简介：单隐层前向神经网络的学习能力是有限的.特别地,作为分类器,单隐层前向神经网络对于图像的复杂信息和不同图像之间的细节信息很难学习和处理.文章借鉴深度神经网络的思想,将单隐层矩阵输入的神经网络拓展到多隐层神经网络,并采用传统的反向传播算法对其训练并给出学习算法.通过多个数据库的实验对比,结果显示所提出的算法具有良好的效果.

简介：在视频编码器中，软判决量化可获得最优编码性能，但其中维特比算法会导致严重的系数间串行处理依赖．比较而言，基于死区的硬判决量化算法率失真性能有所损失，但不存在系数间依赖，且非常适合硬件并行流水处理．今采用离线统计的方法，分析余弦变换系数的分布情况，量化余数对量化的具体影响，构建了基于余弦变换系数分布参数，量化余数的自适应偏移模型．基于该模型提出一种内容自适应的硬判决量化算法．仿真结果表明，该算法在保证并行化处理的条件下，其编码性能相比于传统的硬判决量化有一定的提升，可接近软判决量化算法性能．

简介：提出了一种改进的基于fp-tree的Apriori算法.该算法先用尾元将fp-tree分区，生成数据量更小的子数据集，再动态删除冗余数据将子数据集的数据进一步压缩，最后通过扫描子数据集进行支持数统计，从而快速挖掘.实验结果表明，在对含有大量高维度数频繁项集的数据集进行挖掘时，这个改进算法的挖掘速度较快.

简介：LDA主题模型是文本挖掘领域的重要算法，同时在推荐系统当中也有不错的表现.通过LDA主题模型挖掘用户感兴趣的主题，是目前最常用的用户兴趣主题挖掘方法之一.为了提高LDA主题模型应用在推荐系统时的推荐质量，我们提出了一种基于负样本进行学习的方法negLDA.通过创造出负样本来学习用户对物品的负面预测评分，同时结合正样本学习得到的正面预测评分，从正反两个方面进行综合评测，从而更加精确地衡量出用户对物品的预测评分.通过在MoviesLens-100k、MovieLens-1M、FilmTrust这三个数据集上的实验，表明所提出的算法在精确率、召回率、AUC三个指标上相比传统算法均有一定改进.

简介：惯性导航系统是目前室内定位和导航领域一项非常重要的技术,但是传统惯性导航系统中是利用算法融合地磁罗盘及陀螺仪等数据,进而提高相对位置的精度,但却无法修正已经产生的误差.所以传统惯性导航系统在内部构造复杂的室内很容易出现走错房间,穿越墙体等错误路径.为了解决这些问题,提出一种基于维特比算法的室内导航方法,利用自建室内地磁数字地图结合维特比算法,动态计算可能路径.利用维特比算法特性提高了输出路径的纠错能力,可有效排除错误路径的干扰.本导航方法能有效避免穿墙错误路径的出现,更加符合实际行走路径.试验结果表明,相对传统惯性导航系统,它在复杂室内环境下进入正确房间的准确率提高了23%.

简介：针对传统算法大多忽略人眼特性,获得的视差图与人眼真实感受之间存在一定差异的问题,提出了一种符合人眼视觉特性的自适应权重匹配算法.该算法首先引入视觉显著性特征,然后对像素权值分配进行改进并提出新的匹配代价度量准则,最后采取左右视差图融合的方法获得最终视差图.相关图像实验表明,改进算法很好地解决了遮挡问题,可精确描述边缘和细节视差;相对于原算法有较大程度的性能提升.

简介：本文以环境监测中的有机物生物氧化降解反应的速率方程表达式的计算为例，介绍了Excel中线性回归计算法的应用，结果表明：用Excel计算，效率高、精度高。

简介：在结构光三维测量系统中,由于投射光不均匀,待测物体自身反射率变化,环境照明引入光分布偏差,参考平面上的待测物体条纹光不均匀,偏离了理想光分布模型,产生了噪声,以致增加了三维重建的难度.为此,本研究提出一种新的算法,对采集的条纹图进行预处理,通过相移法提取相位,设置合适阈值,提取出待测物体的轮廓信息,能更加精确提取噪声区域,对噪声范围内的误差像素取其邻域的误差像素的灰度值均值替换该像素的数值.结果表明,本算法能很好地降低噪声带来的误差,降低了三维重建的难度,对处理后的相位图进行重建,其精度达到98.32%.

简介：研究了一般网络拓扑图中的连通误报容错支配集的构造算法.首先给出了误报容错支配集的一个精确算法,但是算法的复杂度达到了指数级别.随后又提出了误报容错支配集的一个多项式时间的启发式算法,最后证明了算法的正确性并通过仿真实验验证了算法的有效性.

简介：深度学习是人工智能领域发展的一个不可或缺的部分,并且广泛应用于图像识别方面.为了进一步降低宫颈癌细胞图像的识别错误率,本文提出了一种基于卷积神经网络的改进算法.该算法通过搭建卷积神经网络框架,对下采样过程中特征提取阶段的池化模型进行改进,在下采样过程中对池化域内的每个元素分配合适的权值得到下采样特征图.实验结果表明,我们所提出的基于卷积神经网络的改进算法降低了对宫颈癌细胞图像的识别错误率.