找到 2 条结果 · IEEE Access
基于自适应神经模糊分类的高精度动作识别:先进生物信号与RGB融合技术
Advanced Biosignal-RGB Fusion With Adaptive Neurofuzzy Classification for High-Precision Action Recognition
Iqra Aijaz Abro · Haifa F. Alhasson · Shuaa S. Alharbi · Mohammed Alatiyyah 等6人 · IEEE Access · 2025年1月
在使用多传感器数据进行动作识别的领域中,生物信号与RGB模态的融合为提升动作分类系统精度提供了新途径。本文提出一种自适应神经模糊分类框架,融合肌电信号、加速度计数据和视觉信息,通过模糊逻辑优化多模态数据的特征融合。
解读: 该多传感器融合技术可应用于阳光电源储能系统的人机交互和安全监控。通过融合视觉和生物信号数据,实现储能电站运维人员的行为识别和异常动作检测,提升工业现场的安全管理水平,为智能运维系统提供人机协同支持。...
基于改进GMM分割和DenseNet的遥感识别新方法
A Novel Remote Sensing Recognition Using Modified GMM Segmentation and DenseNet
Muhammad Waqas Ahmed · Moneerah Alotaibi · Sultan Refa Alotaibi · Dina Abdulaziz Alhammadi 等6人 · IEEE Access · 2025年1月
航空图像准确分类是遥感关键任务，应用范围从土地覆盖制图、城市规划到灾害响应和环境监测。然而，标记数据有限、固有数据复杂性和高计算需求等挑战常阻碍传统方法性能。为应对这些挑战，我们提出创新框架，结合先进分割技术、多样化特征提取方法、优化算法和深度学习。我们方法始于新颖图割优化模糊GMM分割GC-GMM，确保精确目标识别和边界描绘。采用方位角平均特征提取、Haar小波变换和最大稳定极值区域MSER捕获涵盖纹理、频率和形状信息的丰富特征集。使用粒子群优化PSO融合和精炼这些特征，创建鲁棒信息表示。利用...
解读: 该遥感识别技术对阳光电源光伏电站监测和管理具有重要应用。阳光管理全球数百GW光伏电站，需要高效的遥感图像分析能力。该研究的分割和特征提取方法可应用于阳光iSolarCloud平台的卫星图像分析，自动识别光伏组件、阴影遮挡和环境变化。在大型地面电站中，该DenseNet分类器可实现电站区域规划、土地利...