王晓丹 作品数:204 被引量:1,395 H指数:17 供职机构: 空军工程大学 更多>> 发文基金: 国家自然科学基金 陕西省自然科学基金 中国航空科学基金 更多>> 相关领域: 自动化与计算机技术 电子电信 文化科学 兵器科学与技术 更多>>
一种基于视觉感知特性的图象纹理分割方法 被引量:4 2001年 基于视觉感知多分辨率、多通道特性、并行性和模糊性,提出了一种基于视觉感知特性的图象纹理分割方法,它由2D最佳正交极可分方向滤波器特征提取,改进的模糊Kohonen聚类网络(IFKCN)特征聚类粗分割、粗分割结果的细化等几个步骤组成。实验结果表明了方法的有效性。 王晓丹 赵荣椿 吴崇明关键词:方向滤波 模糊KOHONEN聚类网络 图象处理 视觉感知特性 基于独立成分分析和IHS变换域的灰度可见光和红外图像融合 被引量:4 2014年 针对灰度可见光和红外图像的融合图像缺乏色彩信息、图像的高阶信息在变换域中统计独立性不足的缺陷,提出一种基于独立分量分析和IHS(亮度-色度-饱和度)变换域的融合方法.该方法利用IHS变换域能够有效分离图像亮度分量和彩色信息的优势,对灰度可见光图像建立灰度图像的彩色传递模型.利用各分量的独立性进行基于独立分量分析和IHS变换域的图像融合,并得到最终的彩色融合图像,使融合图像更加符合人类视觉要求.仿真实验验证了所提出算法的有效性. 邢雅琼 王晓丹 毕凯 郝新娣关键词:图像融合 分类器集成差异性研究 被引量:12 2009年 差异性是集成学习中的重要概念,对差异性的研究在集成学习领域中占有基础性地位。从差异度量方法、差异度与分类器集成性能的关系以及差异度在集成优化中的应用三个方面对当前研究进展进行分析。深入分析了现有工作,对存在的问题给出一些解决思路,建议不能为了差异性以较大的基分类器精度损失为代价;不能为了引入差异性而偏离原来的分类问题。 张宏达 王晓丹 韩钧 徐海龙关键词:分类器集成 泛化性能 一种新的代价敏感SVDD二类分类方法 2023年 为提升代价敏感分类性能,通过提升较高误分代价类别的学习精度来降低总误分代价,利用支持向量域描述(Support Vector D omain Description,SVDD)实现代价敏感分类,提出一种代价敏感SVDD二类分类方法CS-SVDD。该方法首先将单类SVDD拓展为二类分类SVDD,对不同类别分别构建SVDD超球体,通过误分类代价调节SVDD分类器对不同类别样本的分类精度,对误分代价高的类别进行更为精确的学习,从而降低总误分代价;对于处于两个超球体之外或覆盖区域的类别属性不明确的样本,以误分代价最小为原则定义代价敏感决策规则。在人工数据集和UCI数据集上与同类方法进行了实验比较,实验结果表明了所提方法的有效性。 吴崇明 王晓丹 赵振冲关键词:支持向量数据描述 支持向量 基于ROC的三元再编码研究 被引量:1 2016年 针对三元编码矩阵中基分类器不包含被忽略样本类别先验知识的问题,该文提出一种基于接收机工作特性(ROC)曲线的矩阵再编码方法。首先基于ROC曲线寻找构造拒绝域的阈值对,从而获得最优分类器;然后利用最优分类器对训练样本中被忽略的类别进行分类,将经典的二值输出变为三值输出,从而对初始编码矩阵的码元"0"进行重新编码。在解码阶段,采用经典的汉明距离解码方法对未知样本进行决策。该方法能够避免基分类器的二次训练,适用于任意的三元纠错输出编码,具有良好的普适性和实用性。基于人工和UCI公共数据集的实验结果表明该方法简单高效,在不增加训练时间的基础上,能够提高解码的速度和精度,促进分类效果的提升。 