杨兴
- 作品数：4 被引量：2H指数：1
- 供职机构：中国地质大学（北京）更多>>
- 发文基金：中央高校基本科研业务费专项资金国家自然科学基金国家留学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 一种基于目标视角的无源雷达最大探测距离解算方法
- 本发明一种基于目标视角的无源雷达最大探测距离解算方法，包括以下几个步骤：1、建立由GNSS发射卫星S、空中飞行目标T和接收机R组成的双基地雷达系统模型；2、建立GNSS反射信号链路计算模型，得到双基地雷达距离积平方(R<...
- 沈海鸿裘雪敬杨兴张尚琪德格金马楠楠吴凯
- 文献传递
- 基于B-CNN模型的细粒度分类算法研究
- 近年来伴随着大数据的增长,图像分类任务得到了迅猛发展,分类任务也由二分类发展为简单的粗分类进而发展为细粒度分类。这里所说的粗分类大多数情况下是把不同的物体区分开来,比如把猫、狗、树、车分开,它们之间有着显著的差异,比较容...
- 杨兴
- 关键词：CLR
- 文献传递
- 分类错误指导的分层B-CNN模型用于细粒度分类
- 2017年
- 目的细粒度分类近年来受到了越来越多研究者的广泛关注,其难点是分类目标间的差异非常小。为此提出一种分类错误指导的分层双线性卷积神经网络模型。方法该模型的核心思想是将双线性卷积神经网络算法(B-CNN)容易分错、混淆的类再分别进行重新训练和分类。首先,为得到易错类,提出分类错误指导的聚类算法。该算法基于受限拉普拉斯秩(CLR)聚类模型,其核心"关联矩阵"由"分类错误矩阵"构造。其次,以聚类结果为基础,构建了新的分层B-CNN模型。结果用分类错误指导的分层B-CNN模型在CUB-200-2011、FGVC-Aircraft-2013b和Stanford-cars 3个标准数据集上进行了实验,相比于单层的B-CNN模型,分类准确率分别由84.35%,83.56%,89.45%提高到了84.67%,84.11%,89.78%,验证了本文算法的有效性。结论本文提出了用分类错误矩阵指导聚类从而进行重分类的方法,相对于基于特征相似度而构造的关联矩阵,分类错误矩阵直接针对分类问题,可以有效提高易混淆类的分类准确率。本文方法针对比较相近的目标,尤其是有非常相近的目标的情况,通过将容易分错、混淆的目标分组并进行再训练和重分类,使得分类效果更好,适用于细粒度分类问题。
- 沈海鸿杨兴汪凌峰潘春洪
- 一种基于目标视角的无源雷达最大探测距离解算方法
- 本发明一种基于目标视角的无源雷达最大探测距离解算方法，包括以下几个步骤：1、建立由GNSS发射卫星S、空中飞行目标T和接收机R组成的双基地雷达系统模型；2、建立GNSS反射信号链路计算模型，得到双基地雷达距离积平方(R<...
- 沈海鸿裘雪敬杨兴张尚琪德格金马楠楠吴凯
- 文献传递
