91亚洲国产成人精品性色 ,欧美日韩在线一二三,中文在线不卡

結(jié)合改進(jìn)編輯距離與SVM的圖像分類方法

提出了一種圖像分類方法，結(jié)合圖像的多尺度字符串表示以及改進(jìn)的編輯距離和SVM分類器進(jìn)行圖像分類。首先，對(duì)圖像進(jìn)行多尺度分塊，提取各個(gè)歸一化圖像子塊上的方向梯度直方圖特征，并將生成的多尺度特征向量用多個(gè)字符串進(jìn)行表示；然后，提出融合編輯操作，改進(jìn)字符串的編輯距離，通過(guò)計(jì)算兩幅圖像對(duì)應(yīng)的兩組字符串之間的改進(jìn)編輯距離來(lái)測(cè)量?jī)煞鶊D像的相似度；最后，采用改進(jìn)的編輯距離計(jì)算徑向基函數(shù)，進(jìn)行改進(jìn)的SVM分類。實(shí)驗(yàn)結(jié)果表明，該方法的分類正確率高，且平均分類耗時(shí)少。

發(fā)表于：9/14/2017

基于KELM決策融合的語(yǔ)音情感識(shí)別

針對(duì)語(yǔ)音情感信號(hào)的復(fù)雜性和單一分類器識(shí)別的局限性，提出一種核函數(shù)極限學(xué)習(xí)機(jī)（KELM）決策融合的方法用于語(yǔ)音情感識(shí)別。首先對(duì)語(yǔ)音信號(hào)提取不同的特征，并訓(xùn)練相應(yīng)的基分類器，同時(shí)將輸出轉(zhuǎn)化為概率型輸出；然后利用測(cè)試集在基分類器的輸出概率值計(jì)算自適應(yīng)動(dòng)態(tài)權(quán)值；最后對(duì)各基分類器的輸出進(jìn)行線性加權(quán)融合得到最終的分類結(jié)果。利用該方法對(duì)柏林語(yǔ)音庫(kù)中4種情感進(jìn)行識(shí)別，實(shí)驗(yàn)結(jié)果表明，提出的融合KELM方法優(yōu)于常用的單分類器以及多分類器融合方法，有效地提高了語(yǔ)音情感識(shí)別系統(tǒng)的性能。

發(fā)表于：9/14/2017

基于基元自相關(guān)圖和結(jié)構(gòu)元直方圖的圖像檢索

發(fā)表于：9/13/2017

AMD拉著百度一起搞ROCm軟件平臺(tái)優(yōu)化，英偉達(dá)這下要肝顫了

AMD與百度合作優(yōu)化百度數(shù)據(jù)中心上的軟件，這將會(huì)縮小和英偉達(dá)的差距；AMD的這一舉措是積極的，因?yàn)樗鼘⒓訌?qiáng)AMD的開(kāi)源ROC1.6軟件平臺(tái)；AMD已經(jīng)與百度聯(lián)手在百度的數(shù)據(jù)中心上針對(duì)其Radeon Instinct GPU優(yōu)化軟件。最終，AMD的開(kāi)源ROC1.6軟件平臺(tái)將會(huì)更好地與英偉達(dá)的CUDA GPU計(jì)算軟件平臺(tái)競(jìng)爭(zhēng)。

發(fā)表于：9/13/2017

機(jī)器人解決法律糾紛，人工智能怎么做到的？

“小崇”機(jī)器人，是由經(jīng)驗(yàn)豐富的一線法官和專業(yè)信息技術(shù)公司共同參與，經(jīng)過(guò)半年多時(shí)間，以2800萬(wàn)案例數(shù)據(jù)構(gòu)建的法律大數(shù)據(jù)平臺(tái)。

發(fā)表于：9/11/2017

語(yǔ)音助手成了黑客助手，設(shè)備能夠聽(tīng)到超聲波？

設(shè)備安全問(wèn)題確實(shí)不讓人省心，近日研究人員又發(fā)現(xiàn)了新漏洞，他們居然利用人耳聽(tīng)不到的音頻劫持了語(yǔ)音助手。看來(lái)，Siri和Alexa等產(chǎn)品可不只是聽(tīng)你的命令。

