罗显科
- 作品数:3 被引量:11H指数:2
- 供职机构:重庆大学自动化学院更多>>
- 发文基金:重庆市自然科学基金重庆市科技攻关计划国家自然科学基金更多>>
- 相关领域:自动化与计算机技术更多>>
- 半监督增量式SVM在故障诊断中的应用研究被引量:1
- 2013年
- 基于半监督学习能够有效降低人工标注成本,以及增量学习可以加快训练速度,避免数据量大时训练时间过长等特性,本文提出了一种半监督增量式SVM算法。在算法中,首先对已标记样本进行训练得到初始分类器,然后利用此分类器对新增样本进行标记,最后结合KKT条件选择合适的样本对分类器进行更新。每当有新样本加入便执行以上过程,以保证分类器得到及时更新。将该算法运用于6135D型柴油机的故障诊断中,并与传统SVM算法和增量式SVM算法进行了对比,证实了本文所提算法的可行性与有效性。
- 罗显科柴毅李华锋梁奕欢
- 关键词:半监督学习故障诊断
- 视频监控图像异常检测及质量评价
- 随着社会的发展,人们安全意识的不断提高,智能视频监控系统已经深入人们的生产生活。被广泛应用于政府、教育、交通、金融等各个领域中重要部位和场所的安全监控。面对如此之多和广泛应用的摄像头,要确保监控画面的清晰正常,其运维工作...
- 罗显科
- 关键词:智能视频监控系统信号故障数字图像处理
- 一种基于粒子群优化的目标跟踪特征选择算法被引量:7
- 2013年
- 针对复杂背景下的运动目标跟踪特征选择问题,提出了一种基于粒子群优化的目标跟踪特征选择算法。假设具有目标与背景间最好可分离性的特征为最好的跟踪特征。通过构建目标与背景的图像特征分布方差的比值函数作为衡量目标与背景间的可分离性判据。使用粒子群优化算法优化不同的特征组合实时获取最优的目标跟踪特征。为验证该算法的有效性,将选择的最优特征与一种基于核的跟踪算法相结合进行跟踪实验。实验结果表明,算法能有效提高传统基于核的跟踪算法对于复杂场景下的运动目标跟踪的鲁棒性与准确性。
- 尹宏鹏刘兆栋罗显科柴毅
- 关键词:目标跟踪粒子群优化