车辚辚
- 作品数：38 被引量：195H指数：9
- 供职机构：华北电力大学更多>>
- 发文基金：中央高校基本科研业务费专项资金河北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文化科学电气工程电子电信更多>>
- 复杂背景下基于MobileNets的花卉识别与模型剪枝被引量：19
- 2018年
- 为了准确识别复杂背景下的花卉目标,并兼顾模型的大小,提出了复杂背景下基于MobileNets的花卉识别与模型剪枝的方法。通过布尔显著性检测出前景花卉目标,进而结合GrabCut算法对花卉目标前背景分离,最终由MobileNets卷积神经网络进行识别和表达,识别率在应用布尔显著性结合GrabCut算法前后分别为0.851和0.903。为使模型占用更小的存储空间,采用L2范数方法对模型进一步剪枝,存储空间在剪枝前后分别为46.2 MB和24.3 MB,能够满足移动端的应用需求。
- 孔英会朱成诚车辚辚
- 关键词：GRABCUT剪枝
- 产学研相结合的物联网学科建设方案探讨
- 2014年
- 随着高科技物联时代的到来,一场新的信息科技革命正在铺天盖地的袭来,因此培养和发展掌握物联网技术人才的任务迫在眉睫。在认真分析了物联网关键技术的基础上,从基础理论教学、实践实验教学、研究型人才培养和研究成果转化四个方面对物联网学科建设方案进行了全面阐述。力求形成以理论教学为基石,以优化教学和科研资源为前提,以培养实用创新型人才为目的,以推进教学科研成果融合转化为目标的物联网学科体系。
- 车辚辚孔英会李保罡贾惠彬
- 关键词：物联网学科建设实践教学体系
- 基于Watir的物联网Web事件处理方法
- 一种基于Watir的物联网Web事件处理方法，首先创建物联网页面，对终端节点的属性描述到网页上并将网页部署到服务器上，采用自动化测试框架Watir方法加载到物联网动态页面，结合Web页面的结构和内容获取包含终端节点信息的...
- 孔英会高育栋李佩玉车辚辚
- 一种基于强化学习的光传送网路由波长DeepRWA优化方法
- 一种基于强化学习的光传送网路由波长DeepRWA优化方法，它利用计算机为数据处理平台，采用SDN框架灵活控制光传送网络的路由选择和波长分配，基于深度强化学习策略实现RWA的智能化处理；深度强化学习使用异步优势行动‑评论算...
- 孔英会杨佳治高会生胡正伟车辚辚
- 基于Genesys的Smith圆图的教学研究
- 2010年
- 电磁场与微波技术课程是通信工程专业一门重要的专业基础课程。而Smith圆图又是课程学习的一个难点,因此,在教学过程中,将Smith圆图引入实验教学中,在Genesys软件中完成圆图结构的仿真,实践表明,将Smith圆图课堂教学与实验教学相结合,可以有效地激发学生学习的积极性和主动性,使学生能较好地掌握基本理论和基本知识,为学生在实际应用打下了必要的基础。
- 孙景芳车辚辚
- 关键词：SMITH圆图电磁场教学研究
- 基于稀疏学习与显著性的人脸识别方法研究被引量：7
- 2018年
- 针对复杂环境下人脸识别效果差、识别率低等问题,提出一种利用稀疏学习及显著性理论提取人脸特征的方法。基于稀疏编码理论模拟人类视觉感知机制,利用学习得到的基函数构造多尺度多方向滤波器提取图像外观轮廓特征,并对该特征做局部二值模式滤波,以突出人脸局部细节纹理特征。依据视觉注意机制对处理后的特征构造显著图,增强关键特征对于人脸识别的贡献。在LFW、YALE标准库和自制视频帧图像库上的实验结果表明,该方法的识别率高于传统特征提取方法,得到的人脸特征更具代表性,并且在复杂环境下具有较强的鲁棒性。
- 孔英会尹紫薇车辚辚
- 关键词：复杂环境特征提取视觉注意机制
- 基于Watir的物联网Web事件处理方法
- 一种基于Watir的物联网Web事件处理方法，首先创建物联网页面，对终端节点的属性描述到网页上并将网页部署到服务器上，采用自动化测试框架Watir方法加载到物联网动态页面，结合Web页面的结构和内容获取包含终端节点信息的...
- 孔英会高育栋李佩玉车辚辚
- 去身份识别技术综述被引量：1
- 2013年
- 首先对去身份识别技术的应用背景和影响因素进行了概括;然后对以影响因素为基础的去身份识别研究成果进行了全面论述,并对去身份识别算法的健壮性要求进行了讨论;最后归纳了当前研究存在的问题与挑战。
- 车辚辚韩东升
- 关键词：隐私保护视频监控
- 一种基于t‑SNE的电能质量扰动特征提取方法
- 本发明公开了基于t‑SNE的电能质量扰动特征的提取方法，所述方法建立了常见的PQD信号数学模型，并考虑了扰动参数和噪声的影响，然后采用小波分解得到信号的小波能量向量构造原始特征集，最后通过t‑SNE算法进行二次特征提取，...
- 车辚辚
- 基于增量DFT概要的数据流聚类算法被引量：3
- 2007年
- 数据流聚类分析是数据流挖掘领域的重要分支。由于数据流海量、快速、动态到达,传统的静态数据挖掘技术不能满足在线分析的需求。数据流聚类的核心是设计单遍数据集扫描算法,在有限的内存中存储少量概要特征信息,实现数据流实时、在线聚类分析。采用数据流处理中广泛应用的滑动窗口模型,提出一种新的基于增量傅立叶变换(DFT)的数据流概要算法,并在此基础上运用k-均值(k-means)聚类,实现数据流的在线挖掘。基于增量DFT概要的数据流聚类算法可减少运行时间,节省内存空间,实际用电负荷数据证明了算法的有效性。
- 孔英会安静车辚辚刘云峰
- 关键词：数据流聚类K-MEANS
