基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
利用小波模极大值方法可很好地对特征进行识别,并能抑制噪声的影响.利用该方法对叶片截面数据进行特征识别时,某些重要的局部特征在细尺度下会消失,导致数据特征点不能完整识别,针对该情况提出特征尺度因子的概念,以了解数据中所含特征的差异性.特征尺度因子越大意味着可分解尺度数越多,相反则意味着可分解尺度数越少,当数据点的特征差异较大时,可将其分为几段分别进行识别,最后再将各段特征点汇总.实验证明,特征尺度因子可以很好地体现特征的信息并指导特征识别,有效保证了数据中特征个数的完整性.
推荐文章
图像特征识别方法研究
特征识别
NMI特征
不变矩特征
比例特征
RST不变性
基于数据块特征的地面目标识别方法研究
地面目标
图像识别
数据块
匹配
一组相关XML数据文件的数据类识别方法
类识别
可扩展标记语言
数据绑定
模式树图
节点类型
相似度
一种基于形态点特征的目标识别方法
激光引信
形态特征
目标识别
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 叶片类截面数据特征点精确识别方法
来源期刊 农业机械学报 学科 工学
关键词 叶片 特征识别 小波模极大值 特征尺度因子
年,卷(期) 2010,(1) 所属期刊栏目 先进制造技术及基础理论
研究方向 页码范围 195-199
页数 5页 分类号 TP391
字数 3428字 语种 中文
DOI 10.3969/j.issn.1000-1298.2010.01.037
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 高峰 北京航空航天大学交通科学与工程学院 179 1968 21.0 37.0
2 杜发荣 北京航空航天大学交通科学与工程学院 90 916 14.0 26.0
3 周煜 北京航空航天大学交通科学与工程学院 27 178 7.0 13.0
4 曲巍崴 北京航空航天大学交通科学与工程学院 8 110 4.0 8.0
5 李雪雪 北京航空航天大学交通科学与工程学院 1 2 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (5)
节点文献
引证文献  (2)
同被引文献  (13)
二级引证文献  (11)
1997(2)
  • 参考文献(2)
  • 二级参考文献(0)
1999(1)
  • 参考文献(1)
  • 二级参考文献(0)
2000(1)
  • 参考文献(1)
  • 二级参考文献(0)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2015(1)
  • 引证文献(1)
  • 二级引证文献(0)
2016(2)
  • 引证文献(1)
  • 二级引证文献(1)
2017(2)
  • 引证文献(0)
  • 二级引证文献(2)
2018(4)
  • 引证文献(0)
  • 二级引证文献(4)
2019(4)
  • 引证文献(0)
  • 二级引证文献(4)
研究主题发展历程
节点文献
叶片
特征识别
小波模极大值
特征尺度因子
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
农业机械学报
月刊
1000-1298
11-1964/S
大16开
北京德外北沙滩1号6信箱
2-363
1957
chi
出版文献量(篇)
11867
总下载数(次)
31
总被引数(次)
174483
论文1v1指导