您當前所在位置: 首頁 > 首發論文
動態公開評議須知

1. 評議人本著自愿的原則,秉持科學嚴謹的態度,從論文的科學性、創新性、表述性等方面給予客觀公正的學術評價,亦可對研究提出改進方案或下一步發展的建議。

2. 論文若有勘誤表、修改稿等更新的版本,建議評議人針對最新版本的論文進行同行評議。

3. 每位評議人對每篇論文有且僅有一次評議機會,評議結果將完全公示于網站上,一旦發布,不可更改、不可撤回,因此,在給予評議時請慎重考慮,認真對待,準確表述。

4. 同行評議僅限于學術范圍內的合理討論,評議人需承諾此次評議不存在利益往來、同行競爭、學術偏見等行為,不可進行任何人身攻擊或惡意評價,一旦發現有不當評議的行為,評議結果將被撤銷,并收回評審人的權限,此外,本站將保留追究責任的權利。

5. 論文所展示的星級為綜合評定結果,是根據多位評議人的同行評議結果進行綜合計算而得出的。

勘誤表

上傳勘誤表說明

  • 1. 請按本站示例的“勘誤表格式”要求,在文本框中編寫勘誤表;
  • 2. 本站只保留一版勘誤表,每重新上傳一次,即會覆蓋之前的版本;
  • 3. 本站只針對原稿進行勘誤,修改稿發布后,不可對原稿及修改稿再作勘誤。

示例:

勘誤表

上傳勘誤表說明

  • 1. 請按本站示例的“勘誤表格式”要求,在文本框中編寫勘誤表;
  • 2. 本站只保留一版勘誤表,每重新上傳一次,即會覆蓋之前的版本;
  • 3. 本站只針對原稿進行勘誤,修改稿發布后,不可對原稿及修改稿再作勘誤。

示例:

上傳后印本

( 請提交PDF文檔 )

* 后印本是指作者提交給期刊的預印本,經過同行評議和期刊的編輯后發表在正式期刊上的論文版本。作者自愿上傳,上傳前請查詢出版商所允許的延緩公示的政策,若因此產生糾紛,本站概不負責。

發郵件給 王小芳 *

收件人:

收件人郵箱:

發件人郵箱:

發送內容:

0/300

論文收錄信息

論文編號 201906-6
論文題目 基于支持向量機的未知物體分類方法研究
文獻類型
收錄
期刊

上傳封面

期刊名稱(中文)

期刊名稱(英文)

年, 卷(

上傳封面

書名(中文)

書名(英文)

出版地

出版社

出版年

上傳封面

書名(中文)

書名(英文)

出版地

出版社

出版年

上傳封面

編者.論文集名稱(中文) [c].

出版地 出版社 出版年-

編者.論文集名稱(英文) [c].

出版地出版社 出版年-

上傳封面

期刊名稱(中文)

期刊名稱(英文)

日期--

在線地址http://

上傳封面

文題(中文)

文題(英文)

出版地

出版社,出版日期--

上傳封面

文題(中文)

文題(英文)

出版地

出版社,出版日期--

英文作者寫法:

中外文作者均姓前名后,姓大寫,名的第一個字母大寫,姓全稱寫出,名可只寫第一個字母,其后不加實心圓點“.”,

作者之間用逗號“,”分隔,最后為實心圓點“.”,

示例1:原姓名寫法:Albert Einstein,編入參考文獻時寫法:Einstein A.

示例2:原姓名寫法:李時珍;編入參考文獻時寫法:LI S Z.

示例3:YELLAND R L,JONES S C,EASTON K S,et al.

上傳修改稿說明:

1.修改稿的作者順序及單位須與原文一致;

2.修改稿上傳成功后,請勿上傳相同內容的論文;

3.修改稿中必須要有相應的修改標記,如高亮修改內容,添加文字說明等,否則將作退稿處理。

4.請選擇DOC或Latex中的一種文件格式上傳。

上傳doc論文   請上傳模板編輯的DOC文件

上傳latex論文

* 上傳模板導出的pdf論文文件(須含頁眉)

* 上傳模板編輯的tex文件

回復成功!


  • 0

基于支持向量機的未知物體分類方法研究

首發時間:2019-06-03

魏朝鵬 1   

魏朝鵬(1995-),男,本科生,主要從事關聯成像方面研究.

何儒勇 1    林澤群 1    趙生妹 1   

趙生妹(1968-),女,博導,主要從事量子信息技術,無線通信與信號處理技術等方面研究

  • 1、南京郵電大學通信與信息工程學院,南京 210003

摘要:針對MNIST手寫體數字集,本文利用線性判別分析方法提取出各手寫體數字圖像的特征向量,并根據該特征向量設計出應用于鬼成像系統的特征散斑,通過支持向量機方法完成由少量特征散斑照射到訓練手寫數字體集的分類。針對未知物體,通過獲取少量特征散斑照射后鬼成像系統桶探測器的值,可直接獲得未知物體的分類。對10000幅手寫數字圖像集進行仿真實驗,結果表明本方法的分類平均準確率可達到91.62%,同時利用9個鬼成像特征散斑即可完成對未知手寫體數字集有效分類。

關鍵詞: 鬼成像 線性判別分析 機器學習 支持向量機 分類

For information in English, please click here

Research on classification method of unknown objects based on support vector machine

Wei Zhaopeng 1   

魏朝鵬(1995-),男,本科生,主要從事關聯成像方面研究.

He Ruyong 1    Lin Zequn 1    Zhao Shengmei 1   

趙生妹(1968-),女,博導,主要從事量子信息技術,無線通信與信號處理技術等方面研究

  • 1、College of Telecommunications and Information Engineering, Nanjing University of Posts and Telecommunications, nanjing 210003

Abstract:For the MNIST database of handwritten digits. In this paper uses linear discriminant analysis to extract feature vectors of handwritten digital images, and design feature patterns according to relevant characteristics, in order to make the bucket detector values of the feature patterns illumination more discriminating. And then the training set image illuminated by feature patterns and collecting light field signals with barrel detectors. Later, input the collected signals into the SVM for training. Finally, we only need to collect the light field signals, which from the feature patterns illuminates the unknown image, to complete the classification. Through the simulation of 10,000 handwritten digital images, this method of classification accuracy reached 91.62%. And only 9 ghost imaging feature patterns are needed to effectively classify unknown handwritten digit sets.

Keywords: ghost imaging linear discriminant analysis machine learning support vector machine classification

Click to fold

點擊收起

論文圖表:

引用

導出參考文獻

.txt .ris .doc
魏朝鵬,何儒勇,林澤群,等. 基于支持向量機的未知物體分類方法研究[EB/OL]. 北京:中國科技論文在線 [2019-06-03]. http://www.lwpzwz.tw/releasepaper/content/201906-6.

No.****

動態公開評議

共計0人參與

動態評論進行中

評論

全部評論

0/1000

勘誤表

基于支持向量機的未知物體分類方法研究

澳洲幸运8助手