石玉清
- 作品数:19 被引量:19H指数:3
- 供职机构:西北民族大学更多>>
- 发文基金:国家自然科学基金中央高校基本科研业务费专项资金更多>>
- 相关领域:自动化与计算机技术医药卫生理学文化科学更多>>
- 甘肃高校大学物理课时设置比较研究被引量:1
- 2013年
- 以教育部教学评估中专家的建议和意见,结合教育部文件精神,对甘肃高校大学物理课程的教学课时做了比较和分析,对教学内容、教学方法和手段做了尝试性的改革,提出了未来的计划和建议。
- 张国恒邓小燕陈彦石玉清王培煜
- 关键词:物理教学甘肃高校
- 一种基于鲁棒张量低秩表示的图像去噪方法
- 本发明公开了一种基于鲁棒张量低秩表示的图像去噪方法,首先建立图像噪声模型的目标函数,然后对目标函数进行优化,载使用乘数交替方向法ADMM求解优化后的等效问题,利用相应的增强拉格朗日函数,通过固定其他变量,分别交替更新拉格...
- 杜世强黄奕轩肖庆江石玉清单广荣
- 文献传递
- 一种加权融合两类核判别信息算法被引量:1
- 2011年
- 完整核判别分析(CKFD)是线性判别分析(LDA)在核空间中的非线性推广.文章在CKFD算法的基础上,引进权重,对规则判别信息和不规则判别信息进行加权提取判别信息,提出了一种核判别分析方法.实验结果表明了该算法的有效性.
- 石玉清
- 关键词:核判别分析特征提取
- 基于虚拟仪器的生物组织电特性测量
- 2010年
- 主要介绍了利用虚拟仪器技术检测生物组织电学特性,结合生物组织的频率响应等理论搭建了电压-电流转换电路,运用图形化编程软件组建了测试生物组织电阻抗的虚拟仪器,并测试分析得到了离体生物组织(皮肤)的电阻抗随时间的线性变化关系。
- 石玉清
- 关键词:虚拟仪器电阻抗恒定电流
- 一种卡片夹
- 一种卡片夹,包括有卡片夹外套(2)和分卡片夹内夹(4),其特点在于:所述的分卡片夹内夹(4)通过轴(1)设置在卡片夹外套(2)内,分卡片夹内夹(4)的端部设有卡片口(5),与卡片口(5)对应的分卡片夹内夹(4)一侧设有倒...
- 杨成慧张国恒李国剑石玉清陈琼艾文欢格佛海
- 文献传递
- 一种基于自适应稀疏图学习的多视图聚类方法
- 本发明公开了一种基于自适应稀疏图学习的多视图聚类方法,包括如下步骤:首先,针对每个视图的数据矩阵,通过自适应近邻学习得到每个视图的相似矩阵;然后,对每个视图的相似矩阵进行自动加权,利用稀疏约束,学习得到一个具有稀疏结构的...
- 肖庆江黄奕轩杜世强石玉清单广荣
- 文献传递
- 一种便于存放的圆桌
- 本实用新型公开一种桌腿与桌面间通过铰链联接的圆桌。本实用新型的一种便于存放的圆桌,包括桌面与桌腿,桌面与桌腿间以铰链联接,且至少有三条桌腿,本实用新型的桌面上均匀分布与桌腿等数量的且形状与桌腿对应的槽,槽的轴线与桌面的一...
- 石玉清杜世强
- 文献传递
- L_(3/2)正则化图非负矩阵分解算法被引量:6
- 2014年
- 基于图正则化非负矩阵分解算法(GNMF),提出一种基于凸光滑的L3/2范数正则化图非负矩阵分解算法.该算法用非负矩阵分解算法对数据进行低维非负分解时,根据流形学习的图框架理论,构建邻接矩阵保持数据局部几何结构,并对数据的低维表示特征进行凸光滑的L3/2范数稀疏性约束,在给出算法更新迭代规则的同时,从理论上证明了所给算法的收敛性.通过人脸数据库ORL、手写体数据库USPS和图像库COIL20的仿真实验表明,相对于非负矩阵分解算法及其基于稀疏表示的改进算法,所给算法均具有更高的聚类精度.
- 杜世强石玉清马明王维兰
- 关键词:图像聚类非负矩阵分解正则化
- 一种基于张量低秩稀疏表示的图像聚类方法
- 本发明公开了一种基于张量低秩稀疏表示的图像聚类方法。与现有大多数表示学习方法不同的是,去除噪声后的原始数据样本被选用为字典,低秩和稀疏双重约束使得表示系数张量分别有效地捕获了样本数据的全局结构和局部结构,表示系数张量的低...
- 杜世强石玉清肖庆江黄奕轩王维兰
- 文献传递
- 基于图正则化的半监督非负矩阵分解被引量:7
- 2012年
- 提出了一种基于图正则化的半监督非负矩阵分解算法(GSNMF),克服了非负矩阵分解(NMF)、约束非负矩阵分解(CNMF)和图正则化非负矩阵分解(GNMF)方法忽略样本数据的局部几何结构或标签信息不足的缺陷,且NMF、CNMF和GNMF均为GSNMF的特例。也从理论上证明了GSNMF算法的收敛性。该算法对样本数据进行低维非负分解时,在图框架下既保持数据的几何结构,又利用已知样本的标签信息,在进行半监督学习时,同类样本能更好地聚集而类间距离尽可能大。在人脸数据库ORL、FERET和手写体数据库USPS上的仿真结果表明,相对于NMF及其一些改进算法,GSNMF均具有更高的聚类精度。
- 杜世强石玉清王维兰马明
- 关键词:图像聚类半监督学习非负矩阵分解