检索结果-南通市图书馆

Survey on rain removal from videos or a single image

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

Science China(Information Sciences) 2022年第1期65卷 72-94页

作者： Hong WANG Yichen WU Minghan LI Qian ZHAO Deyu MENG School of Mathematics and Statistics Ministry of Education Key Lab of Intelligent Networks and Network Security Xi'an Jiaotong University Pazhou Lab

Rain can cause performance degradation of outdoor computer vision tasks. Thus, the exploration of rain removal from videos or a single image has drawn considerable attention in the field of image processing. Recently, various deraining methodologies have been proposed. However, no comprehensive survey work has yet been conducted to summarize existing deraining algorithms and quantitatively compare their generalization ability, and especially, no off-the-shelf toolkit exists for accumulating and categorizing recent representative methods for easy performance reproduction and deraining capability evaluation. In this regard, herein, we present a comprehensive overview of existing video and single image deraining methods as well as reproduce and evaluate current state-of-the-art deraining methods. In particular, these approaches are mainly classified into model-and deep-learning-based methods, and more elaborate branches of each method are presented. Inherent abilities, especially generalization performance, of the state-of-the-art methods have been both quantitatively and visually analyzed through thorough experiments conducted on synthetic and real benchmark datasets. Moreover, to facilitate the reproduction of existing deraining methods for general users, we present a comprehensive repository with detailed classification, including direct links to 85 deraining papers, 24 relevant project pages, source codes of 12 and 25 algorithms for video and single image deraining, respectively, 5 and 10 real and synthesized datasets, respectively, and 7 frequently used image quality evaluation metrics, along with the corresponding computation codes. Research limitations worthy of further exploration have also been discussed for future research along this direction.

关键词： rain removal maximum a posterior estimation deep learning generalization performance comprehensive repository

On finitemixture models

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

Statistical Theory and Related Fields 2017年第1期1卷 15-27页

作者： Jiahua Chen Research Institute of Big Data Yunnan UniversityYunnanChina Department of Statistics University of British ColumbiaVancouverCanada

Finite mixture models are widely used in scientific *** to their non-regularity,there are many technical challenges concerning inference problems on various aspects of the finitemixture *** decades of effort by statisticians,substantial progresses are recorded recently in characterising large sample properties of some classical inference methods when applied to finitemixture models,providing effective numerical solutions formixture model-based data analysis,and the invention of novel inference *** paper aims to provide a comprehensive summary on large sample properties of some classical statistical methods and recently developed modified likelihood ratio test and EM-test for the order of the finite mixture *** presentation de-emphasises the rigour in order to gain some insights behind some complex technical *** paper wishes to recommend the EM-test as the most promising approach to data analysis problems from all models with mixture structures.

关键词： C(α)-test EM-test hidden Markov model homogeneity modified likelihood ratio test structural parameter

Massive data clustering by multi-scale psychological observations

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

National Science Review 2022年第2期9卷 43-51页

作者： Shusen Yang Liwen Zhang Chen Xu Hanqiao Yu Jianqing Fan Zongben Xu National Engineering Laboratory of Big Data Analytics Xi'an Jiaotong University Department of Mathematics and Statistics University of Ottawa Center for Statistics and Machine Learning Princeton University Industrial Artificial Intelligent Center Pazhou Laboratory

Clustering is the discovery of latent group structure in data and is a fundamental problem in artificial intelligence,and a vital procedure in data-driven scientific research over all ***,existing methods have various limitations,especially we ak cognitive interpretability and poor computational scalability,when it comes to clustering massive datasets that are increasingly available in all ***,by simulating the multi-scale cognitive observation process of humans,we design a scalable algorithm to detect clusters hierarchically hidden in massive *** observation scale changes,following the Weber-Fechner law to capture the gradually emerging meaningful grouping *** validated our approach in real datasets with up to a billion records and 2000 dimensions,including taxi trajectories,single-cell gene expressions,face images,computer logs and *** approach outperformed popular methods in usability,efficiency,effectiveness and robustness across different domains.

