针对图像检索的准确率问题,提出了一种基于颜色和纹理的综合特征提取方法,通过Garbor滤波器组和局部二值(LBP)算子的结合,对图像的纹理特征进行提取,得到纹理特征的直方图,最后再通过夹角余弦计算直方图之间的距离,这种特征提取方法减少了图像中内容的丢失,大大提高了图像检索的准确率。 为了合理地设置网络众包平台中任务的价格,本文首先以任务总价格与任务完成率达到平衡为目标函数,建立众包任务定价的单目标优化模型。发现任务完成率较原始方案增加了40.2%。然后考虑到任务位置集中可能导致的用户争抢现象,以单个任务定价减少幅度和会员获利幅度差值最小、任务完成率和定价比值最大为目标函数,建立众包任务的多目标优化模型。发现在任务总开销仅增长5.54%的情况下,任务完成率增长10.8%。因此,本文所建立的众包任务定价模型理论解析模型对于众包任务的价格研究具有一定的参考价值和指导意义火灾识别算法研究-电动折弯机数控钢管滚圆机滚弧机张家港液压滚圆机滚弧机。文基于模糊神经网络算法,通过对多传感器进行数据有效融合,从而能够迅速准确识别出着火点火情状况,减少误报率。  火灾发生呈现比较明显的动态特性，燃烧物及燃烧的阶段不同都会导致燃烧时表现出来的颜色、特征等各不相同，很难用精确单一的数学模型对其进行描述，也很难从数据上总结出规律，所以利用单一的传感器或者简单的数据融合算法无法做到对火灾的准确识别。 本文由公司网站滚圆机网站 转载中国知网整理! http://www.gunyuanjixie.com1火灾识别模型燃烧时会产生一系列变化的物理现象，会产生如声，光，热，烟雾和特殊气体等，周围环境温度也会显著上升，本文利用温度传感器、CO浓度传感器和烟雾传感器作为火灾检测的依据，建立的基于模糊神经网络的模型结构如图1所示。图1模糊神经网络模型结构图模糊神经网络图为串联结构，结构图主要以下两部分，第一部分为三种着火情况概率的初步判断；首先将温度传感器、CO浓度传感器和烟雾传感器采集到的现场数据进行预处理，使其归一化后作为神经网络的输入量，并确定采用包含输入层、隐含层和输出层的三层神经网络结构，该神经网络的输出量为明火、阴燃火和无火三种情况发生的概率。第二部分是火情判断部分；通过选择适合的函数，将第一部分的三个输出概率送入模糊系统进行模糊化处理，建立合理的模糊规则并进行模糊推理和去模糊化，最终得到发生火灾的概率。2模糊神经网络识别算法（1）信号预处理将温度传感器、CO浓度传感器和烟雾传感器的三种不同量纲和范围的物理量进行归一化处理，用到的归一化公式为）神经网络建立图2BP神经网络结构图建立如图2所示的神经网络结构图，该结构由多个神经元构基于神经网络的高速铁路动车存车场火灾识别算法研究房楠（西安铁路职业技术学院，陕西西安，710061）摘要：本文基于模糊神经网络算法，通过对多传感器进行数据有效融合，从火灾识别算法研究-电动折弯机数控钢管滚圆机滚弧机张家港液压滚圆机滚弧机 本文由公司网站滚圆机网站 转载中国知网整理! http://www.gunyuanjixie.com