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

基于图正则化的贝叶斯宽度学习系统

智能科学与技术学报 2022年第1期4卷 109-117页

作者：段俊伟许林灿全渝娟陈龙陈俊龙暨南大学信息科学技术学院广东广州510632 澳门大学科技学院中国澳门999078 华南理工大学计算机科学与工程学院广东广州510006

作为一种前馈神经网络,宽度学习系统因其精度高、训练速度快且能有效代替深度学习方法而备受研究者的关注。然而,宽度学习系统存在对网络中的特征节点个数比较敏感且求伪逆方式易使模型出现过拟合等问题。为此,在宽度学习系统中引入贝... 详细信息

作为一种前馈神经网络,宽度学习系统因其精度高、训练速度快且能有效代替深度学习方法而备受研究者的关注。然而,宽度学习系统存在对网络中的特征节点个数比较敏感且求伪逆方式易使模型出现过拟合等问题。为此,在宽度学习系统中引入贝叶斯推断和图正则化。一方面,通过引入先验知识进行贝叶斯学习可以有效提高权重的稀疏性,提高模型的稳定性;另一方面,加入图正则化可充分考虑数据内在的图信息,进一步提高模型的泛化能力。在UCI数据集和NORB数据集上对所提模型进行性能评估,实验结果表明,所提的基于图正则化的贝叶斯宽度学习系统模型能进一步提高宽度学习系统的分类精度且具有更好的稳定性。

关键词：宽度学习系统贝叶斯推断图正则化模式识别

在线全文

学校读者我要写书评

暂无评论

改进的图正则化非负矩阵分解的图像识别方法

佳木斯大学学报（自然科学版） 2020年第5期38卷 27-31,77页

作者：杨彩凤刘涛刘国庆程飞安徽工程大学计算机与信息学院安徽芜湖241000

针对图像识别中数据的内在几何结构被忽视和数据存在冗余的问题,提出一种改进的图正则非负矩阵分解(New-GNMF)算法。首先,将非负矩阵分解(NMF)与图谱理论相结合,基于局部地提取图像数据的主要特征,找到一种紧凑的数据表达方式,满足从高... 详细信息

针对图像识别中数据的内在几何结构被忽视和数据存在冗余的问题,提出一种改进的图正则非负矩阵分解(New-GNMF)算法。首先,将非负矩阵分解(NMF)与图谱理论相结合,基于局部地提取图像数据的主要特征,找到一种紧凑的数据表达方式,满足从高维环境空间嵌入的低维流形进行采样的数据,有效揭示隐藏的语义,又尊重数据内在的几何结构。同时,对分解后的基矩阵设置阈值,通过阈值判断进行优化处理,过滤冗余数据,减少干扰。然后,给出改进的GNMF的目标函数和迭代公式的推导过程。最后,在PIE-Pose05,YaleB,COIL20三个图像数据库上进行实验,运用正确率(AC)和归一化互信息(NMI)评价体系对改进算法进行性能评价,结果表明,该方法能够明显提高图像识别效果。

关键词：图像识别非负矩阵分解图正则化基矩阵

基于非下采样Contourlet变换和图正则化去噪

在线全文

学校读者我要写书评

暂无评论

计算机应用 2010年第6期30卷 1556-1558页

作者：刘国金曾孝平刘刈重庆大学通信工程学院重庆400044

用非下采样Contourlet变换提取图像的边缘、轮廓和纹理等具有高维奇异性的特征,并将提取的特征用来构造图的权重函数,用建立在图上的正则化方程实现图像的去噪处理。仿真实验结果表明:该方法能有效地去除图像中的噪声,在去噪性能上优于... 详细信息

用非下采样Contourlet变换提取图像的边缘、轮廓和纹理等具有高维奇异性的特征,并将提取的特征用来构造图的权重函数,用建立在图上的正则化方程实现图像的去噪处理。仿真实验结果表明:该方法能有效地去除图像中的噪声,在去噪性能上优于其他的偏微分方程方法。

关键词：图像去噪非下采样Contourlet变换图正则化偏微分方程

基于L2稀疏约束和图正则化的非负矩阵分解算法

在线全文

学校读者我要写书评

暂无评论

宜春学院学报 2019年第12期41卷 28-30,83页

作者：王美能宜春学院数学与计算机科学学院

非负矩阵分解算法(NMF)已经广泛应用于图像处理、模式识别和数据挖掘等相关领域,它旨在寻找两个非负矩阵使其乘积与原始矩阵实现最佳相似。然而,标准的非负矩阵分解算法(NMF)不能发现数据空间的内蕴几何结构。本文提出了一种基于L2稀疏... 详细信息

非负矩阵分解算法(NMF)已经广泛应用于图像处理、模式识别和数据挖掘等相关领域,它旨在寻找两个非负矩阵使其乘积与原始矩阵实现最佳相似。然而,标准的非负矩阵分解算法(NMF)不能发现数据空间的内蕴几何结构。本文提出了一种基于L2稀疏约束和图正则化的非负矩阵分解算法(L2-SGRNMF),并将该方法与标准NMF算法和图正则化非负矩阵分解算法(GRNMF)进行了对比。

