分类: 计算机科学 >> 计算机科学的集成理论 提交时间: 2019-04-01 合作期刊: 《计算机应用研究》
摘要: 为了解决现有哈希算法的中心点不确性和离散编码的表达有限的问题,提出迭代自组织哈希算法(iterative self-organizing hashing,ISOH)。该算法采用迭代自组织数据分析量化空间,以提高近邻检索准确率;在聚类中心初始化方面,使用最远平均距离方法选择初始聚类中心,避免初始聚类中心的随机性;为解决固定编码长度所表示的二值编码种类有限的问题,提出建立多重编码机制;在时间复杂度方面,ISOH算法采用乘积空间,以较低的代价得到更长的编码。实验结果表明,在SIFT、GIST和CIFAR10数据集上与K均值哈希和可扩展图哈希等具体化哈希算法相比,ISOH算法能有效提高近邻检索的准确率。
分类: 计算机科学 >> 计算机科学的集成理论 提交时间: 2018-12-13 合作期刊: 《计算机应用研究》
摘要: 传统的矩阵分解模型无法充分探索用户与物品在均值、偏置和特征之间的内在联系,提出拟合矩阵模型,通过构建用户与物品矩阵分别代表用户与物品特性,提高预测性能。矩阵分解模型在推荐系统领域有精度优势,但求解模型参数最常用的梯度下降法收敛速度缓慢。针对梯度下降法的上述缺陷,考虑与拟牛顿法进行融合,使得收敛速度加快。提出的算法命名为拟合矩阵与两阶融合迭代加速推荐算法(fitting matrix and two orders fusion iterative,FAST)。实验表明,FAST算法比传统的非负矩阵分解(NMF),奇异值矩阵分解(SVD),正则化奇异值矩阵分解(RSVD)在平均绝对误差(MAE)与均方根误差(RMSE)上有下降,在迭代效率上有显著提高,缓解了精度与迭代效率难以平衡的问题。
分类: 计算机科学 >> 计算机科学的集成理论 提交时间: 2018-05-18 合作期刊: 《计算机应用研究》
摘要: 针对目前大蒜自动播种机难于解决直立播种的问题,而已有鳞芽朝向识别算法过于复杂,提出了基于深度学习的方法来解决大蒜鳞芽朝向识别问题。该方法不用特意提取蒜瓣的轮廓特征,也不用计算蒜尖和质心位置,而是直接将蒜瓣图像作为输入,模型自行抽取图像特征,隐式地从训练数据中进行学习来自动识别大蒜鳞芽朝向。实验结果表明,当使用1 700张蒜瓣图片作为训练集时,模型在400张图片组成的独立测试集上的识别准确率达到97.5%。此方法简单、高效、可靠,为大蒜直立播种问题提供了一种新的解决方案,同时也可以用于农业选种等其他模式识别问题上。
分类: 计算机科学 >> 计算机科学的集成理论 提交时间: 2018-04-17 合作期刊: 《计算机应用研究》
摘要: 日期码缺陷检测仍然以人工为主,现有的用于检测日期码缺陷的算法受限于时间复杂度和准确率,无法在工业界获得较大范围的应用。针对这样的情况,提出了一种新的基于迭代配准的post-rotate iterative closest point(PRICP)算法。该算法把日期码抽象为点特征,通过对模板和特征点进行配准来快速检测日期码的缺陷,引入机器学习进一步提高了该算法的准确性、鲁棒性及缺陷分类能力。该算法已经成功应用于青岛啤酒厂流水线喷码日期的缺陷检测,现场运行结果显示该算法在鲁棒性和效率方面明显优于其他方法。适用于多个连通域的信息码的快速缺陷检测,同时不受条件及背景约束,抗噪声能力强,可直接应用与其他的视觉领域。