检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于局部学习的半监督多标记分类算法

计算机应用 2012年第12期32卷 3308-3310,3338页

作者：吕佳重庆师范大学计算机与信息科学学院重庆400047

针对在求解半监督多标记分类问题时通常将其分解成若干个单标记半监督二类分类问题从而导致忽视类别之间内在联系的问题,提出基于局部学习的半监督多标记分类方法。该方法避开了多个单标记半监督二类分类问题的求解,采用"整体法"的研究... 详细信息

针对在求解半监督多标记分类问题时通常将其分解成若干个单标记半监督二类分类问题从而导致忽视类别之间内在联系的问题,提出基于局部学习的半监督多标记分类方法。该方法避开了多个单标记半监督二类分类问题的求解,采用"整体法"的研究思路,利用基于图的方法,引入基于样本的局部学习正则项和基于类别的拉普拉斯正则项,构建了问题的正则化框架。实验结果表明,所提算法具有较高的查全率和查准率。

关键词：半监督学习多标记分类问题局部学习标记正则项

在线全文

学校读者我要写书评

暂无评论

气动退化图像自适应空域正则化复原

计算机仿真 2013年第11期30卷 218-223页

作者：孙李辉李俊山第二炮兵工程大学402教研室陕西西安710025

研究飞行器红外图像复原优化校正问题,为了解决气动退化图像复原处理中的病态问题,提出了一种气动退化图像自适应空域正则化方法。首先,构建了包括图像模糊程度恢复正则项、边缘保护正则项和噪声平滑正则项的多重约束的空域正则化模型,... 详细信息

研究飞行器红外图像复原优化校正问题,为了解决气动退化图像复原处理中的病态问题,提出了一种气动退化图像自适应空域正则化方法。首先,构建了包括图像模糊程度恢复正则项、边缘保护正则项和噪声平滑正则项的多重约束的空域正则化模型,然后,根据退化图像局部特征使用先验策略选取了局部正则化参数,并对正则项设置了步长函数以及非负等多重约束;最后,结合Steffensen加速迭代法和牛顿法实现了最小泛函的加速求解。多帧气动退化图像复原实验结果表明,复原后的图像质量得到极大程度的改善,纹理细节得到有效恢复,满足了气动退化图像复原处理的需要。

关键词：气动退化图像空域正则化正则项正则化参数加速迭代法牛顿法

正则化的加权不完全鲁棒主成分分析方法及其在无线传感器网络节点轨迹拟合中的应用

在线全文

学校读者我要写书评

暂无评论

计算机应用 2018年第6期38卷 1709-1714,1720页

作者：孙莞格夏克文兰璞河北工业大学电子信息工程学院天津300401 河北省大数据计算重点实验室(河北工业大学) 天津300401

针对稀疏矩阵奇异值分解(SRSVD)方法和半精确增广拉格朗日(SEALM)算法在采样比例小且稀疏噪声大,以及存在高斯噪声时不能准确拟合无线传感器网络(WSN)节点轨迹的问题,提出一种正则化的加权不完全鲁棒主成分分析(RWIRPCA)方法。首先,将... 详细信息

针对稀疏矩阵奇异值分解(SRSVD)方法和半精确增广拉格朗日(SEALM)算法在采样比例小且稀疏噪声大,以及存在高斯噪声时不能准确拟合无线传感器网络(WSN)节点轨迹的问题,提出一种正则化的加权不完全鲁棒主成分分析(RWIRPCA)方法。首先,将不完全鲁棒主成分分析(IRPCA)应用于节点轨迹拟合;然后,在IRPCA的基础上,为了更好地刻画矩阵的低秩性和稀疏性,以及增强模型的抗高斯噪声性能,分别对低秩矩阵和稀疏矩阵进行加权;最后,将高斯噪声矩阵的F范数作为正则项,应用于节点轨迹拟合。仿真结果表明,IRPCA和RWIRPCA在采样比例小且稀疏噪声大时拟合效果均优于SRSVD和SEALM方法,特别是所提的RWIRPCA在稀疏噪声和高斯噪声同时存在时,仍能取得准确且稳定的拟合效果。

关键词：无线传感器网络鲁棒主成分分析矩阵补全加权范数正则项

在线全文

学校读者我要写书评

暂无评论

融合腿部局部特征的步态识别方法

计算机工程与设计 2016年第5期37卷 1340-1345页

作者：李凯王国超河北大学计算机科学与技术学院河北保定071002

为提高步态识别的识别率,提出一种基于腿部轮廓区域与整体图像的特征相结合的步态识别算法。通过选取训练样本的整体散布矩阵的非负特征值对应的特征向量,组成一个维数较低的变换空间;在此空间中,为克服小样本问题,对每类样本的协方差... 详细信息

