

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、隨著互聯(lián)網(wǎng)的廣泛應(yīng)用,越來越多的人們選擇在網(wǎng)絡(luò)上獲取和分享信息,互聯(lián)網(wǎng)提供給他們海量的娛樂、工作、生活信息。然而在人類享受互聯(lián)網(wǎng)的便利同時(shí),有害內(nèi)容大量地在互聯(lián)網(wǎng)上出現(xiàn),并呈現(xiàn)泛濫的局勢。這些對(duì)健康不益的信息對(duì)人類社會(huì)的發(fā)展產(chǎn)生了極大的不利,尤其對(duì)青少年的身心健康造成了嚴(yán)重的傷害。因此,對(duì)互聯(lián)網(wǎng)中有害信息的過濾與識(shí)別工作的重要意義是明顯的。
在這樣的實(shí)際背景下,本文使用圖像識(shí)別與內(nèi)容信息融合的方法,對(duì)基于互聯(lián)網(wǎng)的毒品有關(guān)圖像與
2、網(wǎng)頁的分類與識(shí)別工作。本文的工作內(nèi)容包括:
以整體特征為依據(jù)的吸毒所用工具的識(shí)別。吸毒所用工具帶有明顯的外部形狀特征,因此在識(shí)別時(shí)可以使用外部形狀特征對(duì)其進(jìn)行分類與識(shí)別。通過對(duì)不同類別的外部形狀描述算子的比較和分析,本文使用金字塔型的梯度直方圖來對(duì)吸毒所用工具進(jìn)行形狀的描述,并運(yùn)用支持向量機(jī)作分類器,經(jīng)過實(shí)驗(yàn)取得了較好的識(shí)別效果。
以局部特征為依據(jù)的大麻分類與識(shí)別。因?yàn)榇舐閷儆谝环N植被,并且能夠表現(xiàn)出多種類型的形狀和
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于多示例學(xué)習(xí)的圖像檢索算法研究.pdf
- 基于多示例學(xué)習(xí)的圖像檢索方法研究.pdf
- 基于正示例與多示例多標(biāo)記的圖像檢索.pdf
- 多示例學(xué)習(xí)在基于內(nèi)容圖像檢索中的研究.pdf
- 圖像檢索的歸并多示例學(xué)習(xí)算法.pdf
- [學(xué)習(xí)]網(wǎng)絡(luò)信息檢索基礎(chǔ)-網(wǎng)絡(luò)信息檢索
- 基于特征學(xué)習(xí)的多示例多標(biāo)記學(xué)習(xí)研究.pdf
- 基于主動(dòng)學(xué)習(xí)的多示例多標(biāo)簽學(xué)習(xí)算法研究.pdf
- 基于多示例多標(biāo)簽學(xué)習(xí)的圖像分類標(biāo)注.pdf
- 基于SVDD的單-多示例學(xué)習(xí)研究.pdf
- 基于示例加權(quán)支持向量機(jī)的多示例學(xué)習(xí)算法研究.pdf
- 基于多示例多標(biāo)記學(xué)習(xí)的自然場景圖像分類.pdf
- 基于多示例學(xué)習(xí)的圖像分析方法研究.pdf
- 基于代表示例選擇與SVDD的多示例學(xué)習(xí)算法研究.pdf
- 基于本體的網(wǎng)絡(luò)信息檢索.pdf
- 基于Markov網(wǎng)絡(luò)的信息檢索模型.pdf
- [學(xué)習(xí)]網(wǎng)絡(luò)信息資源及其檢索
- 基于SVDD的多示例學(xué)習(xí)方法的研究.pdf
- [學(xué)習(xí)]網(wǎng)絡(luò)信息檢索基礎(chǔ)知識(shí)
- 多示例學(xué)習(xí)算法研究.pdf
評(píng)論
0/150
提交評(píng)論