發(fā)表于：9/11/2017

華為全聯(lián)接大會(huì)正在召開(kāi)，引入賽靈思FPGA的云服務(wù)器亮相

All Programmable 技術(shù)和器件的全球領(lǐng)先企業(yè)賽靈思公司今天在華為全聯(lián)接大會(huì)（HUAWEI CONNECT 2017）上宣布，華為首發(fā)的FP1實(shí)例選擇賽靈思高性能Virtex®UltraScale+? FPGA為其最新加速云服務(wù)提供強(qiáng)大動(dòng)力。華為 FPGA 加速云服務(wù)器（FACS）平臺(tái)可支持其用戶在華為公有云上開(kāi)發(fā)、部署和發(fā)布基于 FPGA 的新型服務(wù)和應(yīng)用。

發(fā)表于：9/10/2017

數(shù)字代幣驚魂24小時(shí)：超半數(shù)ICO平臺(tái)進(jìn)入清退流程

央行等部門聯(lián)合發(fā)布的一份公告，讓數(shù)字代幣們經(jīng)歷了驚魂24小時(shí)。24小時(shí)過(guò)去了，90%的數(shù)字代幣們?nèi)蕴幱谙碌鵂顟B(tài)。

發(fā)表于：9/7/2017

DFT插值算法在鼓風(fēng)機(jī)故障模式識(shí)別中的應(yīng)用

提出一種離散頻譜估計(jì)新方法，該方法在傳統(tǒng)插值方法基礎(chǔ)上運(yùn)用加零技術(shù)，能較快確定頻譜的小數(shù)部分。新方法提高了離散頻譜估計(jì)的速度與精度，并能被應(yīng)用于煤氣鼓風(fēng)機(jī)等旋轉(zhuǎn)機(jī)械的故障模式識(shí)別。實(shí)驗(yàn)結(jié)果表明，新算法有效提高了煤氣鼓風(fēng)機(jī)故障模式識(shí)別的準(zhǔn)確度。此外，仿真研究顯示，該方法不僅在噪聲條件下的估計(jì)誤差較傳統(tǒng)算法低，而且能適用于除漢寧窗以外的其他經(jīng)典窗函數(shù)，具有較強(qiáng)的兼容性與魯棒性。

發(fā)表于：8/16/2017

結(jié)合分塊模糊熵和隨機(jī)森林的圖像分類方法

為提高圖像分類性能，提出了一種圖像分類方法。其基本思想是將圖像內(nèi)容的不確定性描述看作是一個(gè)隨機(jī)過(guò)程，采用分塊模糊熵來(lái)提取圖像特征，采用隨機(jī)森林方法進(jìn)行特征分類。首先，考慮全局和局部特性，將圖像劃分為多個(gè)圖像子塊；然后，對(duì)每一個(gè)圖像子塊進(jìn)行模糊c均值聚類，提取模糊熵特征；接著，通過(guò)歸一化處理，得到圖像的模糊熵特征向量；最后，構(gòu)造隨機(jī)森林分類器，實(shí)現(xiàn)模糊熵特征向量的分類。實(shí)驗(yàn)結(jié)果表明，該方法的錯(cuò)分率低，分類耗時(shí)少。

發(fā)表于：8/16/2017

IBM聲稱深度學(xué)習(xí)取得重大突破大幅降低處理時(shí)間

北京時(shí)間8月8日下午消息，IBM一直在努力促使計(jì)算機(jī)變得更智能化、更人性化。本周該公司宣布，已經(jīng)開(kāi)發(fā)出一種技術(shù)，可以大幅縮短處理海量數(shù)據(jù)并得出有用結(jié)論的時(shí)間。

發(fā)表于：8/9/2017

多通道GNSS數(shù)據(jù)采集平臺(tái)的設(shè)計(jì)與實(shí)現(xiàn)