为提高步态识别的识别率,提出一种基于腿部轮廓区域与整体图像的特征相结合的步态识别算法。通过选取训练样本的整体散布矩阵的非负特征值对应的特征向量,组成一个维数较低的变换空间;在此空间中,为克服小样本问题,对每类样本的协方差矩阵增加一个正则项,构成新的准则函数,通过求解该优化问题,选择部分特征向量组成特征矩阵;基于此种方法,将获得的腿部轮廓区域特征和整体图像的特征进行组合,表示一个行人步态的特征。实验选取中科院步态数据库CASIA A、CASIA B和CASIA C,结合最小距离分类器进行步态识别。实验结果表明,当影响识别的因素发生改变时,例如背包、穿外套等,所提方法能够获得较高识别率。

关键词：步态识别步态能量图像(GEI) 腿部轮廓区域(RBL) 特征组合正则项

在线全文

学校读者我要写书评

暂无评论

一种新型的四相水平集图像分割方法

数学的实践与认识 2017年第22期47卷 147-153页

作者：陈苗苗刘朝霞中央民族大学理学院北京100081

水平集方法在图像分割和计算机视觉领域有很广泛的应用,在传统的水平集方法中,水平集函数需要保持符号距离函数.现有的活动轮廓模型、GAC模型、M-S模型、C-V模型等在演化过程中均需要对水平集函数进行重新初始化,使其保持符号距离函数,... 详细信息

水平集方法在图像分割和计算机视觉领域有很广泛的应用,在传统的水平集方法中,水平集函数需要保持符号距离函数.现有的活动轮廓模型、GAC模型、M-S模型、C-V模型等在演化过程中均需要对水平集函数进行重新初始化,使其保持符号距离函数,然而这样会引起数值计算的错误,最终破坏演化的稳定性,另外这些模型只适用于灰度值较为均匀的图像,对灰度值不均匀的图像不能进行理想的分割·针对这些问题,结合C-V模型的思想,提出了一种带有正则项的四相水平集分割模型,其中正则项被定义为一个势函数,具有向前向后扩散的作用,使水平集函数在演化过程中保持为符号距离函数,避免了水平集函数重新初始化的过程.最后对该模型进行数值实现,实验表明了新模型的可行性和有效性.

关键词：水平集方法四相水平集图像分割模型正则项数值实现

在线全文

学校读者我要写书评

暂无评论

一种改进的非刚性医学图像配准算法

计算机应用研究 2015年第4期32卷 1261-1264页

作者：张静亚王加俊苏州大学电子信息学院江苏苏州215006 常熟理工学院物理与电子工程学院江苏常熟215500

非刚性医学图像配准是医学影像处理和应用中重要的研究课题。对传统的基于局部仿射变换的非刚性图像配准模型进行了改进,结合图像的区域灰度信息和切比雪夫低通滤波器幅度特性提出了一种新颖的非刚性医学图像配准算法。该算法采用自适... 详细信息

非刚性医学图像配准是医学影像处理和应用中重要的研究课题。对传统的基于局部仿射变换的非刚性图像配准模型进行了改进,结合图像的区域灰度信息和切比雪夫低通滤波器幅度特性提出了一种新颖的非刚性医学图像配准算法。该算法采用自适应的局部非线性正则项,比传统算法更好地保持了图像的局部细节和边缘信息,通过结合多分辨率分层细化以及由粗到细的变形技术求解策略,很好地解决了传统配准模型无法对大变形单模态图像或者存在灰度差异的多模态图像之间进行配准的问题。实验证明,该模型和算法可以很好地实现对医学图像的非刚性配准。

关键词：非刚性医学图像配准局部仿射变换切比雪夫滤波器正则项

两阶段非负矩阵分解算法及其在光谱解混中的应用

在线全文

学校读者我要写书评

暂无评论

山东农业大学学报（自然科学版） 2024年第3期55卷 422-426页

作者：杨颂张新元刘晓孙莉山东农业大学信息科学与工程学院山东泰安271018

非负矩阵分解问题(nonnegative matrix factorization,NMF)模型已成功应用至高光谱遥感影像处理中的光谱解混工作,由于NMF优化模型具有多个局部极小点,使得分解结果不稳定。设计初始化方法或者选择带正则项的问题模型是提高分解精度的... 详细信息