关键词： massive data clustering psychological observation Weber–Fechner law cognitive interpretability computational scalability

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

人工智能的10个重大数理基础问题

中国科学：信息科学 2021年第12期51卷 1967-1978页

作者：徐宗本西安交通大学西安数学与数学技术研究院西安710049 琶洲实验室广州510335 鹏城实验室深圳518055

本文提出并阐述人工智能研究与应用中亟待解决的10个重大数理基础问题:(1)大数据的统计学基础;(2)大数据计算的基础算法;(3)数据空间的结构与特性;(4)深度学习的数学机理;(5)非正规约束下的最优输运;(6)如何学习学习方法论;(7)如何突破... 详细信息

本文提出并阐述人工智能研究与应用中亟待解决的10个重大数理基础问题:(1)大数据的统计学基础;(2)大数据计算的基础算法;(3)数据空间的结构与特性;(4)深度学习的数学机理;(5)非正规约束下的最优输运;(6)如何学习学习方法论;(7)如何突破机器学习的先验假设;(8)机器学习的自动化;(9)知识推理与数据学习的融合;(10)智能寻优与人工智能芯片问题.

关键词：人工智能数理基础统计学大数据算法数据空间深度学习最优传输学习学习方法论机器学习假设机器学习自动化 AI芯片

在线全文

学校读者我要写书评

暂无评论

元自步学习

中国科学：信息科学 2020年第6期50卷 781-793页

作者：束俊孟德宇徐宗本西安交通大学数学与统计学院西安710049 澳门科技大学澳门系统工程研究所澳门999078

自步学习是近年来机器学习领域提出的一种启发于人和动物"由易到难"学习过程的学习机制.尽管自步学习已取得可喜的理论与应用进展,但是当前的自步学习算法仍存在超参数选择的瓶颈问题.针对该问题当前主要采用一些启发式的手工设计方法... 详细信息

自步学习是近年来机器学习领域提出的一种启发于人和动物"由易到难"学习过程的学习机制.尽管自步学习已取得可喜的理论与应用进展,但是当前的自步学习算法仍存在超参数选择的瓶颈问题.针对该问题当前主要采用一些启发式的手工设计方法或者交叉验证方法,然而此类方法效率很低,缺乏理论性指导,难以推广应用到广泛的实践问题中.针对这一挑战性问题,本文提出一种基于元学习机理的自步学习算法,该方法能使自步学习中涉及的超参数以数据驱动的方式自动习得,从而大大减弱了自步学习的这一核心问题.特别地,我们针对3种典型的自步学习实现格式,将所提元学习策略实质性嵌入,通过回归和分类实验验证了所提算法的准确性和泛化性,特别验证了相比于传统超参设置方法的显著优越性.

关键词：自步学习元学习样本加权噪声标记下学习超参数选择

在线全文

学校读者我要写书评

暂无评论

基于PCA的信息压缩:从一阶到高阶

中国科学：信息科学 2018年第12期48卷 1622-1633页

作者：夏志明徐宗本西安交通大学数学与统计学院西安710049 西北大学数学学院西安710127

本文概述信息压缩背景下从一阶到高阶主成分分析的统计原理,并从3个不同角度揭示各阶主成分分析的特点和局限,同时指出可能的研究方向.首先以相似的结构综述一阶到高阶主成分分析的原理及已有的发展,并进一步分析其内在相似统计意义,揭... 详细信息

本文概述信息压缩背景下从一阶到高阶主成分分析的统计原理,并从3个不同角度揭示各阶主成分分析的特点和局限,同时指出可能的研究方向.首先以相似的结构综述一阶到高阶主成分分析的原理及已有的发展,并进一步分析其内在相似统计意义,揭示其共性结构—"勾股定理",并以此为基础展示主成分分析的两种等价表达—"变异性最大"与"平方损失最小".其次深入分析了一阶到高阶PCA (principle component analysis)的可能发展:从"勾股定理"出发, PCA可以推广到更一般损失函数形式的"稳健"或"稀疏"类PCA;从张量分解与主成分分析之间的关联出发, PCA可以为构造不同的张量分解提供新思路;从分析一阶到高阶主成分分析在揭示"各向异性"结构上的固有局限出发, PCA能够推广到更有价值的"深度"

关键词：主成分分析信息压缩高阶张量 Tucker分解各向异性

在线全文

学校读者我要写书评

暂无评论

张量稀疏性度量综述

重庆邮电大学学报（自然科学版） 2019年第3期31卷 340-347页

作者：谢琦张勇孟德宇西安交通大学数学与统计学院西安710049 西安交通大学第一附属医院西安710049

稀疏性是现实数据所共有的一般信息表达特性,其含义为数据可由其本质所蕴含的少量基元素进行充分表达。目前,向量(1阶数组)与矩阵(2阶数组)数据均存在较为成熟的稀疏性表达度量,即向量的非零元素个数与矩阵的秩。然而,对于张量(高阶数组... 详细信息

