数学形态学是一种非线性滤波方法,应用数学形态学进行非线性图像处理已经发展成为图像处理的一个主要研究领域。基于CB(Contour-Based)形态学的方法,提出了一种改进的形态学边缘检测算子,能够有效
以形式化语言给出了本质属性、附属属性、限定性属性等术语的定义,研究了它们的性质与内在联系,给出了属性集的一种新的分类方法。结合对属性子集的一种新运算,特别讨论了本质属性的特征,并以此对IDEF5中种类
基于BiGRU和贝叶斯分类器的文本分类,利用搜狐新闻数据集进行实现,对12个种类进行分类,里面设计BiGRUB提取文本特征,TF-IDF特征权重赋值,Bytes分类进行实现,学习深度学习和机器学习很好
一种新的基于概念树的主题网络爬行方法。与传统基于关键词描述主题的方法不同,本文提出基于叙词表来构建一种称为概念树的表示方法来描述主题的概念。在此基础上,本文给出锚文本和HTML页面内容与主题相关度的
一种新的基于Hough变换的椭圆轮廓检测方法,模式识别,图形图像处理
一种新的基于Goertzel算法的DTMF信号检测方法
针对利用Gabor小波进行目标特征点识别的过程中所选取的参数序列过多的问题,给出了一种新的参数选取方法.该方法利用Gabor多尺度参数,配合权重函数,通过能量函数计算出相应的方向参数,构成图像的特征点
针对复杂场景中背景复杂、目标周围噪声多及目标只占图像中较小部分而难于检测的问题,提出一种新的基于局部轮廓特征的检测目标方法.该方法首先利用改进的全局概率边界算法(Globalized probabil
一种基于模糊聚类的多准则分类方法,王坚强,,针对权系数信息不完全确定且有训练集的多准则分类决策问题,提出了一种基于模糊聚类的分类方法。该方法在考虑对训练集分类的基础
针对传统分类方法的缺陷,提出了一种基于AdaBoost-SVM的流量方法。该方法利用K-L变换从大量冗余流量特征中遴选出少量本征特征,有效降低了算法的处理复杂度;应用AdaBoost机制将一次分类过程