当前位置:主页 > 计算机软件论文 >

基于MDA的数据访问层代码生成方法研究与应用

更新时间:2019-09-15
阅享价格200元 资料包括:原始论文 点击这里给我发消息QQ在线咨询
文档格式:doc/docx 全文字数:53000 温馨提示
以下仅列出文章摘要、提纲简介,如需获取全文阅读权限,或原创定制、长期合作,请随时联系。
微信QQ:312050216 点击这里给我发消息
扫一扫 扫一扫
基于MDA的数据访问层代码生成方法研究与应用

摘要

图像识别技术能够更好地实现计算机与外部世界的交互并对图像中有效信息进行智能处理。随着计算机网络技术的发展,数字化视频与图像信息越来越多地涌现,图像识别成为了当前智能信息处理的重大课题。传统的识别方式以图像的低层信息作为基础,识别重心偏向于图像中的典型特征,通过区域分割,达到识别的效果。由于一般的图像分割都是规则的矩形,存在相同目标划分到不同子块的问题;此外,一般的图像识别存在忽略图像特征模糊部分的问题,从而导致图像识别不完全,识别率不高。针对以上问题,本文开展了以下研究:
1. 提出了在图像识别领域中引入三支决策理论的构想。针对图像识别中图像分割导致分类误差的问题,综合已有文献,发现导致相同目标划分到不同子块的原因是计算机分类时只有“是”和“非”两类选择,且图像分类条件的设定不可能满足存在的所有条件。为了解决以上问题,本文从改进分类算法开始思考,如何让图像识别过程更接近人类的思维方式,最后落脚于模拟人类决策的三支决策理论,并将三支决策理论和图像识别相结合,提出了将三支决策理论和图像识别方法想结合的构想,然后通过理论研究分析了其可行性。
2. 构建了基于三支决策的图像识别分类器模型。针对传统的图像分割都是规则的矩形,相同子目标可能被划分到不同子模块的问题,对比常用的图像识别方法,本文根据上一步的构想和理论分析的结果设计并构建了基于三支决策的图像识别分类器。首先,对信息不明确的目标进行延迟决策和再次判断;然后,通过迭代的方式在决策时不断地加入已更新的判定条件,而判定条件的选取是对上次分类结果进行的再次训练所得到的;最后,通过有限次地迭代使图像分割把相同目标尽可能分割到同一子模块中,从而解决了图像分割产生误差的问题,使图像划分更加准确。
3. 建立了基于三支决策的图像识别模型。针对传统图像识别存在忽略有用信息量的问题,本文采用了基于三支决策的图像识别模型,使用特有的三支决策思想,在分类的时候使用三支策略,加入延迟决策的理论,使模糊信息等待判定条件充分之后再次进行分类处理,高效地利用了图像中的有用信息,使图像识别在分割、识别环节中能够更加准确。为了使图像理解过程更加符合人类的思维模式,本文在构建图像识别模型的时候在图像识别的决策判断过程中加入了延迟决策概念,通过每次迭代增加判定条件直到图像不可再分,达到图像有用信息量使用最大化的目的。本文根据传统的SVM图像识别模型和CNN图像识别模型,分别设计并建立了基于三支决策的多目标SVM图像识别模型和基于三支决策的CNN图像识别模型,并通过实验验证了其可行性和准确性。
关键词:图像识别,三支决策,CNN,SVM,神经网络