您当前所在位置: 首页 > 首发论文
动态公开评议须知

1. 评议人本着自愿的原则,秉持科学严谨的态度,从论文的科学性、创新性、表述性等方面给予客观公正的学术评价,亦可对研究提出改进方案或下一步发展的建议。

2. 论文若有勘误表、修改稿等更新的版本,建议评议人针对最新版本的论文进行同行评议。

3. 每位评议人对每篇论文有且仅有一次评议机会,评议结果将完全公示于网站上,一旦发布,不可更改、不可撤回,因此,在给予评议时请慎重考虑,认真对待,准确表述。

4. 同行评议仅限于学术范围内的合理讨论,评议人需承诺此次评议不存在利益往来、同行竞争、学术偏见等行为,不可进行任何人身攻击或恶意评价,一旦发现有不当评议的行为,评议结果将被撤销,并收回评审人的权限,此外,本站将保留追究责任的权利。

5. 论文所展示的星级为综合评定结果,是根据多位评议人的同行评议结果进行综合计算而得出的。

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

上传后印本

( 请提交PDF文档 )

* 后印本是指作者提交给期刊的预印本,经过同行评议和期刊的编辑后发表在正式期刊上的论文版本。作者自愿上传,上传前请查询出版商所允许的延缓公示的政策,若因此产生纠纷,本站概不负责。

发邮件给 王小芳 *

收件人:

收件人邮箱:

发件人邮箱:

发送内容:

0/300

论文收录信息

论文编号 201906-6
论文题目 基于支持向量机的未知物体分类方法研究
文献类型
收录
期刊

上传封面

期刊名称(中文)

期刊名称(英文)

年, 卷(

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

编者.论文集名称(中文) [c].

出版地 出版社 出版年-

编者.论文集名称(英文) [c].

出版地出版社 出版年-

上传封面

期刊名称(中文)

期刊名称(英文)

日期--

在线地址http://

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

英文作者写法:

中外文作者均姓前名后,姓大写,名的第一个字母大写,姓全称写出,名可只写第一个字母,其后不加实心圆点“.”,

作者之间用逗号“,”分隔,最后为实心圆点“.”,

示例1:原姓名写法:Albert Einstein,编入参考文献时写法:Einstein A.

示例2:原姓名写法:李时珍;编入参考文献时写法:LI S Z.

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

上传修改稿说明:

1.修改稿的作者顺序及单位须与原文一致;

2.修改稿上传成功后,请勿上传相同内容的论文;

3.修改稿中必须要有相应的修改标记,如高亮修改内容,添加文字说明等,否则将作退稿处理。

4.请选择DOC或Latex中的一种文件格式上传。

上传doc论文   请上传模板编辑的DOC文件

上传latex论文

* 上传模板导出的pdf论文文件(须含页眉)

* 上传模板编辑的tex文件

回复成功!


  • 0

基于支持向量机的未知物体分类方法研究

首发时间:2019-06-03

魏朝鹏 1   

魏朝鹏(1995-),男,本科生,主要从事关联成像方面研究.

何儒勇 1    林泽群 1    赵生妹 1   

赵生妹(1968-),女,博导,主要从事量子信息技术,无线通信与信号处理技术等方面研究

  • 1、南京邮电大学通信与信息工程学院,南京 210003

摘要:针对MNIST手写体数字集,本文利用线性判别分析方法提取出各手写体数字图像的特征向量,并根据该特征向量设计出应用于鬼成像系统的特征散斑,通过支持向量机方法完成由少量特征散斑照射到训练手写数字体集的分类。针对未知物体,通过获取少量特征散斑照射后鬼成像系统桶探测器的值,可直接获得未知物体的分类。对10000幅手写数字图像集进行仿真实验,结果表明本方法的分类平均准确率可达到91.62%,同时利用9个鬼成像特征散斑即可完成对未知手写体数字集有效分类。

关键词: 鬼成像 线性判别分析 机器学习 支持向量机 分类

For information in English, please click here

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

Wei Zhaopeng 1   

魏朝鹏(1995-),男,本科生,主要从事关联成像方面研究.

He Ruyong 1    Lin Zequn 1    Zhao Shengmei 1   

赵生妹(1968-),女,博导,主要从事量子信息技术,无线通信与信号处理技术等方面研究

  • 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

点击收起

论文图表:

引用

导出参考文献

.txt .ris .doc
魏朝鹏,何儒勇,林泽群,等. 基于支持向量机的未知物体分类方法研究[EB/OL]. 北京:中国科技论文在线 [2019-06-03]. http://www.paper.edu.cn/releasepaper/content/201906-6.

No.****

动态公开评议

共计0人参与

动态评论进行中

评论

全部评论

0/1000

勘误表

基于支持向量机的未知物体分类方法研究