齐英剑
- 作品数：19 被引量：53H指数：4
- 供职机构：中国传媒大学更多>>
- 发文基金：国家教育部博士点基金国家自然科学基金陕西省科学技术研究发展计划项目更多>>
- 相关领域：自动化与计算机技术自然科学总论文化科学经济管理更多>>
- 任务驱动教学法在《计算机图形学》教学中的应用被引量：2
- 2009年
- 计算机图形学课程是一门具有较强的理论性和实践性要求的课程,对于培养学生思维能力和动手能力很重要。结合几年来的教学经验,以理学院信息与计算科学专业的计算机图形学课程为例,将任务驱动教学法引入日常教学,在采用整体任务设计和引导学生自主学习方面进行了探索和实践。
- 齐英剑蔡天星
- 综合形状和纹理特征描述的目标识别研究
- 对图象中感兴趣的目标的颜色纹理和形状进行描述是图象分析和识别的重要内容.形状关联描述符(shape contexts)提出了一种可以用来度量相似性并且恢复对应特征点的方法,在CAPTCHA问题以及体态配置等问题中取得了良...
- 齐英剑赵宝永李樱
- 关键词：目标识别图象识别
- 文献传递
- 基于Smith预估的神经滑模控制方法在时滞系统中的应用
- 为了解决控制系统中的时滞及参数摄动和外界干扰对系统的影响等问题，提出基于Smith预估的神经滑模控制方法，既利用Smith预估对滞后被控对象的补偿作用，又充分发挥滑模变结构控制在设计控制器时与被控对象参数及扰动无关的特性...
- 赵宝永齐英剑
- 关键词：控制系统时滞系统
- 基于Zernike矩亚像素边缘检测的改进算法被引量：8
- 2010年
- 通过分析Zernike矩以及基于Zernike矩的亚像素图像边缘检测原理,针对Ghosal提出的基于Zernike矩的亚像素图像边缘检测算法检测出的图像存在边缘较粗及边缘亚像素定位精度低等不足,提出一种改进算法。推导了Zernike矩模板系数,提出一种新的边缘判断依据。改进的算法能较好检测图像边缘并实现较高的边缘定位。最后,设计两组实验,实验结果将各尺寸模板结果及与Ghosal算法进行比较,证明了改进算法的优越性。
- 齐英剑池娟张彬
- 关键词：ZERNIKE矩亚像素边缘检测
- 地理信息系统及其在铁路DMIS中的应用
- 该文首先介绍了铁道部调度指挥管理信息系统的概况和路局大屏幕显示系统的功能.第二、三、四章集中介绍了GIS的基本原理和关键技术.第二章是对GIS的综述,其中包括GIS的定义、组分、功能、分类、与其他学科关系和开发使用等内容...
- 齐英剑
- 关键词：地理信息系统大屏幕显示系统桌面系统
- 文献传递
- SIFT算法研究和应用被引量：6
- 2012年
- 图像匹配是计算机视觉中众多问题的一个基本方面,包括目标和场景识别,从多图片里解决三维结构,立体相关性和动作追踪。本论文主要对SIFT算法的基本步骤进行了简单阐述,并且阐述了其在场景分类上的独特应用,以及一些重要改进。实验结果表明该算法具有在场景识别和分类上有较显著的优势,可以进行良好应用。
- 黄超齐英剑
- 关键词：特征描述符
- 基于视觉系统“What”和“Where”通路的图像显著区域检测被引量：4
- 2006年
- 受神经解剖学和心理学中有关视觉系统研究成果的启发,提出一个新的基于"what"和"where"通路的图像显著区域检测模型.该模型包括显著区发现和显著区转移这两个感知过程,首先通过度量统计特征显著性,找到第一个显著区域和潜在目标,然后计算当前潜在目标的吸引力以确定下一个显著区域及相应的潜在目标,以此循环直到得到整幅图像的信息,该方法应用于多幅自然图像的实验,结果证实该模型检测效果较好,并具有一定的抗噪能力.
- 田媚罗四维齐英剑廖灵芝
- 关键词：视觉系统
- 前馈神经网络分类器选择性集成
- 神经网络集成方法是近年来提出的一种利用多个神经网络个体之间的差异来改善神经网络泛化性能的方法。本文提出了一种根据相关系数选择前馈神经网络分类器个体来实现集成的方法,以个体网络输出与标准输出的差向量之间的相关系数作为各个网...
- 齐英剑赵宝永李健瑜李樱
- 关键词：人工神经网络计算机数学
- 文献传递
- 基于遗传算法的灰色区间数的GM(1,1)优化模型被引量：15
- 2019年
- 利用遗传算法作为优化工具对基于灰数带及灰数层的区间灰数预测模型中的参数进行优化提取.首先,利用变权均值生成思想取代非偏生成,将区间灰数转化为实数序列;然后,对此实数序列进行建模.在优化过程中,选取区间灰数预测的平均相对误差最小为目标函数,通过遗传算法寻找到最优的参数,建立新的灰色区间数的GM(1,1)模型.算例仿真显示该新模型的平均模拟相对误差和预测误差有了明显的降低,表明该新模型具有有效性和可行性.
- 邬丽云吴正鹏齐英剑
- 关键词：遗传算法GM(1,1)
- 退火期望最大化算法A-EM被引量：3
- 2006年
- 使用EM算法训练随机多层前馈网具有低开销、易于实现和全局收敛的特点,在EM算法的基础上提出了一种训练随机多层前馈网络的新方法AEM.AEM算法利用热力学系统的最大熵原理计算网络中隐变量的条件概率,借鉴退火过程,引入温度参数,减小了初始参数值对最终结果的影响.该算法既保持了原EM算法的优点,又有利于训练结果收敛到全局极小.从数学角度证明了该算法的收敛性,同时,实验也证明了该算法的正确性和有效性.
- 齐英剑罗四维黄雅平李爱军刘蕴辉
- 关键词：期望最大化算法最大熵退火
