陈志翔
- 作品数：16 被引量：7H指数：2
- 供职机构：闽南师范大学更多>>
- 发文基金：福建省教育厅资助项目福建省自然科学基金国家自然科学基金更多>>
- 相关领域：自动化与计算机技术医药卫生更多>>
- 一种无监督图像特征的提取及分类方法
- 本发明公开了一种无监督图像特征的提取及分类方法，其包括以下步骤：A：建立具有三个隐藏层的串行栈式自编码器网络，将图像原始数据进行降维后输入所述自编码器网络；B：预训练网络得到权重矩阵W和偏置b；采用贪婪算法训练第一个隐藏...
- 杨敬民杨东海陈志翔邢舒惠郑锦磊姚泽楠
- 文献传递
- 一种伤指运动功能康复程度的评估系统
- 本发明公开一种伤指运动功能康复程度的评估系统，包括光能动作捕捉设备、数据预处理模块、主控制模块和康复程度评估模块，通过光能动作捕捉设备获取手指的运动信息，所述数据预处理模块对手指的运动信息进行处理，预处理结果储存到数据库...
- 陈志翔王风丽何胜敏
- 基于多线谱驱动的虚拟人手运动及约束控制被引量：2
- 2014年
- 针对现有手部运动模拟控制的复杂性,通过分析人手解剖学结构及运动特性,提出了基于多线谱控制的虚拟人手运动及控制机制。针对单指运动,通过控制该指上的多条肌肉归一化收缩量,驱使单指关节的灵活运动;在多指协同运动中,由于相邻手指之间存在运动促进和制约的关系,因此要考虑其他手指的影响,根据其约束关系,控制相应的肌肉收缩,实现多指协同运动。实验表明,所建立的控制机制能较好地仿真单指及多指间的各种运动,在多线谱的控制下,能够方便快捷地仿真多种手势及手语,且运动效果逼真,手部运动自然灵活。
- 信琴琴陈志翔冯晓霞朱月秀
- 虚拟人食指肌肉控制及运动约束研究
- 2013年
- 基于生理解剖结构,建立了虚拟人食指肌肉控制机制,通过控制多条肌肉收缩,实现了单指多关节灵活运动。同时针对传统模型单指运动控制较为独立,缺乏约束而导致不够真实的情况,研究了运动中双指间促进和制约的关系,提出了运动约束关系图。该图能够同时描述单指及双指的运动空间及其非线性约束关系,并刻画出实际不可到达区域。实验表明,所建立的控制机制能较好地仿真出食指的灵活运动,利用约束关系图能够保证手部仿真运动符合生理特征,具有较好的真实感和自然性。
- 陈志翔朱月秀信琴琴林姿琼
- 关键词：非线性
- 一种VRRP负载均衡的方法和装置
- 本发明公开了一种VRRP负载均衡的方法和装置，包括一组VRRP路由器通过主路由器选举算法得出各个VRRP路由器的优先权，比较各个VRRP路由器的优先权，值大的为主路由器，如果优先权相同，则根据IP地址大小，值大的为主路由...
- 杨敬民张文杰陈志翔
- 基于多线谱驱动的虚拟人手运动及约束控制
- 针对现有手部运动模拟控制的复杂性，通过分析人手解剖学结构及运动特性，提出了基于多线谱控制的虚拟人手运动及控制机制。针对单指运动，通过控制该指上的多条肌肉归一化收缩量，驱使单指关节的灵活运动；在多指协同运动中，由于相邻手指...
- 信琴琴陈志翔冯晓霞朱月秀
- 基于发音运动特征的舌部肌肉建模及仿真被引量：1
- 2013年
- 人舌结构较为复杂,运动灵活,在虚拟人物发音及表情运动过程中起着关键的作用,但现有舌部模型结构较单一,实现的虚拟运动相对简单,描述能力不足,且需要大量数据驱动。针对以上问题,通过对舌部解剖结构的研究,提出一种基于肌肉运动特征的舌部模型及控制方法。将舌部内外肌群按其运动及发音功能进行分类,仅需获得多条肌肉不同的收缩量,即可利用各自的控制函数确定出参数值,进而实现模型前升高、后升高和谷形等多种常见运动。实验结果表明,该方法能够较为灵活便捷地控制虚拟舌体,仿真出符合生理特征的多种舌部运动。
- 陈志翔信琴琴朱月秀林姿琼
- 邻域信息约束融合Student's t混合模型的医学图像分割
- 2021年
- 医学图像的高噪声以及偏移场的存在使得传统图像分割方法在分割此类图像时分割效果不理想.针对上述问题,提出一种邻域信息约束融合Student's t混合模型分割算法.首先,获取像素点的邻域信息进行滤波操作以达到降噪效果;其次,构建Student's t混合模型,通过噪声平滑因子融合邻域信息约束修正先验概率;最后,利用最大期望(EM)算法求解,获取最大后验概率实现图像分割.实验结果采用DICE指标验证了算法的有效性.
- 王燕贞陈志翔罗俊星
- 关键词：医学图像
- 一种VRRP负载均衡的方法和装置
- 本发明公开了一种VRRP负载均衡的方法和装置，包括一组VRRP路由器通过主路由器选举算法得出各个VRRP路由器的优先权，比较各个VRRP路由器的优先权，值大的为主路由器，如果优先权相同，则根据IP地址大小，值大的为主路由...
- 杨敬民张文杰陈志翔
- 文献传递
- 基于n阶R-NMI特征的手势识别
- 2013年
- 提出基于n阶区域归一化转动惯量(R-NMI)特征的手势识别算法.首先把采集到的手势图像进行二值化处理,得到识别所需的手势区域.然后利用1阶NMI特征值对手势图像的全局形状和质量分布描述进行初步识别.接着把手势图像划分成n2个区域,利用区域形状差异最大的那个n阶R-NMI特征分量进行二次识别.实验结果表明,该算法所需特征量少,计算量较小,能够快速地实现手势识别,且具有一定的平移、缩放等不变性,能够实现较高的识别率.
- 朱月秀陈志翔林姿琼信琴琴
- 关键词：手势识别
