重庆市自然科学基金(2009BB2080)
- 作品数：5 被引量：12H指数：3
- 相关作者：王进李钟浩康雄陈文孙开伟更多>>
- 相关机构：重庆邮电大学仁荷大学更多>>
- 发文基金：重庆市自然科学基金教育部留学回国人员科研启动基金国家自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 用于癌症分子分型的虚拟可重构结构演化硬件被引量：3
- 2012年
- 根据DNA微阵列数据维数高、样本少的特点,提出了一种用于癌症分子分型的演化硬件方法.该方法是基于虚拟可重构结构的演化硬件识别方法,具备灵活、高速和自适应能力强的特点,有利于建立一个拥有高数据吞吐能力、学习结果易读的高效分类系统.采用信噪比的方法进行特征选择,对选择的基因经过归一化和二值化,然后用演化硬件识别系统通过系统学习和系统分类2个阶段进行处理.急性白血病分类的硬件实验结果表明:演化硬件的识别率和识别时间分别达到了95.88%和0.12μs.
- 王进陈文李钟浩
- 关键词：智能系统模式识别演化算法可编程逻辑门阵列
- 演化硬件在模式识别中的应用综述被引量：2
- 2010年
- 演化硬件以其速度快、灵活性强、实时适应等特点,在模式识别应用中易于建立学习时间短、识别速度快、精确分类的高效识别系统。在论述基于演化硬件模式识别技术的体系结构基础上,总结了不同的演化模型和各自的特性,并对各模型适合的应用领域进行了对比分析。介绍了国内外演化硬件模式识别技术研究的主要方向和发展现状,讨论了演化硬件在模式识别应用中的未来发展趋势和亟需解决的问题。
- 王进陈文康雄李丽芳
- 关键词：演化硬件模式识别演化算法
- 过滤特征基因选择及演化硬件急性白血病分型被引量：1
- 2012年
- 提出一种基于虚拟可重构结构的内部演化硬件癌症分子分型方法.为有效处理DNA微阵列数据和便于硬件实现,对比研究了5种基于过滤模式的信息基因选择方法.演化硬件通过系统学习和系统分类两个阶段对经过特征选择的信息基因进行处理.对急性白血病数据集的实验结果表明,基于信噪比信息基因选择方法的演化硬件分类器识别率最高.演化硬件具有和其他传统模式识别方法可比的识别率,识别时间仅需0.12μs.
- 王进丁凌孙开伟李钟浩
- 关键词：模式识别演化硬件微阵列分子分型
- 基于演化硬件的道路限速标志识别方法被引量：5
- 2011年
- 针对当前模式识别技术存在的学习和识别时间长、学习结果可读性差等缺点,提出了一种新型识别方法.首先对4类常见的道路限速标志图像进行定位与特征提取,经预处理的特征向量作为系统训练集和测试集数据;然后在Xilinx Virtex xcv2000E FPGA硬件平台上采用VHDL设计演化硬件识别系统,完成对特征向量数据的学习与识别.为提高演化硬件识别系统的学习速度和识别精度,引入了增量演化和统计识别的思想,并对不同参数设定下的演化硬件识别系统进行了性能对比分析.结果表明:基于演化硬件的道路限速标志识别方法对于不同条件下拍摄的4类限速标志,可以获得92.31%的平均识别率,识别时间达到0.12μs.所提出的方法是一种有效的道路限速标志识别手段.
- 王进康雄
- 关键词：智能系统模式识别演化算法FPGA
- 超网络道路限速标志识别被引量：3
- 2012年
- 限速标志识别系统是智能交通系统的一个重要组成部分,它能有效地辅助司机安全驾驶.针对限速标志的数字字符识别问题,提出一种基于超网络模型的模式识别方法.首先介绍了超网络计算模型及其分类原理;然后采用颜色分割和形状分析相结合的方法对限速标志进行定位,并提取出限速数字字符特征;最后以限速字符的特征向量为训练样本对超网络模型进行演化学习.本文使用超网络模型对限速标志20、40、60、80 km/h进行识别.实验结果表明,基于超网络模型的道路限速标志识别系统最快只需3次迭代便可以完成对样本的学习,识别率为96.15%.和其它传统模式识别方法相比,该模型具有学习时间短、识别率高的优点,为解决现实应用中的道路限速标志识别问题提供了可能.
- 王进孙开伟李钟浩
- 关键词：智能交通系统超图超网络
