已閱讀1頁，還剩93頁未讀， 繼續(xù)免費閱讀
版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進行舉報或認領
文檔簡介
1、本文研究了基于機器學習的多傳感器目標識別技術(shù)，針對能夠?qū)?SIFT高維特征向量表示成低維特征向量的“詞袋”模型的構(gòu)建進行了改進，并將其應用到了全局特征和局部特征結(jié)合以及紅外和可見光圖像融合的目標識別中。
首先，研究了基于全局特征的目標識別。對支持向量機分類的原理進行了研究，使用一對一法構(gòu)建了基于支持向量機的多分類器，提取了可見光圖像的LBP特征之后，使用支持向量機對其進行分類識別時出現(xiàn)了樣本得不到分類識別的情況。對此提出了兩個
2、改進策略，通過實驗對比說明了兩個策略各自的特點。
其次，研究了基于局部特征的目標識別。對使用k-means聚類算法的“詞袋”模型進行了改進，在已有的k-means聚類算法的研究基礎之上做出了相應的改進工作，通過使用 UCI數(shù)據(jù)集對改進后的算法進行實驗，結(jié)果證明了改進后的算法在聚類效果上要優(yōu)于改進前的聚類效果。使用改進后的聚類算法構(gòu)建了基于SIFT的“詞袋”模型并進行了實驗，結(jié)果證明了改進后的算法可以提高目標的識別率。
溫馨提示
- 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于多傳感器的地面目標識別技術(shù)研究.pdf
- 基于多傳感器特征信息融合的目標識別技術(shù)研究.pdf
- 基于主成分分析的多傳感器目標識別技術(shù)研究.pdf
- 多傳感器數(shù)據(jù)融合中的目標識別技術(shù)研究.pdf
- 多傳感器監(jiān)視系統(tǒng)的目標識別.pdf
- 基于數(shù)據(jù)融合的機載多傳感器目標識別.pdf
- 基于智能學習的多傳感器目標識別與跟蹤系統(tǒng)研究.pdf
- 多傳感器空中目標識別方法研究.pdf
- 多傳感器信息融合的目標識別算法研究.pdf
- 基于多傳感器信息融合的空中目標識別算法研究.pdf
- 基于異類傳感器信息融合的目標識別和分類技術(shù)研究.pdf
- 基于水下傳感器網(wǎng)絡的目標識別研究.pdf
- 基于多傳感器協(xié)同的目標識別系統(tǒng)的設計與實現(xiàn).pdf
- 基于張量學習的目標識別技術(shù)研究.pdf
- 多傳感器目標跟蹤技術(shù)研究.pdf
- 多傳感器數(shù)據(jù)融合在目標識別中的應用研究.pdf
- 目標識別與跟蹤的多傳感器數(shù)據(jù)融合算法研究.pdf
- 基于多傳感器信息融合的目標跟蹤技術(shù)研究.pdf
- 基于多傳感器數(shù)據(jù)融合的多目標跟蹤技術(shù)研究.pdf
- 被動多傳感器探測目標跟蹤技術(shù)研究.pdf
評論
0/150
提交評論