发简信
IP属地：安徽
-
2019-01-07-小样本深度学习
小样本数据通常不建议用深度学习的理由： 对于classification model,有如下结论 训练样本N,h为Vc维数，详见https://...
-
摘要2018-12-11
利用黔西北地区地球物理测井资料识别不同等级煤储层的煤质特征&主成分分析研究 The identification of coal texture...
-
平稳性检验方法的有效性研究——针对客观类平稳性检验方法进行分析，从时间序列的样本长度视角探讨检验方法的实际性能，ADF 检验和PP 检验是相对较好的判定方法，在仿真实验中...
-
Fractal characteristics of coal samples utilizing image analysis and gas adsorption本文主要讨论煤分形维数与气体吸附能力的关系。用两种方法计算分形维数，1）扫描电镜图像盒计数法D1。2)低压氮气吸附(LP-N2GA)D2.（以下...
-
Multifractal detrended fluctuation analysis for image texture feature representation(2014)
Abstract:多重分形理论已经被广泛应用于多个领域中。本文基于多重分形去趋势波动分析提出了提取灰度序列和二维灰度图像的两种多重分形描述符。通...
-
Two-dimensional multifractal detrended fluctuation analysis for plant identification.（2015）
背景：提出一种基于二维多重分形去趋势波动分析的新方法识别叶片种类。该方法计算了一系列多重分形参数，这些参数表征了每一种叶片图像的纹理特征。引入了...
-
Detrended fluctuation analysis for fractals and multifractals in higher dimensions摘要：一维去趋势波动分析和多重分形去趋势波动分析，由于其精确度高和易于实现等优点，在分形和多重分形时间序列的标度分析上得到了广泛的应用。本文将一...