雷蕾 王晓丹 罗玺关键词:拒绝域 基于移动散射点模型的雷达回波仿真及分析 被引量:1 2013年 针对中段目标宽带雷达回波信号难于获取的问题,进一步研究了目标雷达视线角和中段目标姿态的建模方法,给出了基于移动散射点模型的散射中心位置计算公式,然后基于几何绕射理论计算了各散射中心的散射强度,最后对雷达一维距离像进行归一化处理,提取了散射点的相对距离特征,得到了散射点相对距离变化的特征序列。实验结果显示,对雷达一维距离像进行特征提取,可以得到中段目标的姿态信息,为中段目标识别奠定基础。 薛爱军 王晓丹 宋亚飞 雷蕾关键词:几何绕射理论 目标识别 基于优化核的支持向量机动态融合算法 Fisher准则经常作为代价函数被用来优化核函数。然而,在许多应用中,即使在核空间,数据集也不是线性可分的,从而使得以此得到的优化核训练的SVM性能不能令人满意。基于此,本文提出了一种集成方法:首先,对样本集在核空间进行... 郑春颖 王晓丹 郑全弟关键词:FISHER准则 SVM K近邻 文献传递 基于截止投票的SVM集成快速分类方法 被引量:1 2009年 通过充分利用多个基分类器间的差异,集成分类器能够有效提高泛化精度,但是分类复杂度也随之增加。针对一类典型基于重采样和投票法的集成分类器,根据少数服从多数原则,在不影响分类精度的前提下给出了硬截止投票方法;针对基于B agg ing的SVM集成的特点,引入概率分析,分析根据集成中部分投票预测集成结果的损失概率,给出了基于损失概率的软截止投票方法,该方法可推广到其他基于重采样技术与投票法的集成分类系统。对一个人工数据集和两个UC I数据集的实验表明该方法在保证分类精度的前提下,大幅提高了分类速度。 张宏达 王晓丹 刘倞源 徐海龙关键词:支持向量机集成 重采样 基于粒子群优化算法的最大相关最小冗余混合式特征选择方法 被引量:11 2013年 在分析粒子群优化(PSO)算法和简化PSO算法的基础上,提出一种基于PSO的最大相关最小冗余的Filter-Wrapper混合式特征选择方法.Filter模型是基于互信息和特征的相关冗余综合测度,Wrapper模型是基于改进的简化粒子群算法.在PSO搜索过程中,引入相关冗余度量标准来选择特征子集,将Filter融合在Wrapper中,利用Filter的高效率和Wrapper的高精度提高搜索的速度和性能.最后以支持向量机(SVM)为分类器,在公共数据集UCI上进行实验,实验结果表明了所提出算法的可行性和有效性. 姚旭 王晓丹 张玉玺 权文关键词:粒子群优化 FILTER WRAPPER 互信息 基于主成分分析法的代价敏感极限学习机 2020年 在入侵检测中,传统的极限学习机(ELM)没有考虑到两方面的问题:一是误分类代价的敏感问题,在网络入侵检测中,需要考虑到误分类代价不同的问题,并以实现期望代价最小化为目标;二是冗余特征的处理问题,当入侵特征维数较多时,会存在着大量的冗余特征的问题,如果直接对高维数据进行分类,不仅入侵模式不能被准确分类,误检率较高,并且大量的冗余数据既耗费了系统的资源,也增大了入侵检测的时间。针对这两方面的问题,提出一种基于主成分分析法的代价敏感极限学习机(ELM)。通过主成分分析法对数据进行降维,确定主要特征;再将预处理后的数据训练极限学习机(ELM),以实现期望代价最小化为目标,从而实现降低入侵检测的检测时间,降低检测误报率,提高检测准确率的目的。实验表明,在入侵检测中,基于主成分析法的代价敏感极限学习机(ELM)与传统的ELM相比,不仅使分类准确率得到提高,降低了分类的误报率,而且在分类速度上也有一定的优越性,提高了网络运行的效率。 顾竞豪 王晓丹关键词:主成分分析法 极限学习机 数据处理