-
公开(公告)号：CN109948462A
公开(公告)日：2019-06-28
申请号：CN201910147758.0
申请日：2019-02-27
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于多GPU协同交互数据流组织的高光谱图像快速分类法，包括如下步骤：读取高光谱图像训练数据与测试数据，将这些数据绑定为页锁定内存；通过基于多GPU流同步的稀疏多项式逻辑回归快速计算法计算最大似然概率矩阵，提取出高光谱图像的光谱信息；使用基于多GPU变量划分的加权马尔科夫场空间先验快速计算法提取高光谱图像空间信息，并计算边际概率矩阵；根据求得的边际概率矩阵求得测试数据的预测标签，得到最终分类结果。本发明既利用了高光谱图像光谱信息，又利用了空间信息，提高了分类精度。
-
公开(公告)号：CN109948462B
公开(公告)日：2023-11-03
申请号：CN201910147758.0
申请日：2019-02-27
Applicant: 南京理工大学
IPC: G06V20/13 , G06V20/10 , G06V10/764
Abstract: 本发明公开了一种基于多GPU协同交互数据流组织的高光谱图像快速分类法，包括如下步骤：读取高光谱图像训练数据与测试数据，将这些数据绑定为页锁定内存；通过基于多GPU流同步的稀疏多项式逻辑回归快速计算法计算最大似然概率矩阵，提取出高光谱图像的光谱信息；使用基于多GPU变量划分的加权马尔科夫场空间先验快速计算法提取高光谱图像空间信息，并计算边际概率矩阵；根据求得的边际概率矩阵求得测试数据的预测标签，得到最终分类结果。本发明既利用了高光谱图像光谱信息，又利用了空间信息，提高了分类精度。
-
公开(公告)号：CN108417221B
公开(公告)日：2021-09-21
申请号：CN201810074257.X
申请日：2018-01-25
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于信号二维重组融合滤波的数字对讲机声码类型检测法，包括以下步骤：对一维声码信号进行二维信号重组，对重组后的二维声码信号进行融合滤波处理，对经过融合滤波的二维声码信号根据属性约简获得的特征进行模型训练，得到SVM分类模型；对待检测的数字对讲机声码信号样本进行二维信号重组和融合滤波处理，使用SVM分类模型，对融合滤波处理后的二维信号根据属性约简获得的特征进行测试检测，采用投票法对每个二维信号的测试检测结果进行决策级融合，得到最终的声码信号类型检测结果。本发明采用信号二维重组的方法将一维声码信号二维化，从而能更好地提取声码信号特征，提高声码信号类型检测的精度。
-
公开(公告)号：CN108417221A
公开(公告)日：2018-08-17
申请号：CN201810074257.X
申请日：2018-01-25
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于信号二维重组融合滤波的数字对讲机声码类型检测法，包括以下步骤：对一维声码信号进行二维信号重组，对重组后的二维声码信号进行融合滤波处理，对经过融合滤波的二维声码信号根据属性约简获得的特征进行模型训练，得到SVM分类模型；对待检测的数字对讲机声码信号样本进行二维信号重组和融合滤波处理，使用SVM分类模型，对融合滤波处理后的二维信号根据属性约简获得的特征进行测试检测，采用投票法对每个二维信号的测试检测结果进行决策级融合，得到最终的声码信号类型检测结果。本发明采用信号二维重组的方法将一维声码信号二维化，从而能更好地提取声码信号特征，提高声码信号类型检测的精度。
-
-
-
Search Results
4
records
(took 0.016 seconds)
