简介:近年来,目标显著性检测引起了众多学者的极大关注,并涌出了一些基于低秩矩阵恢复理论的检测方法.在这些方法中,人们一般使用核范数约束低秩部分.但是,由于秩函数是非凸且不连续的,由此导致核范数不能很好地逼近秩函数,使得检测效果往往不佳.为解决上述问题,现提出基于加权Schatten-p范数与低秩树结构的稀疏分解模型.一方面,利用加权Schatten-p范数对图像背景进行低秩约束.另一方面,采用具有树结构稀疏特性的l2,1范数和图像拉普拉斯正则化对显著性目标进行稀疏约束,以此提高显著性检测精准度.经过与4种已有的常用显著性检测方法在3个不同数据库中的实验结果对比,证实现提出的方法具有更好的检测性能.
简介:介绍了CAQN网络检测系统的应用和特点,解决了人工测量产品不精确的现状。对产品质量实施有效控制,通过数据自动采集、计算,来实现实时监控、数据查询、质量分析等功能。
简介:小世界是一种以较低的连接和能量成本实现高效的信息分离与整合的网络结构,而人脑网络具有显著的小世界特性。在弥散张量成像(diffusiontensorimaging,DTI)脑网络的研究中,如何有效地量化和评估网络的小世界属性依然是研究中存在的一个关键问题。在研究文中,我们首先概括了已有小世界属性评估指标及其存在的问题,随后提出了一种新的基于网络全局效率和局部效率的小世界属性评估指标。为了验证该指标的有效性,我们基于75个中老年人的DTI脑网络对其进行了应用与评估。与传统指标相比,该指标对研究对象的年龄变化更敏感,并与多项认知评估量表的结果存在显著相关。网络节点随机化和网络失连接这两种攻击测试的结果也表明,新指标在DTI脑网络的研究中具有较高的准确性和稳定性。
简介:摘要:随着网络的快速发展和广泛应用,网络安全问题日益凸显。为了有效应对网络安全威胁,采集和分析网络安全数据成为了至关重要的任务。本论文以网络安全数据采集关键技术为研究对象,深入探讨了数据采集的意义和挑战,并提出了一套有效的数据采集方法和技术。通过对数据采集过程中的关键技术进行详细分析和实验验证,本研究为网络安全数据采集提供了一定的理论和实践指导。