基于SDN的融合网络研究,曹冉,寿国础,随着网络技术的高速发展,大量不同的网络业务、通信设备不断涌现,使用户置身于一种复杂多样的网络环境中。因此,如何实现多种互��
针对大范围未知环境下的机器人目标跟踪问题,在智能空间下分布式智能网络设备与机器人本体二维激光的基础上,提出了一种基于异质信息融合结构以实现机器人对目标实时检测和跟踪的方法。系统通过颜色信息进行移动目标
利用LUV色彩空间的特性,提出将RGB色彩空间的目标特征描述转换到LUV色彩空间,从而解决目标表面特征变化造成的目标丢失现象,提高目标跟踪算法的鲁棒性。结合卡尔曼滤波和均值漂移跟踪算法的优点,通过一种
基于背景更新的运动目标分割方法,程娟,,背景差法是视频图象序列中运动目标分割的重要方法,为了解决背景中光照变化等问题,对每个被判为背景的象素建立单高斯模型,提出
在分析了目前肿瘤分类检测所采用的方法基础上,提出了一种基于特征空间分离变换(Eigenspace Separation Transform)结合支持向量机的乳癌识别新方法。用UCI数据库提供的569例
现实中目标在被长期跟踪时容易发生形变、遮挡、光照干扰以及其他问题,现有跟踪算法虽能解决该系列问题但算法计算量巨大,导致跟踪系统实时性能较差,很难应用于实际场合。因此,准确快速跟踪目标成为近年来非常有挑
基于SVDD算法(一种改进的oneclass支持向量机算法)提出了一种能够处理无类标非纯净训练集的异常检测方法,可以在无类标非纯净训练集上进行模型训练,在很大程度上降低了对训练数据集的要求。另外针对
基于分类的未知病毒检测方法研究,余晓姿,马兆丰,提出了一种以PE文件静态信息作为特征,通过分类来对未知病毒进行检测的方法。采用初始聚类中心优化的K-means聚类算法实现对病毒文件
本文主要介绍了一种新的目标检测方法——YOLO。相较于之前的方法,该方法将目标检测框架看作回归问题,从空间上分割边界框和相关的类别概率,并采用单个神经网络在一次评估中直接从整个图像上预测边界框和类别概
分析了当前IDS(intrusiondetectionsystem)的缺陷,讨论了数据融合技术应用在IDS领域的可行性,提出了一种基于数据融合(datafusion)的IDS(DFIDS)模型,融合决