一种基于机器学习的样本集自动生成方法

    公开(公告)号:CN113887737A

    公开(公告)日:2022-01-04

    申请号:CN202111118016.9

    申请日:2021-09-23

    Abstract: 本发明公开了一种基于机器学习的样本集自动生成方法,将样本集自动生成过程分为:1)根据目标分布特性切分原始图像,得到切分小图;2)选择待识别目标图像区域作为模式,调整参数列表进行模式匹配,自动生成样本标注文件,得到标注好的样本集;3)利用样本增强方法,平衡扩充样本集,生成新增样本标注文件,得到扩充样本集。本发明从原始图像的处理出发,实现了样本自动切割与目标定位,并辅以样本增强方法平衡样本数量,为样本集的构建提供了自动化解决方案,提高了样本集构建效率,有较高的应用价值和推广价值。

    非平衡样本分类的集成迁移学习方法

    公开(公告)号:CN102521656B

    公开(公告)日:2014-02-26

    申请号:CN201110452050.X

    申请日:2011-12-29

    Abstract: 一种非平衡样本分类的集成迁移学习方法:在初始化时,将正负样本赋予不同的权重,保证占总样本比例小但信息量大的负样本初始权重大。每轮训练过程中按比例抽取部分样本作为训练子集进行训练,训练结束后,从若干个简单分类器中选择误差最小的那个,作为一个弱分类器,并按照冗余数据动态剔除算法调整训练数据集,经过T轮迭代后得到一个弱分类器序列,将多个弱分类器叠加起来组合成一个强分类器。本发明有效利用已有旧数据的分类规律找出近似分布的新数据的分类规律,尤其是针对分类不平衡数据的分类问题提供了新的方法,保证了分类中数量少的负样本在分类训练中的作用,有效地提高了负样本的贡献率,提高了分类的效率和精度。

    一种地铁隧道轮廓-包络线最短距离分析方法

    公开(公告)号:CN112197743B

    公开(公告)日:2022-05-17

    申请号:CN202011076457.2

    申请日:2020-10-10

    Abstract: 本发明提供了一种分析地铁隧道轮廓‑包络线最短距离的方法,步骤为:建立坐标体系,获取隧道断面、机车包络线以及轨道数据;将机车包络线数据转换到隧道断面坐标系中;计算隧道凸点到机车包络线的最短距离;计算每个机车包络线凸点到隧道断面轮廓的最短距离;筛选出符合条件的最短距离及其对应的点;生成轮廓测量分析图和轮廓测量分析成果表。本发明利用轨检小车测量的轨道横滚角、激光雷达扫描的隧道轮廓点云数据,快速准确地得出的隧道轮廓‑包络线最短距离,用于侵界分析,提高了隧道轮廓测量分析的准确性和效率。

    一种基于分布式计算的激光雷达点云数据投影方法

    公开(公告)号:CN112215958A

    公开(公告)日:2021-01-12

    申请号:CN202011076160.6

    申请日:2020-10-10

    Abstract: 本发明提出一种基于分布式计算的激光雷达点云数据投影方法,步骤为:建立投影空间的坐标模型;获取激光雷达点云数据并清洗噪点数据;根据里程信息将点云数据切分成数据块,分发到计算节点上;将每个数据块的点云数据投影生成正射投影灰度图像;计算每个隧道实测点在断面坐标系中的空间特征值Rn;为正射投影灰度图像增加空间特征通道,生成所需尺度的多维特征融合的图像矩阵。本发明将点云数据高效处理为包含表面和空间特征的多维特征图像矩阵,有利于提高隧道变形和缺陷检测的准确率,具有更高的应用价值及经济效益。

    一种地铁隧道轮廓-包络线最短距离分析方法

    公开(公告)号:CN112197743A

    公开(公告)日:2021-01-08

    申请号:CN202011076457.2

    申请日:2020-10-10

    Abstract: 本发明提供了一种分析地铁隧道轮廓‑包络线最短距离的方法,步骤为:建立坐标体系,获取隧道断面、机车包络线以及轨道数据;将机车包络线数据转换到隧道断面坐标系中;计算隧道凸点到机车包络线的最短距离;计算每个机车包络线凸点到隧道断面轮廓的最短距离;筛选出符合条件的最短距离及其对应的点;生成轮廓测量分析图和轮廓测量分析成果表。本发明利用轨检小车测量的轨道横滚角、激光雷达扫描的隧道轮廓点云数据,快速准确地得出的隧道轮廓‑包络线最短距离,用于侵界分析,提高了隧道轮廓测量分析的准确性和效率。

    基于预测模式拷贝的HEVC多描述编码

    公开(公告)号:CN104219530A

    公开(公告)日:2014-12-17

    申请号:CN201410505535.4

    申请日:2014-09-28

    Abstract: 基于预测模式拷贝的HEVC多描述编码算法,属于信号处理技术领域,特别涉及信号编码技术。用来解决多相空间亚采样多描述视频编码方法产生冗余过多,尤其在中高比特率编码压缩时编码效率不高这一问题。在编码时,对各描述采用了不同方案。其中编码器采用HEVC,只对单个描述的其中一个子序列预测编码,而对于另一子序列的预测模式和运动矢量的选择则直接拷贝已编码子序列的对应块,同时计算预测残差。此方法充分利用各子序列间的时空相关性,在降低冗余性的基础上,减少了编码计算。由于单个描述的两子序列之间有很强的时空相关性,各子序列时间轴位置相同的单个帧的图像块有类似的最佳运动预测模式,且运动矢量基本相似。

    一种基于自适应观测组合优化的分块压缩感知方法

    公开(公告)号:CN103985100A

    公开(公告)日:2014-08-13

    申请号:CN201410242605.1

    申请日:2014-06-04

    Abstract: 自适应观测组合优化的分块压缩感知算法,属于信号处理技术领域。用来解决分块压缩感知算法的图像重构质量相比压缩感知降低严重的问题。在图像分块的基础上,根据每块图像的稀疏性不同,利用不同的观测矩阵自适应地对图像块进行观测。通过重构图像块的效果比较,选择重构最优的观测作为当前块的最优观测,对每个图像块的最优观测进行组合得到组合优化观测。最终,利用得到的组合优化观测重构出原始图像。算法在实时性方面要优于压缩感知,同时克服了分块压缩感知图像重构时质量下降严重的缺点。在应用领域中,可以实现在快速传播信号的同时,提供可靠的信号质量。同时,组合优化观测后的信息可以作为特征,对机器学习领域具有较高的参考价值。

Patent Agency Ranking