您现在的位置: 首页> 研究主题> 高斯函数

高斯函数

高斯函数的相关文献在1986年到2022年内共计432篇,主要集中在自动化技术、计算机技术、数学、无线电电子学、电信技术 等领域,其中期刊论文370篇、会议论文19篇、专利文献12671篇;相关期刊266种,包括数理天地:初中版、数理天地:高中版、东北大学学报(自然科学版)等; 相关会议19种,包括第九届中国系统建模与仿真技术高层论坛、第23届过程控制会议、2010全国现代制造集成技术(CMIS)学术会议等;高斯函数的相关文献由1018位作者贡献,包括杨燕、王江荣、陈斌等。

高斯函数—发文量

期刊论文>

论文:370 占比:2.83%

会议论文>

论文:19 占比:0.15%

专利文献>

论文:12671 占比:97.02%

总计:13060篇

高斯函数—发文趋势图

高斯函数

-研究学者

  • 杨燕
  • 王江荣
  • 陈斌
  • 冯前进
  • 刘伟
  • 刘珑龙
  • 岳辉
  • 张建民
  • 曾月迪
  • 李莉
  • 期刊论文
  • 会议论文
  • 专利文献

搜索

排序:

年份

    • 陈姣; 龚芝; 高祥斌
    • 摘要: 当前的显著图像特征提取方法无法增强原始图像目标特征显著性,导致提取精度偏低、耗时长,且抗干扰性能较弱。为此,提出基于高斯函数的显著图像特征提取方法。建立高斯函数,生成关于原始图像数据的特征分布金字塔,层层滤波金字塔内所有特征点,计算迭代后的特征参数。以上述参数为判定依据,判定尺度区间内的全部特征,分辨异常特征点及目标特征点,建立提取窗口,计算在上述窗口内目标特征点水平方向及垂直方向的分布金字塔,代入到高斯响应函数中计算最终的响应阈值,至此完成目标特征提取。仿真结果证明,所提方法对原始图像特征具有较强的识别性,且与原始数据的吻合性较强、精准度较高、耗用时间较少,抵抗异常数据、噪声或冗余特征点影响能力强。
    • 任永泰; 武方宸
    • 摘要: 由于对机械加工零件表面进行磨损图像检测的过程中存在噪声,影响了检测精度,为此以模糊神经网络为技术支持,结合人工智能技术,设计一种机械加工零件表面磨损图像检测方法。选取某锻造加工厂一台金属切削机械车床,就其加工零件表面展开检测分析。将模糊化概念与模糊推理融入神经元,构建五层结构的模糊神经网络,通过数控车床控制系统运行与训练,明确各网络层相关参数。利用灰度增强、中值滤波、阈值分割等预处理手段,对车床加工零件表面图像进行预处理。基于模糊神经网络结构,将预处理后零件表面图像输入网络输入层,经模糊化层、规则层、求和层的处理,由反模糊化层输出最终的磨损图像检测结果。实验结果表明,所提方法的车床加工零件表面磨损图像检测精度较高,对加工现场复杂的光照环境,具备较强的抗干扰能力,可行性与可靠性优势显著。
    • 张智韬; 吴天奎; 于广多; 白旭乾; 张誉馨; 黄嘉亮
    • 摘要: 考虑冠层温度变化的时滞效应,可能在一定程度上能够提高土壤含水率的监测精度。该研究以灌浆期的夏玉米为研究对象,利用精密红外温度传感器(SI-411)连续监测I1(田间持水量的85%~100%)、I2(田间持水量的70%~85%)和I3(田间持水量的50%~65%)3个不同水分处理下的冠层温度,并同步获取试验地地面净辐射、大气温度、空气相对湿度等环境因子数据,以及不同水分处理小区0~10、0~20、0~30、0~40、0~60 cm不同深度处土壤含水率数据,利用高斯函数拟合冠层温度及环境因子日变化过程以此确定拟合曲线的峰值时刻,通过峰值时间差确定两者之间的时滞关系,并利用多元线性回归分析确定冠层温度的主要影响因素,最后在考虑冠层温度与主要影响因素之间时滞关系的基础上,分析冠层温度变化的时滞效应对监测土壤含水率的影响。结果表明:不同水分处理下的冠层温度峰值具有较大差异,峰值大小依次为I3、I2、I1;I1、I2、I3水分处理的冠层温度峰值时刻分别滞后净辐射约70、70、100min,超前大气温度和相对湿度约60、60、30min;冠层温度变化的主要影响因素为大气温度,其次为地面净辐射,最后为相对湿度;考虑时滞效应的冠气温差与土壤含水率的相关性更高,考虑时滞效应的冠气温差对土壤含水率的监测效果有一定提升。研究可为利用作物生理特性提高土壤水分监测精度提供参考。
    • 段文双; 闫书佳; 单鸿涛; 卢金科