非负矩阵分解问题(nonnegative matrix factorization,NMF)模型已成功应用至高光谱遥感影像处理中的光谱解混工作,由于NMF优化模型具有多个局部极小点,使得分解结果不稳定。设计初始化方法或者选择带正则项的问题模型是提高分解精度的两种常用方法。本文提出了两阶段的NMF算法,实现了初始点选取和正则项设计的结合。第一阶段借助k-均值获得k个聚类中心,给出迭代的初始点;利用第一阶段的初始矩阵U^(0),定义了针对端元矩阵的正则项‖U-U^(0)‖_(F)^(2),第二阶段采用基于交替非负最小二乘框架的投影梯度算法,求解新的正则化NMF问题。正则项中的端元初始矩阵U^(0)除了采用k-均值获得k个聚类中心,也可采用真实地物光谱,它的引入提高了算法的灵活度。数值结果表明新算法更加稳定,且分解的精确性有效提高。

关键词：非负矩阵分解正则项投影梯度法光谱解混

基于定向双边全变差正则化的文档图像超分辨率算法研究

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

计算机科学 2017年第11期44卷 301-304页

作者：刘小园衣扬杨磊汪斌罗定职业技术学院电子信息系罗定527200 中山大学数学科学与计算机学院广州510275 华南农业大学数学与信息学院广州510642 北京交通大学计算机与信息技术学院北京100044

针对文档图像超分辨率重建问题,在传统双边全变差(Bilateral Total Variation,BTV)正则化超分辨率算法的基础上,提出了一种基于改进BTV的文档图像超分辨率算法。该算法引入一个新的正则项,即笔画宽度的方向,并根据字符笔画的局部宽度和... 详细信息

针对文档图像超分辨率重建问题,在传统双边全变差(Bilateral Total Variation,BTV)正则化超分辨率算法的基础上,提出了一种基于改进BTV的文档图像超分辨率算法。该算法引入一个新的正则项,即笔画宽度的方向,并根据字符笔画的局部宽度和局部方向自适应地进行平滑处理;然后通过分析输入的低分辨率图像及其插值,使输出图像的局部笔画宽度接近于局部的笔画方向。这种信息被压缩到基于笔画宽度的方向全变分正则项中。通过最小化正则项和数据保真项的线性组合,重建了高分辨率的图像。与相关的文档图像超分辨率方法相比,所提方法在视觉图像质量和字符识别精度方面得到了显著的改善。

关键词：文本图像超分辨率图像增强双边全变差正则项

在线全文

学校读者我要写书评

暂无评论

基于正则化的深度学习模型研究

基于正则化的深度学习模型研究

作者：瞿晓阳华中科技大学

学位级别：硕士

受人体大脑中深度体系的启发，几十年来人工神经网络研究者试图训练一个深度多层人工神经网络，都以失败而告终。2006年深度体系方面的研究有了突破性进展：多伦多大学的Hinton教授和他的同事提出了深度信念网络模型，这个模型通过使用... 详细信息

受人体大脑中深度体系的启发，几十年来人工神经网络研究者试图训练一个深度多层人工神经网络，都以失败而告终。2006年深度体系方面的研究有了突破性进展：多伦多大学的Hinton教授和他的同事提出了深度信念网络模型，这个模型通过使用自底向上的基于贪婪策略的非监督预处理，使得深度体系的训练在一定程度上避免陷入局部极值。自此之后，各种基于自动编码和受限制的玻尔兹曼机的深度体系模型相继被提出。这些深度体系模型已经成功应用于数字识别、语音识别、文本分类、信息检索等众多领域。因为RBM（受限制的玻尔兹曼机）模型生成的数据表达比原始数据要好，现阶段大部分深度体系的预处理都是用RBM模型实现的。然而，最近一些学者将RBM作为一个独立的分类器进行了分析，并且通过将生成型RBM和判别型RBM结合S实现半监督学习算法。自此，RBM作为一个独立的模型已经成功应用于众多领域。用于分类的RBM模型可以看成拥有输入层、隐藏层和输出层三层结构的神经网络。用于分类的RBM模型的训练过程可以看作数据降维的过程，高维数据映射到低维数据过程中，数据之间的内蕴结构有没有保持不变，用于分类的RBM并不能保证这一点，基于监督学习的平滑性假设理论，我们引入正则项，让降维过程能更加平滑。最近，用半监督学习解决标记数据过少问题成为一个研究热点，本文通过将RBM模型与EM算法结合来解决这个问题，同时，将统计学习和流行学习相结合实现RBM的半监督学习，也就是通过把流行学习诱导出来的目标函数作为一个正则项添加到RBM的优化准则中，形成一个新的模型：基于拉普拉斯正则项的RBM模型。目前，深度体系的训练关键在于非监督的预处理，而这些非监督的预处理大部分使用的RBM模型实现的，因此研究RBM模型意义重大。在RBM的学习过程中，数据降维度过程往往没有维持数据在空间上的内部结构，所以将正则项引入RBM的统计学习，可以解决此问题，并在一定程度上防止过拟合问题。

关键词：深度学习受限制的波尔兹曼机半监督学习正则项流行学习