基于高斯混合模型的非结构复杂环境地形分类

来源 :计算机科学 | 被引量 : 0次 | 上传用户:dengliang109
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
针对因天气变化而产生的色彩转移、光照变化以及相似地形(如土地和沙地)的反射频谱模糊性等因素造成的地形分类性能下降的问题,提出了一种基于高斯混合模型(GMM)的地形分类算法。首先,提取不同光照条件下地形的特征,这种特征是基于改进的离散余弦变换(DCT)纹理特征和在YIQ空间提取的颜色特征的融合特征,然后用这些特征数据训练GMM,对于GMM组成模型数目则采用贝叶斯信息准则(BIC)加以确定。另外针对不同地形区域边界上分类性能差以及同一地形在相同条件下非一致性问题,还提出了一种分类策略。该策略的原理是利用
其他文献
为弥补传统属性约简模型的不足,一些学者提出了基于系统熵的属性约简和基于数据库模型的属性约简定义。基于数据库模型的属性约简的主要优点是能结合高效的数据库技术,使得相应
网络异构性与传输可靠性是视频通信存在的两大问题。在视频编码中,分层编码用来解决网络传输异构性问题,多描述编码是解决传输可靠性的有效手段,而分层多描述视频编码则是二者的
网格环境动态、多域和异构性的特点决定其需要灵活、易于扩展和精细的授权机制。近来在网格环境下的访问控制方面做了大量研究,现有的模型大多在相对静止的前提下,基于主体的标
已有基于内存的虚拟机迁移技术要求迁移源机和目标机之间必须共享网络磁盘,迁移性能受网络条件的影响很大,且在不支持“共享网络磁盘”的环境中,无法实现虚拟机迁移。针对上述问
提出了一种基于Spin-Image的鲁棒水印算法。首先通过Spin-Image变换,提取出网格模型的全局几何特征,同时实现几何数据的二维参数化,然后利用K-L变换对Spin-Image映射的方阵进行
时间性是现实世界数据库本身固有的因素,更是构成隐私数据的基本属性,把它作为约束条件,就可以研究更为真实的现实情况。基于隐私保护和数据安全的考虑,现将数据的时态特性与不同
目前基于短语的统计机器翻译模型很少将非连续短语的情况考虑在内,由此造成翻译结果在目标语言中的意义变化或缺失。以非连续介词短语为例,提供了一种短语模板抽取算法。首先采
考虑到乳腺微钙化簇样本分布不平衡以及特征的多样性,提出了基于K均值聚类的多核支持向量机。即首先将训练样本聚合成K类,对每类样本加不同的惩罚因子,以平衡样本分布不平衡。其次针对样本特征多样性,将核函数做组合,得到多核支持向量分类器。使用主动反馈学习的方法来得到稳定的训练样本。实验结果表明,本方法与单核SVM及多核SVM相比,检对率至少可以提高两个百分点。
对于数据重构,纠删码提供了一个特定的编码方法,用于保护那些在磁盘阵列中的多重失效。在RAID的应用中,用纠删码为条块数据丢失建模,以便优化重构算法来重构整个条块。换句话说,它
密写是信息安全领域的一个重要分支,近年来引起了各国研究机构的高度重视。提出的基于人眼视觉系统的湿纸密写方法根据图像局部纹理复杂程度、对噪声的敏感程度以及明亮度对图