分类: 计算机科学 >> 计算机科学的集成理论 提交时间: 2018-11-29 合作期刊: 《计算机应用研究》
摘要: 解析脑神经元动作电位(Spike)表征的视觉信息是重要的科学问题,从Spike信号中重建视觉刺激是解决该问题的重要途径。提供了一种从神经元Spike信号重建视觉刺激的方法,通过提取4种颜色背景下5种字符图像刺激的鸽视顶盖(OT)神经元的Spike发放率特征,构建线性逆滤波器和随机森林重建模型,优化模型参数,从而实现不同颜色背景的字符图像重建并分析了背景颜色对重建结果的影响。结果表明,最优参数条件下,线性逆滤波器模型对白、红、绿、蓝背景下字符图像的平均重建正确率达到0.9225±0.0268、0.9027±0.0204、0.9358±0.0235、0.8170±0.0313,随机森林模型对应的图像平均重建正确率为0.9499±0.0255、0.9228±0.0303、0.9472±0.0239、0.7913±0.0255。方差分析发现,白色、红色和绿色背景图像重建结果无显著性差异,但这3种颜色背景图像重建结果与蓝色背景重建结果有显著性差异。
分类: 计算机科学 >> 计算机科学的集成理论 提交时间: 2018-10-11 合作期刊: 《计算机应用研究》
摘要: 随着互联网与多媒体拍照技术的飞速发展与普及,使得各种各样的图像资源数量急剧膨胀。如何在众多的图像信息资源中快速、有效地寻找用户最喜欢的图像,成为了图像推荐领域需要解决的一个重要问题。针对这个问题,提出了一种用户偏好的美学图像推荐方法,通过使用深度卷积神经网络提取图像的深层特征,并经过SVMRank后得到一个图像排序得分,同时使用手工标记的图像美学因素(如色调法、图像组合规则、清晰度以及简洁性)计算并得到图像的美学特征,得到一个美学得分,最后进行加权交叉验证得到一个令用户满意的推荐结果。通过实验表明该算法为一种有效的美学偏好推荐方法。
分类: 计算机科学 >> 计算机科学的集成理论 提交时间: 2018-05-20 合作期刊: 《计算机应用研究》
摘要: 个性化照片排序在图像质量评价和图像检索中有着重要意义。为了解决现存方法忽视用户偏好和准确率低的缺点,提出一种新颖的,基于排序的支持向量机的用户专属美学排序模型。首先输入用户喜好的专属图片,随后通过深度卷积神经网络提取特征并与数据集对比,创建用户专属美学训练集,之后使用排序的支持向量机学习定制的超平面,并生成用户专属的个性化美学排序。后续实验中,第一组实验邀请用户进行算法个性化预测的评估,第二组实验测试图片质量高低的准确度。实验结果表明算法预测结果较符合用户喜好,同时在图片质量高低分类上有较高的准确度。因此,该算法一种有效的个性化排序方法。
分类: 计算机科学 >> 计算机科学的集成理论 提交时间: 2018-05-20 合作期刊: 《计算机应用研究》
摘要: 近80%脑卒中存活者会发生肢体残疾,其中以上肢问题影响更为剧烈。康复医学与机器人学、生物医学、人工智能等学科高度交叉的镜像康复机器人,是解决患者康复训练问题的前沿技术途径。针对基于镜像机理形成的康复机器人,研究分析了镜像上肢康复机器人的现状以及其中关键技术路线、核心实现方式,阐述了主要功能与技术特点。在此基础上,分析在研究中存在的瓶颈问题,并提出相应的解决策略,以期为今后的镜像机器人研究提供方向。
分类: 计算机科学 >> 计算机科学的集成理论 提交时间: 2018-04-24 合作期刊: 《计算机应用研究》
摘要: 针对多目标粒子群优化算法收敛性和多样性难以平衡的问题,提出一种利用问题的结构信息来解决多目标问题的自组织多目标粒子群算法。通过自组织映射网络发现种群和非支配解集分布的结构,构造出当前粒子的邻域关系,从邻域中选出非支配解,从而引导种群局部和全局的搜索。提出了精英学习策略,通过对精英粒子进行变异,引导算法跳出局部最优。实验结果表明,所提算法可以兼顾收敛性和多样性,有效地解决多目标优化问题。
分类: 计算机科学 >> 计算机科学的集成理论 提交时间: 2018-04-19 合作期刊: 《计算机应用研究》
摘要: 针对当前算法在求解非线性方程组时面临解的个数不完整、精确度不高、收敛速度慢等问题进行了研究,提出一种多模态多目标差分进化算法。首先将非线性方程组转换为多模态多目标优化问题,初始化一个随机种群并对种群中全部个体进行评价;然后通过非支配解排序和决策空间拥挤距离选择机制,挑选种群中的一半优质个体进行变异;接着在变异过程中采用一种新的变异策略和边界处理方法以增加解的多样性;最后通过交叉和选择机制使优质个体进行进化,直到搜索到全部最优解。在所选测试函数集和工程实例上的实验结果表明,该算法能有效地搜索到非线性方程组的解,并通过与当前四个算法进行比较,该算法在解的数量和成功率上具有优越性。
分类: 计算机科学 >> 计算机科学的集成理论 提交时间: 2018-04-12 合作期刊: 《计算机应用研究》
摘要: 针对Kinect传感器所采集的深度图像中存在大面积空洞的问题,提出了一种模糊C-均值聚类引导的深度图像修复算法。该算法将同步获取的彩色图像和深度图像作为输入;利用模糊C-均值聚类算法对彩色图像进行聚类,聚类结果作为引导图像;然后对每个深度图像中的大面积空洞区域,利用改进的快速行进算法,从空洞边缘向空洞内部逐层修复空洞区域;最后,利用改进的双边滤波算法去除图像中的散粒噪声。实验表明该算法能有效修复Kinect深度图像中的空洞,修复后的图像在平滑度和边缘强度上优于传统算法。