稀疏性是现实数据所共有的一般信息表达特性,其含义为数据可由其本质所蕴含的少量基元素进行充分表达。目前,向量(1阶数组)与矩阵(2阶数组)数据均存在较为成熟的稀疏性表达度量,即向量的非零元素个数与矩阵的秩。然而,对于张量(高阶数组)数据的合理稀疏性度量的构造尚未形成统一的解决方案。对张量稀疏性研究的现状进行综合介绍,回顾目前在此方向的研究进展以及所取得的典型应用,并着重介绍本研究小组基于Tucker分解与CANDECOMP/PARAFAC(CP)分解的张量稀疏性内涵理解所构造的一种新型张量稀疏性度量。将此张量稀疏性度量与10个传统方法应用到多光谱图像去噪中进行对比实验,通过数值与视觉上的实验结果说明所提方法的合理性与有效性。

关键词：张量稀疏性高光谱图像去噪

在线全文

学校读者我要写书评

暂无评论

基于最大平均熵率的大数据关联聚类算法

中国科学：信息科学 2019年第12期49卷 1572-1585页

作者：张俪文王涛罗坚杨树森徐宗本西安交通大学电子与信息学部西安710049 西安交通大学数学与统计学院西安710049

聚类是数据挖掘和机器学习中的基本任务之一.传统聚类方法由于其设计中对簇结构假设的限制,导致算法在不符合其假设的数据集上,尤其是大型高维数据集上的聚类效果较差.本文引入了最大平均熵率的概念,设计了一种基于图的关联聚类算法.该... 详细信息

聚类是数据挖掘和机器学习中的基本任务之一.传统聚类方法由于其设计中对簇结构假设的限制,导致算法在不符合其假设的数据集上,尤其是大型高维数据集上的聚类效果较差.本文引入了最大平均熵率的概念,设计了一种基于图的关联聚类算法.该算法将关联聚类问题分解为多个独立的单类优化问题,并利用邻域消除了关联聚类对大数据的限制.算法实现通过启发式邻域搜索和类生成简化了对最优邻域和关联聚类的求解过程,并且设计了适应分布式计算平台的图迭代方法.与其他聚类算法相比,该算法在提高计算效率的同时,对簇结构假设相对灵活,可适用于多种分布数据.在聚类实验中,算法的f1-measure和purity指数均好于其他6种聚类算法,而且对于高维大数据集,算法的运行时间远远低于其他聚类算法.

关键词：聚类相关聚类熵率图聚类大数据

基于Bayes网络的高维感知数据本地隐私保护发布

在线全文

学校读者我要写书评

暂无评论

中国科学：信息科学 2019年第12期49卷 1586-1605页

作者：任雪斌徐静怡杨新宇杨树森西安交通大学计算机科学与技术学院西安交通大学数学与统计学院

群智感知系统通过对高维感知数据的发布和分析为人们带来巨大数据价值的同时,也给参与者的隐私带来了极大的隐患.目前,各种基于差分隐私的隐私保护方法被提出,但大部分方法不能同时解决高维感知数据间复杂的属性关联问题和来自不可信服... 详细信息

群智感知系统通过对高维感知数据的发布和分析为人们带来巨大数据价值的同时,也给参与者的隐私带来了极大的隐患.目前,各种基于差分隐私的隐私保护方法被提出,但大部分方法不能同时解决高维感知数据间复杂的属性关联问题和来自不可信服务器的隐私威胁问题.基于此,本文提出了基于Bayes网络的高维感知数据本地隐私保护发布机制.该机制实现了用户端的本地数据保护,杜绝了其他方直接访问用户原始数据的可能,根本上保护了用户的数据隐私.感知服务器端在接收到用户本地隐私保护的数据后,基于Bayes网络方法对高维数据的维度相关性进行识别,将高维数据属性集划分为多个相对独立的低维属性集,进而依次合成新的数据集,可以有效地保留原始感知数据的属性维度相关性,保证合成数据集与原始数据集具有尽可能相似的统计特性.通过大量仿真实验验证了该方法的有效性,实验结果表明该方法在有效的本地隐私保护下的合成数据具有较高的数据效用性.

关键词：群智感知系统感知数据高维数据本地差分隐私 Bayes网络