修车大队一品楼qm论坛51一品茶楼论坛,栖凤楼品茶全国楼凤app软件 ,栖凤阁全国论坛入口,广州百花丛bhc论坛杭州百花坊妃子阁

oe1(光电查) - 科学论文

6 条数据
?? 中文（中国） ▾

  • [2019年IEEE第46届光伏专家会议（PVSC）- 美国伊利诺伊州芝加哥（2019年6月16日-2019年6月21日）] 2019年IEEE第46届光伏专家会议（PVSC）- 电子、质子和中子辐照下三结与单结InGaP/GaAs/Ge太阳能电池的NIEL剂量分析

    摘要： 欧泊的定量分级即使对专业评估师而言也是一项具有挑战性的任务。当前欧泊评估方法因评估复杂性及人眼观测的局限性而高度主观。本文提出一种新型机器视觉系统——宝石学数字分析仪（GDA），用于欧泊的自动化分级。该分级基于从欧泊图像提取的多特征统计机器学习。评估流程包括校准、欧泊图像采集、图像分析以及欧泊分类与分级。实验结果表明，相比专业评估师的人工评估，基于GDA的分级具有更高的一致性与客观性。

    关键词： 特征提取、图像分析、机器视觉、学习系统、人工智能

    更新于2025-09-23 15:21:01

  • 基于Grubbs准则和局部离群因子法的光伏阵列故障检测

    摘要： 欧泊的定量分级即使对专业评估师而言也是一项具有挑战性的任务。当前欧泊评估方法因评估复杂性及人眼观察的局限性而高度主观。本文提出一种新型机器视觉系统——宝石学数字分析仪（GDA），用于欧泊的自动化分级。该分级基于从欧泊图像提取的多项特征，采用统计机器学习方法实现。评估流程包含校准、欧泊图像采集、图像分析以及欧泊分类与分级四个环节。实验结果表明，相比专业评估师的人工评定，基于GDA的分级结果更具一致性与客观性。

    关键词： 特征提取、图像分析、机器视觉、学习系统、人工智能

    更新于2025-09-23 15:21:01

  • [2019年IEEE第八届先进光电子学与激光国际会议(CAOL) - 保加利亚索佐波尔(2019.9.6-2019.9.8)] 2019年IEEE第八届先进光电子学与激光国际会议(CAOL) - 质量指标评估方法

    摘要： 本文提出一种面向硬件友好的最近邻（NN）分类器模板缩减（TR）方法，通过引入关键边界向量概念来高效提升分类精度。研究同时搭建硬件系统验证了采用现场可编程门阵列（FPGA）加速该方法的可行性。首先用k均值聚类中心替代完整模板集，随后通过创新的关键边界学习算法在单次迭代内完成向量筛选以增强分类性能。为全局性消除可能误导分类的噪声边界向量，研究探索并应用了全局分类方案——该方案能自动归类各类问题并根据问题特性快速选取边界向量。最终仅采用关键边界向量与k均值中心作为新模板集进行分类。24组数据集实验表明：该算法能以高速学习有效减少分类模板向量数量，相比传统NN分类器平均提升2.17%准确率，且优于其他七种TR方法?；?56个64维向量的概念验证FPGA系统证明了硬件加速可行性，在50MHz时钟频率下，该系统实现比3.4GHz PC高3.86倍的学习速度，功耗仅为PC的1%。

    关键词： FPGA分类器、学习系统、模板缩减（TR）、最近邻（NN）

    更新于2025-09-23 15:19:57

  • [IEEE 2018年第11届英欧中毫米波与太赫兹技术研讨会(UCMMT) - 中国杭州 (2018.9.5-2018.9.7)] 2018年第11届英欧中毫米波与太赫兹技术研讨会(UCMMT) - 基于耦合谐振器的紧凑型巴伦滤波器

    摘要： 对欧泊进行定量分级即使对经验丰富的评估师而言也是一项具有挑战性的任务。当前欧泊评估实践因评估复杂性及人眼观测的局限性而高度主观。本文提出一种新型机器视觉系统——宝石学数字分析仪（GDA），用于欧泊的自动化分级。该分级基于从欧泊图像中提取多种特征的统计机器学习方法。评估工作流程包括校准、欧泊图像采集、图像分析以及欧泊分类与分级。实验结果表明，相较于经验丰富的评估师人工评估，基于GDA的分级更具一致性与客观性。

    关键词： 机器视觉、人工智能、学习系统、图像分析、特征提取

    更新于2025-09-19 17:13:59

  • [IEEE 2019中国控制会议（CCC）- 中国广州（2019年7月27日-2019年7月30日）] 2019中国控制会议（CCC）- 基于投影降维的多层激光雷达小目标检测

    摘要： 本文通过引入关键边界向量概念，提出了一种硬件友好的最近邻（NN）分类器模板缩减（TR）方法，旨在高效提升分类精度。同时搭建硬件系统验证了采用现场可编程门阵列（FPGA）加速该方法的可行性。该方法首先用k均值聚类中心替代完整模板集，随后通过单次迭代完成的关键边界学习算法（采用新型向量选择策略）提升分类性能。为消除可能误导广义分类的噪声边界向量，研究探索并应用全局分类方案——该方案能自动对各类分类问题进行归类，并根据问题特性快速筛选边界向量。最终仅采用关键边界向量和k均值中心作为新模板集进行分类。24组数据集实验表明：该算法能以高速学习有效减少分类模板向量数量，相比传统NN分类器平均提升精度2.17%，且优于其他七种TR方法。基于256个64维向量的概念验证FPGA系统证实了硬件加速可行性：在50MHz时钟频率下，该系统学习速度较3.4GHz PC提升3.86倍，功耗仅为PC的1%。

    关键词： FPGA分类器、学习系统、模板缩减（TR）、最近邻（NN）

    更新于2025-09-19 17:13:59

  • 基于高效脉宽调制的无线激光功率传输降压系统

    摘要： 为提高精度并实现高效优化，本文通过引入关键边界向量概念，提出了一种适用于最近邻（NN）分类器的硬件友好型模板缩减（TR）方法。同时搭建硬件系统验证了采用现场可编程门阵列（FPGA）加速该方法的可行性。该方法首先用k均值聚类中心替代完整模板集，随后通过单次迭代完成的关键边界学习算法（采用新型向量选择策略）提升分类性能。此外，为全局性消除可能误导分类的噪声边界向量，研究探索并应用了全局分类方案——该方案能自动对各类分类问题进行归类，并根据问题特性快速筛选边界向量。最终仅使用关键边界向量和k均值中心作为新模板集进行分类。24组数据集的实验结果表明：该算法能有效减少分类所需模板向量数量并保持高速学习特性，较传统NN分类器平均提升2.17%的准确率，且优于其他七种TR方法。我们通过256个64维向量的概念验证FPGA系统，证实了该硬件加速方案的可行性。在50MHz时钟频率下，该系统学习速度达到3.4GHz PC机的3.86倍，而功耗仅为PC机的1%。

    关键词： FPGA分类器、学习系统、最近邻（NN）、模板缩减（TR）

    更新于2025-09-19 17:13:59