办的ImageNetLargeScaleVisualRecognitionChallenge（ILSVRC）目标检测任务中，基于FasterR-C

2025-01-21 约3.12千字 6页立即下载

基于跨模态交互和注意力机制的RGB-D显著目标检测.docx 基于跨模态交互和注意力机制的RGB-D显著目标检测 一、引言在计算机视觉领域，显著目标检测是一项关键任务，它涉及到从复杂的图像中识别和定位最具视觉吸引力的目标。随着技术的发展，RGB-D数据（包括彩色图像和深度信息）在显著目标检测中的应用逐渐受到关注。本文提出了一种基于跨模态交互和注意力机制的高质量RGB-D显著目标检测方法，旨在提高检测的准确性和效率。二、相关工作在过去的几年里，显著目标检测已经取得了显著的进展。传统的RGB图像显著性检测方法主要依赖于颜色、纹理等视觉特征。然而，随着深度信息的引入，RGB-D数据为显著性检测提供了更多的信息来源。目前，基于RGB-D的显著目标检测方法主

2025-02-26 约4.62千字 10页立即下载

基于跨模态交互和注意力机制的RGB-D显著目标检测.docx 基于跨模态交互和注意力机制的RGB-D显著目标检测 一、引言随着计算机视觉技术的飞速发展，RGB-D显著目标检测已成为众多领域的重要研究课题。在计算机视觉中，RGB-D数据融合了颜色、纹理等视觉信息和深度信息，具有丰富的空间和结构信息。显著目标检测则是从图像中提取出人们关注的关键信息，这对于人机交互、自动驾驶等领域具有至关重要的意义。然而，由于多种因素（如光照变化、遮挡等）的干扰，使得准确地进行RGB-D显著目标检测变得极具挑战性。本文提出了一种基于跨模态交互和注意力机制的RGB-D显著目标检测方法，旨在提高检测的准确性和鲁棒性。二、相关工作近年来，RGB-D显著目标检测技术得到了广泛的

2025-04-15 约4.9千字 10页立即下载

基于跨模态交互和注意力机制的RGB-D显著目标检测.docx 基于跨模态交互和注意力机制的RGB-D显著目标检测 一、引言在现代计算机视觉中，RGB-D显著目标检测是一项重要任务。这种任务的核心目标是自动检测并定位给定图像中最为显著的目标，尤其是在包含多个对象的复杂场景中。传统的RGB图像能够提供丰富的色彩和纹理信息，而深度（Depth）信息能够揭示出对象的相对距离，因此两者的融合可以为图像分析和理解提供更多有价值的线索。为了克服仅使用RGB信息带来的限制，本研究基于跨模态交互和注意力机制，提出了一种新的RGB-D显著目标检测方法。二、相关工作近年来，随着深度学习和计算机视觉的快速发展，RGB-D显著目标检测技术得到了广泛的研究和显著的改进。然而，

2025-06-13 约4.33千字 9页立即下载