钱赛
- 作品数：3 被引量：2H指数：1
- 供职机构：江西省科学院更多>>
- 发文基金：江西省科技厅科研基金江西省自然科学基金国家自然科学基金更多>>
- 相关领域：自动化与计算机技术天文地球更多>>
- 一种基于灰色模型的数据预测优化算法
- 2016年
- 近些年来,灰色模型GM(1,1)被大量应用于小样本或穷信息的预测,操作与实现步骤简单,预测精度较高.为了进一步提高GM(1,1)的预测精度,运用遗传算法动态调整GM(1,1)中的均质生成数列分辨率系数,改变通常把灰色模型的分辨率系数设置为1/2的计算模式,使得改进后的GAGM(1,1)算法针对小样本的预测具有更高的精度和鲁棒性.通过算法的数值实验,结果表明优化算法的预测精度高于传统的GM(1,1)算法及多个基于GM(1,1)的改进算法.
- 朱晓翠钱赛
- 关键词：遗传算法数据预测
- 基于LBP特征的人体行为识别算法研究被引量：2
- 2017年
- 人体行为识别是计算机视觉领域内非常热门的一个研究方向。通常人体行为识别包括两个关键步骤:人体行为特征提取和分类器的选择和设计。采用了一种简单高效的人体动作特征描述子局部二值模式(Local Binary Pattern,LBP),该特征可以较好的描述人体的纹理和轮廊信息;识别算法采用了多类支持向量机算法。在标准的数据集上的实验结果表明,方法具有较高的识别率。
- 张苗辉易均钱赛郑萍唐超胡春玲
- 关键词：深度图像LBP特征支持向量机
- 一种改进的中值滤波方法进行背景估计
- 2018年
- 背景估计主要是构建场景中的背景,这些场景通常是一系列视频帧,并且包含有运动物体。场景的背景估计在虚拟现实和人机交互上有很多重要的用途,而且在一些安全场合也有很多运用,如视频监控、视频分割等。通过运用时间中值滤波和高斯滤波,提出了一种非常鲁棒的场景背景建模方法。具体而言,即先从这些视频序列中训练一个概率密度函数(PDF),再使用这个密度函数对背景象元进行建模。从而过滤出来其中低概率密度的象元,将其作为前景运动物体或者噪音。最后,用时间中值滤波过滤视频序列中剩余的象元。在2016的场景背景建模竞赛中(SBMnet),对该方法从多个指标进行了测试。实验结果表明,与传统中值滤波器及其他扩展方法相比,改进的方法在背景杂乱和有运动的情况下也可以取得很好的效果。
- 张苗辉李晖陈宁唐超钱赛
- 关键词：中值滤波高斯滤波
