计算机与现代化论文
《计算机与现代化》的官方网站是:https://www.c-a-m.org.cn,这个网站上有作者在线投稿和在线查稿的功能,投稿者可以先注册后投稿。关于这本期刊的论文,小编会从选题和论文素材来为大家讲述。详细信息如下:
一、计算机与现代化论文选题
基于改进k-近邻的直推式支持向量机学习算法
基于改进k-means算法的文本聚类
基于粒度决策熵的属性约简
基于非负矩阵分解与相似性分析的运动目标检测
基于颜色衰减先验和白平衡的水下图像复原
基于深度学习的显著性检测方法模型——SCS
二、计算机与现代化论文素材
1.基于KNN技术的校内网验证码识别
摘要:随着科技日新月异的发展,验证码技术在网络防护和信息安全方面有着广泛的应用。由于网络攻击手段的提升,验证码技术也在改进。本文采用的校内网验证码是当前网络中最普遍的字符验证码类型,它多元化的背景噪音和字符扭曲粘连的特点,使得验证码很难实现程序自动识别。针对这些特点,本文在背景去噪阶段,提出RGB三原色去噪法;在单个字符切割阶段,采用轮廓差投影法与水滴算法相结合的分割方法。最后得到所有字符模型,再利用KNN算法,进行字符识别,从而得到识别结果。实验结果表明,该方法对有背景噪声和字符扭曲粘连的验证码有很好的识别效果。
关键词:验证码; RGB三原色背景去噪; 上下轮廓差投影法; 水滴算法; KNN;
参考文献
[1]SOM聚类与Voronoi图在验证码字符分割中的应用[J]. 简献忠,曹树建,郭强. 计算机应用研究. 2015(09)
[2]基于滴水算法的验证码中粘连字符分割方法[J]. 李兴国,高炜. 计算机工程与应用. 2014(01)
[3]基于PIL滤波计算去噪算法的验证码识别[J]. 姚轶崭,陈利,王禹,田永兴. 计算机安全. 2012(11)
2.基于SVM_KNN的老人跌倒检测算法
摘要:跌倒是老年人伤害和死亡的主要诱因之一,我国每年约有4000万65岁以上的老人意外跌倒。本文基于智能手机的加速度、气压计等传感器提出一种人体跌倒检测算法。该算法首先采用支持向量机(SVM)对训练集进行训练,得到一个弱二分类器(包含最优超平面和支持向量集),然后计算待测样本到最优超平面的距离。若该距离大于设定的间隔,直接采用SVM分类;否则,利用支持向量集作为有标签的训练集进行K近邻分类(KNN)。考虑到特征值的多维性,本文引入标准化欧氏距离替代传统的欧氏距离。仿真与实验结果显示,与传统的支持向量机算法相比,该算法能有效提高跌倒检测的准确率,且不受智能手机放置位置的限制。
关键词:跌倒检测; SVM; KNN; SVM_KNN; Matlab;
参考文献
[1]基于Hadoop平台的SVM_KNN分类算法的研究[J]. 李正杰,黄刚. 计算机技术与发展. 2016(03)
[2]高龄老年人跌倒伤害危险因素分析[J]. 司建华,董玲,王雯红. 齐鲁医学杂志. 2016(01)
[3]国外预防老年住院病人跌倒的研究进展[J]. 李蕊. 护理研究. 2015(24)
[4]基于支持向量机的目标检测算法综述[J]. 郭明玮,赵宇宙,项俊平,张陈斌,陈宗海. 控制与决策. 2014(02)
如果您需要投稿这本期刊,但还有一些疑惑,或者想要找发表的网站,可以在线咨询360期刊网客服。