公共文化服务平台

特征聚类自适应变组稀疏自编码网络及图像识别被引量：4: 2018年; 由于缺乏先验信息,组Lasso模型在训练时仅是基于组数参数对单元进行均匀、连续、固定的分组,缺乏分组依据,容易造成变量组结构的有偏估计。为此,提出特征聚类自适应变组稀疏自编码网络模型,在迭代过程中使用特征聚类法来改变隐层单元的分组,使得分组能够随着特征的收敛而自适应地发生改变,从而更好地实现变量组结构的估计。实验表明,该模型能够很好地捕捉训练过程中出现的组相关信息,并在一定程度上提高图像的分类识别率。; 肖汉雄陈秀宏田进; 关键词：特征聚类自适应

面向图像集分类的切空间稀疏表示算法被引量：2: 2018年; 目的在基于图像集的分类任务中,用SPD(symmetric positive definite)矩阵描述图像集,并考虑所得到的黎曼流形,已被证明对许多分类任务有较好的效果。但是,已有的经典分类算法大多应用于欧氏空间,无法直接应用于黎曼空间。为了将欧氏空间的分类方法应用于解决图像集的分类,综合考虑SPD流形的LEM(Log-Euclidean metric)度量和欧氏空间分类算法的特性,实现基于图像集的分类任务。方法通过矩阵的对数映射将SPD流形上的样本点映射到切空间中,切空间中的样本点与图像集是一一对应的关系,此时,再将切空间中的样本点作为欧氏空间中稀疏表示分类算法的输入以实现图像集的分类任务。但是切空间样本的形式为对称矩阵,且维度较大,包含一定冗余信息,为了提高算法的性能和运行效率,使用NYSTR?M METHOD和(2D) ~2PCA(two-directional twodimensional PCA)两种方法来获得包含图像集的主要信息且维度更低的数据表示形式。结果在实验中,对人脸、物体和病毒细胞3种不同的对象进行分类,并且与一些用于图像集分类的经典算法进行对比。实现结果表明,本文算法不仅具有较高的识别率,而且标准差也相对较小。在人脸数据集上,本文算法的识别率可以达到78.26%,比其他算法高出10%左右,同时,具有最小的标准差2.71。在病毒数细胞据集上,本文算法的识别率可以达到58.67%,在所有的方法中识别率最高。在物体识别的任务中,本文算法的识别率可以达到96.25%,标准差为2.12。结论实验结果表明,与一些经典的基于图像集的分类算法对比,本文算法的识别率有较大的提高且具有较小的标准差,对多种数据集有较强的泛化能力,这充分说明了本文算法可以广泛应用于解决基于图像集的分类任务。但是,本文是通过(2D) ~2PCA和NYSTR?M METHOD对切空间中样本进行降维来获得更低维度的样本,以提高算法的运行速; 陈凯旋吴小俊

基于加权密度的自适应谱聚类算法被引量：5: 2018年; 谱聚类算法中如何定义一个合适的尺度参数仍待学习。针对谱聚类算法中由高斯核函数建立的相似度矩阵对尺度参数敏感的问题,提出了一个新的基于加权密度的自适应谱聚类算法——WDSC。该算法将数据点的加权K近邻距离作为尺度参数,尺度参数的倒数作为数据点所在邻域的密度,引入新的密度差调整相似度矩阵;考虑了每个数据点的邻域分布,故对噪声有一定的鲁棒性,且对参数也不再敏感。在不同数据集上的实验以及对比实验均验证了该算法的有效性与鲁棒性。; 万月陈秀宏何佳佳; 关键词：谱聚类

文本分类中基于CHI改进的特征选择方法被引量：5: 2018年; 针对传统卡方统计量(CHI)方法在全局范围内做特征选择时忽略词的频度、词的分布等问题,提出了一种改进的文本特征选择方法.该方法通过定义特征词频度分布相关性系数,选择局部出现的强相关性特征,同时考虑特征词类间分布差异性来提升不均衡数据集的分类指标.结果表明,改进的方法不仅在分类效果上有明显的提高,而且性能更加稳定.; 宋呈祥陈秀宏牛强; 关键词：文本分类不均衡数据集

基于正交SRDA和SRKDA的人脸识别: 2014年; 利用正交投影技术进行降维可以更好地保留与度量结构有关的信息,提高人脸识别性能。在谱回归判别分析(SRDA)和谱回归核判别分析(SRKDA)的基础上,提出正交SRDA(OSRDA)和正交SRKDA(OSRKDA)降维算法。首先,给出基于Cholesky分解求解正交鉴别矢量集的方法,然后,通过该方法对SRDA和SRKDA投影向量作正交化处理。其简单、容易实现而且克服了迭代计算正交鉴别矢量集的方法不适应于谱回归(SR)降维的缺点。ORL、Yale和PIE库上的实验结果表明了算法的有效性和效率,在有效降维的同时能进一步提高鉴别能力。; 陈达遥陈秀宏董昌剑; 关键词：降维人脸识别 CHOLESKY分解

