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:
为了提高水下激光图像识别精度,提出一种基于数据挖掘的水下激光图像识别方法.首先收集水下激光图像,提取其Gabor特征,并采用主成分分析法对特征进行选择,消除冗余特征,然后根据特征对训练样本进行处理,并输入到相关向量机进行学习,建立水下激光图像识别分类器,最后采用具体水下激光图像进行仿真对比测试.测试结果表明,本文方法可以提高水下激光图像的识别率,而且获得较快的水下激光图像识别速度,具有较高的实际应用价值.
推荐文章
基于图像识别的水下地形冲刷过程监测
图像识别
水下地形
冲刷过程
激光
监测
基于Hadoop平台下SVM的图像识别技术
Hadoop平台
图像识别
SVM
云计算
加速比
基于Hadoop平台的图像识别
字符识别
Hadoop平台
图像识别
数据交换时间
基于深度学习的图像识别技术研究综述
图像识别
CNN
R-CNN
SPP-Net
FastR-CNN
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 基于数据挖掘的水下激光图像识别技术
来源期刊 激光杂志 学科 工学
关键词 水下激光图像 特征提取 主成分分析 图像分类器 相关向量机
年,卷(期) 2016,(1) 所属期刊栏目 光通信与网络
研究方向 页码范围 55-58
页数 分类号 TN91
字数 语种 中文
DOI 10.14016/j.cnki.jgzz.2016.01.055
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 卢辉斌 84 653 13.0 22.0
2 凤祥云 6 26 3.0 5.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (89)
共引文献  (82)
参考文献  (14)
节点文献
引证文献  (3)
同被引文献  (23)
二级引证文献  (5)
1990(2)
  • 参考文献(0)
  • 二级参考文献(2)
1991(2)
  • 参考文献(1)
  • 二级参考文献(1)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(2)
  • 参考文献(1)
  • 二级参考文献(1)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(3)
  • 参考文献(0)
  • 二级参考文献(3)
2004(6)
  • 参考文献(0)
  • 二级参考文献(6)
2005(6)
  • 参考文献(0)
  • 二级参考文献(6)
2006(12)
  • 参考文献(0)
  • 二级参考文献(12)
2007(3)
  • 参考文献(1)
  • 二级参考文献(2)
2008(8)
  • 参考文献(0)
  • 二级参考文献(8)
2009(10)
  • 参考文献(0)
  • 二级参考文献(10)
2010(13)
  • 参考文献(1)
  • 二级参考文献(12)
2011(6)
  • 参考文献(3)
  • 二级参考文献(3)
2012(4)
  • 参考文献(2)
  • 二级参考文献(2)
2013(13)
  • 参考文献(2)
  • 二级参考文献(11)
2014(6)
  • 参考文献(1)
  • 二级参考文献(5)
2015(2)
  • 参考文献(2)
  • 二级参考文献(0)
2016(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2016(1)
  • 引证文献(1)
  • 二级引证文献(0)
2017(1)
  • 引证文献(1)
  • 二级引证文献(0)
2018(2)
  • 引证文献(0)
  • 二级引证文献(2)
2019(1)
  • 引证文献(1)
  • 二级引证文献(0)
2020(3)
  • 引证文献(0)
  • 二级引证文献(3)
研究主题发展历程
节点文献
水下激光图像
特征提取
主成分分析
图像分类器
相关向量机
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
激光杂志
月刊
0253-2743
50-1085/TN
大16开
重庆市黄山大道杨柳路2号A塔楼1405室
78-9
1975
chi
出版文献量(篇)
8154
总下载数(次)
22
论文1v1指导