    • 摘要: 针对传统的高压电气设备紫外漏电检测方法存在的紫外图像处理算法复杂、精确度低等问题,采用基于高斯函数色彩映射的图像分割算法分割进行图像预处理。通过绝缘子污秽放电实验,拍摄高压故障设备紫外辐射图像,对紫外图像进行图像分割处理。从紫外光斑的二值图像中提取故障设备紫外辐射光斑区域特征,评估高压绝缘设备故障等级。实验过程中,在不同的距离拍摄高压放电设备紫外图像,并分析检测距离与紫外辐射区域光斑面积的关系。实验结果表明,高斯函数色彩映射图像分割算法对彩色紫外漏电区域分割效果较好;放电设备紫外光斑区域面积、周长、长轴、短轴四个特征量均可用于表征放电量大小,从而评估高压故障设备故障等级;漏电光斑区域特征量与拍摄距离呈非线性负相关。
    • 杨洋; 宋春花
    • 摘要: 为了达到良好的图像去雾效果,提出一种高斯自适应多尺度加权滤波去雾算法。通过多尺度最小值加权滤波得到暗通道图像,建立最小通道与高斯函数的关系,线性约束后并经过自适应参数对像素灰度值的调整得到粗级透射率,紧接着对得到的粗级透射率图像进行多尺度加权引导滤波得到优化透射率,结合加权大气光强并依据大气散射模型对图像进行去雾复原处理。实验结果表明,该方法有效地将单幅有雾图像进行了处理,与其他经典算法相比较得到的图像细节显示效果好,很好地恢复了场景的对比度,增加了图像的可见度,具备一定的优异性。
    • 刁尹; 王永海; 卢宝刚; 韦常柱
    • 摘要: 针对不同构型与任务条件下的运载能力快速计算问题,提出了基于高斯函数和组合神经网络的速度损失计算方法,并基于此对运载能力进行了快速分析。首先,基于状态量解析解计算分析,采用高斯函数对核心的重力速度损失项进行拟合计算;同时,为提高多构型与多任务样本的采样密度、简化数据建模过程并增强方法适应性,采用径向基网络(RBF)与深度神经网络(DNN)的组合形式进行状态量的提取与回归分析;然后将任务约束转化为需要速度增量,通过数值迭代得到运载能力。仿真结果表明,此运载能力分析方法精度偏差约为0.35%,计算耗时小于2 s,可为运载火箭总体参数快速论证与任务规划研究提供理论支撑。
    • 李清霞
    • 摘要: 针对遗传算法中存在个体进化停滞的问题,提出了一种基于高斯函数和自适应精英策略的遗传算法。该算法采用自适用精英种群选择策略,以避免丢失非最优解中一些有价值的信息,并引导停滞的个体继续进化。通过在交叉操作算子中引入高斯函数以实现种群的多样性,从而平衡开发和探索能力。在CEC 2014基准函数和两个实际优化问题的实验中,证明了本文算法比其他相关算法具有更高的求解精度和更好的收敛性。
    • 范广哲
    • 摘要: 对近两年部分重点高校强基和自招中的高斯函数试题进行剖析,希望能对教师和学生有所帮助和启迪.强基和自招中的数学试题普遍具有难度高,知识广,题量大及综合性强的基本特点,更加注重考查学生的数学思维.教师和学生都应积累解题经验,发现解题规律,掌握解题策略.
    • 王宇航; 周永霞; 吴良武
    • 摘要: 针对卷积神经网络(CNN)中的传统池化算法不能很好地考虑到池化域内每个元素与该池化域所含特征之间关联性的问题,提出一种基于高斯函数的池化算法。首先根据池化域内各元素的值和所有元素的最大值计算高斯函数的三个参数值,然后运用高斯函数计算池化域内所有元素的权重,最后根据这些权重对池化域内所有元素值计算加权平均值,并以此作为池化结果。选择LeNet5、VGG16、ResNet18和MobileNet v3作为实验模型,在公开数据集CIFAR-10、Fer2013和德国交通标志识别基准(GTSRB)上进行实验,并与最大池化、平均池化、随机池化、混合池化、模糊池化、融合随机池化和soft池化这七种池化算法进行对比。实验结果表明,所提算法在三个数据集上相较其他算法在精度方面均有0.5个百分点到6个百分点的提升,且在运行效率方面优于上述除最大池化和平均池化两种池化算法外的其他池化算法,从而验证所提算法有效且具适合应用于对运算时间要求不高但对精度要求较高的情况。
    • 郭利进; 李博仑
    • 摘要: 污水处理流程具有滞后性、时变性、强耦合、非线性等特点,是一个多维输入、多维输出的复杂系统。根据实时进水水质判断未来出水水质的一些参数是否存在超标可能,以便提前对工艺参数进行调整,对污水处理系统的优化具有重要意义。针对污水处理出水总氮(TN)检测大滞后的问题,提出一种基于高斯函数非线性递减步长的萤火虫算法优化支持向量回归参数(GNFA-SVR)的软测量模型。通过改进萤火虫算法(FA)对支持向量回归机(SVR)的惩罚因子和核参数寻优,将污水进水水质的特征组分作为预测模型输入,建立GNFA-SVR出水TN预测模型。仿真结果表明,与LFA(线性递减步长的萤火虫算法)-SVR和FA-SVR预测模型相比,GNFA-SVR组合模型参数寻优收敛速度快、预测精度高,且预测误差在±0.5 mg/L以内,可实现出水TN的精准预测。
  • 查看更多

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号