基于高斯混合模型的林业信息文本分类算法

为解决传统林业信息文本分类算法准确率低和正确率分布不均匀的问题,提出了一种基于高斯混合模型的林业信息文本分类算法。在阐述高斯混合模型和EM算法的基础上,使用TF-IDF方法计算林业信息文本特征值,对构造的林业信息文本特征矩阵降维,结合Kmeans算法,通过训练得到各类林业信息文本所对应的高斯混合模型的参数,构造分类器进行精准与快速分类。实验结果表明,该算法与神经网络分类方法、贝叶斯、决策树等常用分类算法相比,该算法有较高的准确率和实用性,为林业信息文本的分类研究开拓了新思路。     

基于LBP-DEELM的类人机器人对树叶辨识的技术研究

针对类人机器人的特点,设计了一个具有树叶辨识功能的类人机器人系统.类人机器人自带的摄像头作为视觉,视觉系统采用Sobel算子对除噪、滤波后的图像进行边缘提取,将均匀旋转不变特性与原始的LBP算子相融合,提取边缘图像的特征值,结合差分演化算法对极限学习机进行优化,通过训练得到每类树叶所对应的分类器模型参数,构造分类器,实现类人机器人对树叶准确高效的识别.试验显示,仿人机器人此类控制方式适合参加竞技类比赛.