基于Copula理论的多维异构信息融合识别方法.pdf
桂香****盟主
亲,该文档总共25页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
基于Copula理论的多维异构信息融合识别方法.pdf
本发明涉及基于Copula理论的多维异构信息融合识别方法,属于信息融合技术领域;包括以下步骤:基于大地坐标系和传感器坐标系变换方程进行空间配准;空间配准完成后,完成内插外推、曲线拟合和数据插值的时间配准;构建全维信号空间;构建的能够纳入不同异构信息的全维信号空间中,以Copula函数建立各单一维度数据边缘分布的联接,恢复各维特征数据之间的相关关系,反演目标的高维组合特征等。本发明基于Copula联合分布下的组合特征探测方法对目标的联合识别正确率高于各个边缘分布下单一特征探测方法,体现出了组合探测的优势。
基于深度学习与多维信息融合聚类的果实采摘点识别方法.pdf
本发明提出基于深度学习与多维信息融合聚类的果实采摘点识别方法。首先Yolo算法识别目标采摘果实,并确定目标采摘果实的采摘点感兴趣区。然后对感兴趣区的深度图像进行孔洞填充和空间边缘保留滤波处理,选取预处理后的深度信息以及筛选后的彩色图像颜色分量,自适应融合组成多个维度的数据样本。使用上述数据样本对采摘点感兴趣区进行基于K‑means的聚类,最后经过形态学处理中的去除小面积连通区域、开运算、图像细化,实现了对果梗的准确识别,并根据果梗信息定位果实采摘点。通过采用以上多种方法联合识别,提高了算法的准确率和鲁棒性
一种基于多维模型融合的水下目标识别方法.pdf
本发明公开了一种基于多维模型融合的水下目标识别方法,包括:采用深度神经网络、随机森林、Xgboost、adaboost模型的集成对待识别的水下目标数据进行大类初筛,得到该待识别的水下目标数据的目标大类;根据目标大类和所述目标大类中的任一目标机型建立模型;基于地理位置、航行轨迹、区域事件和时间分布结合标注的样本数据集进行深度学习与目标函数概率分布计算,求得模型输出的任一目标大类的概率分布;根据概率分布选取概率较大的N个目标机型。通过上述方案,本发明具有逻辑简单、识别准确可靠等优点,在水下目标识别技术领域具有
基于多模态信息融合处理的文本识别方法.pdf
本发明披露一种基于多模态信息融合处理的文本识别方法。本发明中的多模态信息,包括图像信息和语意信息。在图像信息方面,选用胶囊网络提取像素特征;在语意信息方面,通过引入预处理语言模型构建语意胶囊模块,可以根据文本中前一时刻的字符,预测出下一个字符,为模型提供语意特征;在融合阶段中本发明对胶囊神经网络进行轻量化并对其内部的动态路由算法进行优化,使得在保留网络模型的识别精度的同时有效降低网络中神经元的数量,减少了网络的空间占用,提升运算速度。本发明提出的基于多模态信息融合处理的文本识别方法有效提高了字符文本的识别
基于被动声纳的多源多维信息数据融合技术的开题报告.docx
基于被动声纳的多源多维信息数据融合技术的开题报告一、题目简介本次开题报告的题目为“基于被动声纳的多源多维信息数据融合技术”,涉及到声纳技术、数据融合以及海洋探测等领域。该技术可以将多个来源和不同形式的信息进行整合,实现数据的有效分析和利用,从而提高海洋探测的精度和效率。二、研究意义目前,声纳技术已成为海洋科学研究中不可或缺的手段之一。然而,在实际应用中,由于海洋环境的复杂性和声信号的多样性,单一声源往往无法满足探测和监测的需求。因此,将多源数据进行融合是提高声纳技术应用效果的一个重要途径。多源多维信息数据