-
公开(公告)号：CN102103636B
公开(公告)日：2013-08-07
申请号：CN201110020898.5
申请日：2011-01-18
Applicant: 南京信息工程大学
IPC: G06F17/30
Abstract: 本发明公布了一种面向深层网页的增量信息获取方法。本发明方法包括：步骤1：确定与远程数据源同步频率；步骤2：利用泊松过程来表示数据源变化频率；步骤3：确定平均新颖度；步骤4：根据数据时新性确定更新频率进行增量信息获取。另外，本发明还可以利用在线学习方法有效进行增量信息获取。本发明方法首先确定与远程数据源同步频率，然后利用泊松过程获得数据源变化频率；接着根据数据时新性确定更新频率。相比现有技术，本发明方法是一种非常高效的深层网页的增量信息获取方法，它能够较大范围地提高人们的工作效率以及在相同更新资源条件下，使得本地数据和远程数据保持最大化同步，为进一步实现深层网数据源集成提供基础。
-
公开(公告)号：CN102103636A
公开(公告)日：2011-06-22
申请号：CN201110020898.5
申请日：2011-01-18
Applicant: 南京信息工程大学
IPC: G06F17/30
Abstract: 本发明公布了一种面向深层网页的增量信息获取方法。本发明方法包括：步骤1：确定与远程数据源同步频率；步骤2：利用泊松过程来表示数据源变化频率；步骤3：确定平均新颖度；步骤4：根据数据时新性确定更新频率进行增量信息获取。另外，本发明还可以利用在线学习方法有效进行增量信息获取。本发明方法首先确定与远程数据源同步频率，然后利用泊松过程获得数据源变化频率；接着根据数据时新性确定更新频率。相比现有技术，本发明方法是一种非常高效的深层网页的增量信息获取方法，它能够较大范围地提高人们的工作效率以及在相同更新资源条件下，使得本地数据和远程数据保持最大化同步，为进一步实现深层网数据源集成提供基础。
-
公开(公告)号：CN101964063A
公开(公告)日：2011-02-02
申请号：CN201010280835.9
申请日：2010-09-14
Applicant: 南京信息工程大学
IPC: G06K9/66
Abstract: 本发明提供一种改进的AdaBoost分类器构造方法，属于图像检测技术领域。本发明首先将样本的类Haar特征值与其类别标签结合起来生成候选分类位置集，从候选分类位置集中寻找使分类错误最小的位置，基于此位置构造弱分类器，并同时提供一种自适应的弱分类器阈值构造方法。本发明较好地解决了AdaBoost分类器训练准备时间过长以及性能的提升问题，将其结合类Haar特征用于车辆图像检测实验，与传统AdaBoost分类器方法相比，明显减少了分类器的训练所需时间，同时还提升了其识别性能。
-
公开(公告)号：CN101937510A
公开(公告)日：2011-01-05
申请号：CN201010280839.7
申请日：2010-09-14
Applicant: 南京信息工程大学
IPC: G06K9/62
Abstract: 本发明提供一种基于类Haar和AdaBoost分类器的快速增量学习方法，属于图像检测技术领域。本发明对于新增加的未正确识别的训练样本集，在不损失已有学习效果的前提下，增加一些关键的类Haar特征信息，而不是重新寻找关键类Haar特征信息，以提高训练的速度。本发明利用所提出的增量学习方法较好地解决了快速提升基于类Haar特征和AdaBoost分类器方法的识别性能问题，将其应用于车辆图像检测实验，与传统增量学习方法相比，在两者提升识别性能相近的情形下，明显减少了学习机的学习时间。
-
公开(公告)号：CN113688706B
公开(公告)日：2023-12-05
申请号：CN202110934666.4
申请日：2021-08-16
Applicant: 南京信息工程大学
IPC: G06V20/58 , G06V10/20 , G06V10/762
Abstract: 本发明公开了一种车辆检测方法、装置、设备及存储介质，其方法包括：对输入图像的尺寸进行归一化处理；根据预设的规格在处理后的图像上划分出多个子窗口；根据预设的宽高比在子窗口上生成多个候选框；基于聚类算法从候选框中选取检测框；对检测框进行检测并输出检测结果。本发明能够对图片中车辆定位更准确以及提高有遮挡情形的车辆检测的准确率。
-