基于四元数小波变换的清晰度评价被引量：3: 2016年; 针对当前各种图像清晰度评价方法在清晰度判别过程中单调性和区分度不够以及适用范围较小的问题,提出了一种基于四元数小波变换(QWT)幅值与相位的图像清晰度评价方法。该算法通过四元数小波变换将图像从空间域变换到频率域,对得到的四元数小波变换系数进一步计算之后获得低频子带与高频子带的幅值与相位信息,求得低频子带幅值各方向的梯度之后与对应方向的相位相乘求和,最终得到两个清晰度指标值。采用该算法与多种现有算法对不同内容的图像、不同程度模糊的图像以及含有不同程度噪声的图像进行清晰度评价实验:相对于现有算法,所提算法在对上述多种图像的清晰度评价中都保持着很好的单调性与区分度。实验结果表明,所提算法不但克服了现有算法在单调性与区分度上的不足,而且所提清晰度评价指标可以应用在图像处理中。; 王治文罗晓清张战成; 关键词：图像处理清晰度评价四元数小波变换幅值相位

正交及不相关边界邻域保持嵌入的人脸识别被引量：1: 2013年; 邻域保持嵌入（NPE）算法本质上仍是一种无监督方法，并没有有效利用已有的类别信息提高分类效率。为此提出两种有监督流形学习方法：正交边界邻域保持嵌入（OMNPE）和不相关边界邻域保持嵌入（UMNPE）。首先构造类内和类间邻接图，并定义类内和类间重构误差；然后分别在正交和不相关约束条件下寻找最小化类内重构误差同时最大化类间重构误差的投影向量；将训练样本和测试样本分别投影到低维子空间中，再利用最近邻分类器进行分类识别。在ORL和Yale人脸库上的实验结果表明，与线性判别分析（LDA）、边界Fisher分析（MFA）等子空间人脸识别算法相比，所提算法的平均识别率提高了0．5％-3％，验证了算法的有效性。; 陈达遥陈秀宏; 关键词：降维流形学习人脸识别正交

改进的局部稀疏表示分类算法及其在人脸识别中的应用被引量：6: 2015年; 近年来,稀疏表示分类(Sparse Representation Based Classification,SRC)方法在人脸识别中受到越来越多的关注。原始SRC方法使用所有的训练样本组成字典矩阵,当训练样本比较多时,稀疏系数的求解会变得非常耗时。为了解决这一问题,提出一种新的局部稀疏表示分类(Local SRC,LSRC)方法。该方法针对每个测试样本,根据测试样本和训练样本稀疏系数之间的相似性来选择部分训练样本,由这些训练样本组成字典,然后在这个字典上对测试样本进行稀疏分解。该方法性能相比于原始LSRC方法更稳定。在ORL、Yale和AR人脸库上的实验结果表明,该方法的效果优于SRC和LSRC。; 尹贺峰吴小俊陈素根; 关键词：人脸识别

基于ELM的局部空间信息的模糊C均值聚类图像分割算法被引量：6: 2019年; 极限学习机(Extreme learning machine,ELM)作为一种新技术具有在回归和分类中良好的泛化性能。局部空间信息的模糊C均值算法(Weighted fuzzy local information C-means,WFLICM)用邻域像素点的空间信息标记中心点的影响因子,增强了模糊C均值聚类算法的去噪声能力。基于极限学习机理论,对WFLICM进行改进优化,提出了基于ELM的局部空间信息的模糊C均值聚类图像分割算法(New kernel weighted fuzzy local information C-means based on ELM,ELM-NKWFLICM)。该方法基于ELM特征映射技术,将原始数据通过ELM特征映射技术映射到高维ELM隐空间中,再用改进的新核局部空间信息的模糊C均值聚类图像分割算法(New kernel weighted fuzzy local information Cmeans,NKWFLICM)进行聚类。实验结果表明ELM-NKWFLICM算法具有比WFLICM算法更强的去噪声能力,且很好地保留了原图像的细节,算法在处理复杂非线性数据时更高效,同时克服了模糊聚类算法对模糊指数的敏感性问题。; 陈凯陈秀宏; 关键词：聚类算法图像分割模糊C均值算法极限学习机

适于非线性机动目标跟踪的新IMM平滑算法被引量：1: 2016年; 针对非线性条件下机动目标跟踪问题,在此提出了一种增广交互式多模型容积卡尔曼滤波(AIMMCKF)算法。该算法将交互式多模型容积卡尔曼滤波(IMMCKF)应用到一个非线性状态增广系统,以得固定延迟平滑状态估计。同时,采用增广转换操作处理所用模型集中的不同模型可能属于不同状态空间的问题,保证算法能够正常进行。仿真结果表明,与传统非线性跟踪算法相比,所提算法在机动目标跟踪方面有更高的精度与更强的适应性。; 王美健吴小俊; 关键词：机动目标跟踪非线性

渝B2-20050021-1　渝公网安备 50019002500403号　违法和不良信息举报中心　互联网出版许可证　新出网证(渝)字10号

国家自然科学基金(61373055)

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

国家自然科学基金(61373055)

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