隨著GNSS系統(tǒng)的發(fā)展，多徑效應(yīng)逐漸成為影響定位精度和可靠性的重要因素之一。為了驗(yàn)證天線陣列方法對(duì)于多徑效應(yīng)的消除情況，需要對(duì)多個(gè)天線接收到的數(shù)據(jù)進(jìn)行實(shí)時(shí)同步采集存儲(chǔ)。為了實(shí)現(xiàn)這一目標(biāo)，利用基于PCIE通信總線的FPGA開(kāi)發(fā)板與多路AD采集卡設(shè)計(jì)并實(shí)現(xiàn)了滿足系統(tǒng)要求的數(shù)據(jù)采集平臺(tái)。首先簡(jiǎn)要介紹了該采集平臺(tái)的結(jié)構(gòu)及PCIE通信鏈路的搭建，然后設(shè)計(jì)實(shí)現(xiàn)了一種數(shù)據(jù)連續(xù)存儲(chǔ)的方法，最后通過(guò)實(shí)驗(yàn)驗(yàn)證了該方法的可行性及采集平臺(tái)的整體性能。

發(fā)表于：8/4/2017

基于FPGA的CMOS相機(jī)實(shí)時(shí)數(shù)據(jù)處理設(shè)計(jì)

針對(duì)CMOS圖像傳感器輸出的LVDS串行數(shù)據(jù)在傳輸過(guò)程中因數(shù)據(jù)無(wú)法對(duì)齊引起誤碼率升高，圖像分辨率降低問(wèn)題，提出一種基于現(xiàn)場(chǎng)可編程門陣列FPGA的CMOS相機(jī)實(shí)時(shí)數(shù)據(jù)處理研究方案。采用VHDL硬件語(yǔ)言，對(duì)數(shù)據(jù)處理進(jìn)行模塊化設(shè)計(jì)，確保高速數(shù)據(jù)的正確采樣，減少誤碼產(chǎn)生。經(jīng)軟件仿真及實(shí)測(cè)表明：該方案設(shè)計(jì)合理，系統(tǒng)運(yùn)行穩(wěn)定可靠，解決了高分辨率圖像在高速傳輸中的數(shù)據(jù)校正問(wèn)題，輸出的圖像輪廓清晰、無(wú)斑點(diǎn)。

發(fā)表于：8/1/2017

引領(lǐng)“中國(guó)芯” 貴州打造“中國(guó)數(shù)谷”

日前，蘋果宣布與貴州省政府簽訂戰(zhàn)略合作框架協(xié)議，將投資10億美元在貴州設(shè)立數(shù)據(jù)中心(Data Center)，用來(lái)儲(chǔ)存中國(guó)當(dāng)?shù)叵M(fèi)者所使用的iCloud數(shù)據(jù)。這讓半導(dǎo)體業(yè)再次聚焦貴州，試圖挖掘更多蘊(yùn)藏的商機(jī)。

發(fā)表于：7/25/2017

基于Spark的改進(jìn)關(guān)聯(lián)規(guī)則算法研究

針對(duì)關(guān)聯(lián)規(guī)則Apriori算法在信息爆炸時(shí)代面對(duì)海量數(shù)據(jù)時(shí)，其計(jì)算周期大、算法效率低等問(wèn)題，將數(shù)據(jù)以特定的數(shù)據(jù)結(jié)構(gòu)進(jìn)行存儲(chǔ)，降低數(shù)據(jù)遍歷次數(shù)；在連接操作前進(jìn)行剪枝操作，并且改變剪枝操作的判定條件；同時(shí)將改進(jìn)算法IApriori與基于內(nèi)存的大數(shù)據(jù)并行計(jì)算處理框架Apache Spark相結(jié)合，提出了一種基于Spark的Apriori改進(jìn)算法(Spark+IAprior)。實(shí)驗(yàn)結(jié)果表明，Spark+IApriori算法在集群伸縮性和加速比方面都優(yōu)于Apriori算法。

發(fā)表于：7/20/2017