Patent Agency Ranking
公开(公告)号：CN104156463A
公开(公告)日：2014-11-19
申请号：CN201410416065.4
申请日：2014-08-21
Applicant: 南京信息工程大学
IPC: G06F17/30
CPC classification number: G06F17/30598 , G06F17/30194
Abstract: 本发明公开了一种基于MapReduce的大数据聚类集成方法，包括如下步骤：步骤1，大数据切分和管理；步骤2，采用多重K的聚类集成算法生成多个基聚类；步骤3，获取集成关系；步骤4，确定最终聚类。本发明首先对原始数据进行分割，用切分好的非空小数据块代替原数据中的点集进行聚类，减少数据规模和数据处理所耗费时间。本发明采用云计算MapReduce编程模型，使得聚类过程在分布式集群上并行完成，克服了单机算法在存储和计算性能上的限制，从而有效处理大数据，不断地从中挖掘出有价值信息，为用户提供可定制性和可扩展性，并优化了算法执行效率，适用处理大数据环境下的数据处理、分析与计算，能够满足不同用户的需求。
-
公开(公告)号：CN101964063B
公开(公告)日：2012-06-27
申请号：CN201010280835.9
申请日：2010-09-14
Applicant: 南京信息工程大学
IPC: G06K9/66
Abstract: 本发明提供一种改进的AdaBoost分类器构造方法，属于图像检测技术领域。本发明首先将样本的类Haar特征值与其类别标签结合起来生成候选分类位置集，从候选分类位置集中寻找使分类错误最小的位置，基于此位置构造弱分类器，并同时提供一种自适应的弱分类器阈值构造方法。本发明较好地解决了AdaBoost分类器训练准备时间过长以及性能的提升问题，将其结合类Haar特征用于车辆图像检测实验，与传统AdaBoost分类器方法相比，明显减少了分类器的训练所需时间，同时还提升了其识别性能。
-
公开(公告)号：CN113688706A
公开(公告)日：2021-11-23
申请号：CN202110934666.4
申请日：2021-08-16
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种车辆检测方法、装置、设备及存储介质，其方法包括：对输入图像的尺寸进行归一化处理；根据预设的规格在处理后的图像上划分出多个子窗口；根据预设的宽高比在子窗口上生成多个候选框；基于聚类算法从候选框中选取检测框；对检测框进行检测并输出检测结果。本发明能够对图片中车辆定位更准确以及提高有遮挡情形的车辆检测的准确率。
-
公开(公告)号：CN101916272B
公开(公告)日：2012-04-25
申请号：CN201010250124.7
申请日：2010-08-10
Applicant: 南京信息工程大学
IPC: G06F17/30
Abstract: 本发明公开了一种用于深层网数据集成的数据源选择方法。本发明方法首先基于查询接口语义特征并结合本体库，选择与用户查询相关度较大的深层网数据源；接着通过数据源的质量评估模型对数据源的质量进行评估，最后根据质量评估情况质量较高的数据源，最终得到与客户查询相关度大且质量较高的数据源集。相比现有技术，本发明方法能够提高深层网页查询的准确度，同时降低信息冗余，提高查询效率。
-
公开(公告)号：CN101937507A
公开(公告)日：2011-01-05
申请号：CN201010280831.0
申请日：2010-09-14
Applicant: 南京信息工程大学
Abstract: 本发明提供一种低对比度车辆图像的小波特征提取方法，属于图像特征处理技术领域。本发明先利用小波变换对图像进行塔式分解；然后对塔式分解后的小波高频系数采用增益函数进行增益处理，以提高高频细节部分对分类的贡献，最后对所有数据进一步进行分层归一化处理，将处理后的数据形成特征向量输入到分类器进行分类识别。本发明解决了现有的特征提取方式对低对比度图像进行特征提取后分类识别效果较差的问题，利用所提出的方法结合支持向量机分类器对Twilight图像进行车辆检测实验，与现有小波特征提取方法相比，明显提高了车辆识别率，大幅度降低了非车辆误识别率。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.026 seconds)
