摘要：目前,在物联网监测中,传感器数据和现场设备数据均和云端进行交互,这使得云服务器的带宽负载和实时性反馈等方面压力增大。针对以上问题,论文设计了一种边缘计算网关,边缘计算网关既保留了连接多种传感器、设备和云端交互等基础功能,也增加了为节点设备提供本地服务、通过传感器相关性分析屏蔽异常数据、分流服务器的计算任务从而减少数据上传量等新功能。在边缘端利用词袋模型实现数据异常检测,词袋模型中输入信息是多传感器数据,输出结果是数据异常或正常。最后,论文对农业大棚中传感器监测的湿温度、光照等数据进行了对比分析,结果表明,基于词袋模型的异常检测方法能够利用采集数据的时空相关性准确检测异常数据。

摘要：计算机视觉中的中级词袋模型广泛采用滑动窗口作为图片的分割方法。然而由滑动窗口产生的图块充满随机性,部分图块并没有明显的语义含义,会给后续的聚类带来困难。针对这个问题,提出采用似物检测取代滑动窗口。同时,根据词袋模型字典设计中关于字典词区别性和代表性的思路,对K-平均算法进行了改进,并在MIT-67室内场景数据库中进行了测试,该方法取得了良好的效果,最好的结果为76.31。

摘要：针对医学图像具有较大的相似性和交叉性,易造成归属类别混乱的问题,提出了一种基于粒子群算法的医学图像分类方法。该方法使用形态学滤波和阈值法进行预处理;使用SIFT特征描述子来提取图像的局部特征,并使用聚类的方法得到SIFT特征的"视觉词汇";使用粒子群算法选出一些列多样性和精度更高的SVM、KNN和AdaBoost分类器对特征进行分类。对15种不同类型的医学图像进行分类的结果表明,所提出的方法取得了94.72%的分类精度,且相比于单个分类器的方法具有较大的性能提升。

摘要：针对同时定位与地图构建(SLAM)的闭环检测方法在多歧义复杂场景下易发生感知偏差的问题,基于闭环概率模型提出了一种结合局部SURF特征和全局ORB特征的闭环检测方法。首先,分别采用鲁棒SURF特征和全局ORB特征对图像进行局部和全局的场景描述;其次,构建多特征场景描述的离散贝叶斯闭环概率模型,对多特征空间分别构建观测似然概率,其中,局部特征空间基于词袋模型的方法计算观测似然概率,全局特征空间基于KNN最近邻的方法计算观测似然概率;最后,考虑图像的时间一致性,基于极线约束设计多步闭环候选帧提取方法,进一步减少感知偏差问题。实验结果表明,在多歧义场景下所提方法可以消除绝大部分的误正匹配情况,对比FAB-MAP2.0和BoW方法具有更好的闭环检测效果,可以达到更高的闭环准确率。