李敏 作品数:6 被引量:23 H指数:3 供职机构: 江南大学物联网工程学院 更多>> 发文基金: 国家自然科学基金 中央高校基本科研业务费专项资金 江苏省自然科学基金 更多>> 相关领域: 自动化与计算机技术 交通运输工程 建筑科学 更多>>
核典型相关分析特征融合方法及应用 被引量:4 2016年 构建了一种基于核函数的典型相关分析的特征融合算法。首先,利用核函数将图像矩阵映射到核空间,再抽取同一模式的两组特征向量,在两组特征向量之间建立描述它们的相关性的判据准则函数;然后依此准则函数抽取两组典型投影矢量集;最后通过给定的特征融合策略抽取组合的典型相关特征以用于分类识别。该算法将两组特征向量之间的相关性特征作为有效鉴别信息,既可以很好地融合信息,又可以有效地去除特征之间的信息冗余,并且避免了对映射后的数据矩阵进行分解,从而简化了数据运算。在AR、PIE、ORL、Yale人脸数据库及UCI手写体数字库上的实验结果证明了该方法的有效性和稳定性。 许洁 梁久祯 吴秦 李敏关键词:核函数 核典型相关分析 人脸识别 Profibus总线在隧道窑PLC监控系统中的应用 2012年 文章介绍了基于Profibu总线的S7-300在隧道窑自动监控系统中的应用。主要分析了系统的构成和相应的硬件及软件设计。该系统具有自动化程度高、易扩展、工作可靠、安装简单等特点,值得推广和应用。 李敏关键词:PROFIBUS总线 隧道窑 PLC 密度峰值优化初始中心的K-means算法 被引量:7 2017年 K-means算法随机选取初始聚类中心,容易导致聚类结果不稳定。为此,提出一种快速密度峰值搜索算法CFSFDP(clustering by fast search and find of density peaks)优化初始中心的K-means算法。首先针对CFSFDP算法中截断距离的选取影响局部密度的计算这一缺点,提出用动力学中的势能替换数据点的局部密度;在此基础上,利用改进的CFSFDP算法选取初始聚类中心,实现K-means聚类。在UCI数据集和人工模拟数据集上的测试结果表明,优化后的新算法具有更好的聚类结果。 李敏 张桂珠基于聚类信息的活动轮廓图像分割模型 被引量:11 2015年 基于传统Chan-Vese(CV)模型,结合图像聚类信息,提出一种有效的活动轮廓模型图像分割方法.该方法首先改进CV模型的能量泛函,考虑图像的梯度信息,提高图像分割的精确度.其次在能量泛函中添加图像的聚类信息系数K,并使用图像的聚类信息实现对水平集轮廓曲线的自动初始化.在分割处理彩色图像时,为提高分割效率,对彩色RGB图像的三通道进行加权处理.最后为能量泛函添加正则项,避免水平集的重新初始化,完成对灰度图像及彩色图像的快速精确分割.实验表明该方法的有效性. 李敏 梁久祯 廖翠萃关键词:CHAN-VESE模型 水平集方法 K-MEANS聚类 图像分割 数值求解优化问题在活动轮廓模型上的应用 被引量:1 2015年 针对活动轮廓模型图像分割过程中迭代次数多,分割速度慢的问题,提出一种高阶的数值求解方法。分析活动轮廓模型中基于全局信息的CV模型,以及基于局部信息的LBF模型,LIF模型。使用二阶、三阶Runge-Kutta方法,原始Euler方法对模型进行数值求解实验对比分析。并对LBF模型中平滑项系数,时间步长的选取进行讨论。通过对非同质图像、同质图像的实验结果分析表明,所采用的数值方法能够有效地提高数值收敛精度、减少迭代次数、计算效率高。对不同系数和时间步长,数值方法也能表现出较好的稳定性。 廖翠萃 李敏 梁久祯 廖祖华关键词:CV模型 LBF模型 RUNGE-KUTTA方法 图像分割 一种活动轮廓模型半隐式数值求解方法 2016年 基于图像区域信息的Chan-Vese模型是经典的图像分割模型.该模型的主要求解过程是最小化能量泛函的过程,通常使用基本的显式欧拉数值求解方法进行求解.针对模型的数值求解优化问题,提出一种使用半隐式数值求解方法的改进ChanVese模型优化求解模型.首先,简化Chan-Vese模型的能量泛函,并实现水平集函数的自动初始化,加快模型的迭代收敛速度.其次考虑图像的概率统计信息,得到基于概率密度信息的拟合项,增强模型的鲁棒性.最后,将改进半隐式数值求解方法通过与常用的数值求解方法进行对比实验分析.实验结果表明该方法在一定程度上提高了图像分割速度,并在不同的时间步长上更具稳定性. 廖翠萃 李敏 梁久祯 吴秦 许洁关键词:CHAN-VESE模型 水平集方法 图像分割