关键词：非负矩阵分解稀疏约束图正则化拉格朗日乘数法

在线全文

学校读者我要写书评

暂无评论

基于图正则化的半监督非负矩阵分解

计算机工程与应用 2012年第36期48卷 194-200页

作者：杜世强石玉清王维兰马明西北民族大学数学与计算机科学学院兰州730030 西北民族大学电气工程学院兰州730030

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... 详细信息

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。

关键词：图像聚类半监督学习非负矩阵分解图正则化

基于误差图和加权矩阵的非负矩阵分解正则化及其应用研究

在线全文

学校读者我要写书评

暂无评论

基于误差图和加权矩阵的非负矩阵分解正则化及其应用研究

作者：周美君华中师范大学

学位级别：硕士

随着信息化的普及,海量数据逐渐产生,数据表现出高维,多源和异构等特点。拥有这些特点的数据给机器学习,模式识别,计算机视角,信息检索等领域带来了严峻的挑战。为了较好的从数据集中获取有用信息,通常采用矩阵分解的方法,具体表现形式... 详细信息

随着信息化的普及,海量数据逐渐产生,数据表现出高维,多源和异构等特点。拥有这些特点的数据给机器学习,模式识别,计算机视角,信息检索等领域带来了严峻的挑战。为了较好的从数据集中获取有用信息,通常采用矩阵分解的方法,具体表现形式为将一个数据矩阵分解为多个低维矩阵表示的形式,以此达到降低数据维度的目的。非负矩阵分解是基于局部的、具有较强的心理学和生理学意义,以及具有可解释的非负纯加性特征的矩阵分解算法,自提出以来被广泛应用在各种高维数据处理上,其中一个重要优化改进是结合流形结构背景提出的图正则化非负矩阵分解。然而,图正则化非负矩阵分解算法及其之后的一系列优化改进,均不能保证降维后的数据空间流形结构真的对应降维前数据的空间流形结构,也难以保证多维数据中欧式距离近的样本是真的特征接近。本文针对上述的不足,提出相应优化改进方法,并将其应用到高维数据聚类。主要研究工作和创新如下:1)针对图正则化非负矩阵分解中仅基于局部不变性假设进行流形降维,难以确保数据降维后,其流形结构依旧不发生变化的问题,提出基于误差图的非负矩阵分解方法。通过构建误差权重图,将每次降维后的流形结构与降维前的流形结构进行对比,然后根据误差权重图的反馈,对降维后的系数矩阵进行相应调整,使误差权重矩阵趋于稀疏化。在四组不同的数据集上实验结果表明,该优化方法,不仅能在降维过程中维持数据集流形结构的稳定性,使数据降维效果更加准确,而且当数据样本维数越大时,聚类精度提高的越高。2)针对图正则非负矩阵分解中采用欧式距离的方式来计算两个样本点之间的距离,会均衡化不同特征之间的差异,从而使聚类结果变得不准确的缺陷,提出基于加权矩阵的图正则化非负矩阵分解。该方法采用点乘的方式对系数数据矩阵中大值进行加强维护和小值进行缩小惩罚,有效降低特征突出部分信息的缺损以及减小了欧氏距离计算导致的信息均衡化这一缺点。实验结果表明:基于加权矩阵的图正则化非负矩阵分解方法是有效的,并且在所有NMF的图正则化上具有推广性。总结,本文从高维数据降维过程中的流形结构维护,数据特征保护两个方面进行展开,相应提出两种基于非负矩阵分解的优化方法,用于提高算法准确度。通过算法的理论推导以及在真实数据集上的实验,都表明本文所提出的优化方法的可行性与有效性。

关键词：非负矩阵分解流形学习图正则化误差矩阵高维数据

联合线性判别和图正则的任务导向型跨模态检索

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

计算机辅助设计与图形学学报 2021年第1期33卷 106-115页

作者：代瑾陈莹江南大学轻工过程先进控制教育部重点实验室无锡214122

针对现有的基于公共子空间的跨模态检索方法对不同检索任务的差异性、检索模态的语义一致性考虑不足的问题,提出一种联合线性判别和图正则的任务导向型跨模态检索方法.该方法在一个联合学习框架中为不同的检索任务构建不同的映射机制,... 详细信息

针对现有的基于公共子空间的跨模态检索方法对不同检索任务的差异性、检索模态的语义一致性考虑不足的问题,提出一种联合线性判别和图正则的任务导向型跨模态检索方法.该方法在一个联合学习框架中为不同的检索任务构建不同的映射机制,将不同模态的数据映射到公共子空间中以进行相似性度量;学习过程中结合相关性分析和单模态语义回归,保留成对数据间的相关性以及增强查询模态样本的语义准确性,同时利用线性判别分析保证检索模态样本的语义一致性;还为不同模态的数据构建局部近邻图以保留结构信息,从而提升跨模态检索的性能.在Wikipedia和Pascal Sentence这2个跨模态数据集上的实验结果表明,该方法在不同检索任务上的平均mAP值比12种现有方法分别提升了1.0%~16.0%和1.2%~14.0%.

关键词：跨模态检索线性判别分析图正则化任务导向

在线全文

学校读者我要写书评

暂无评论

结构正则化多视图非负矩阵分解

计算机应用研究 2022年第10期39卷 3033-3038页

作者：连佳琪王毅刚储志伟尹学松杭州电子科技大学人文艺术与数字媒体技术学院杭州310018

现存非负矩阵分解(non-negative matrix factorization,NMF)研究多考虑单一视图分解数据,忽略了数据信息的全面性。此外,NMF限制其获取数据的内在几何结构。针对以上问题,提出一个结构正则化多视图非负矩阵分解算法(structure regulariz... 详细信息

现存非负矩阵分解(non-negative matrix factorization,NMF)研究多考虑单一视图分解数据,忽略了数据信息的全面性。此外,NMF限制其获取数据的内在几何结构。针对以上问题,提出一个结构正则化多视图非负矩阵分解算法(structure regularized multi-view nonnegative matrix factorization,SRMNMF)。首先,通过主成分分析来对数据进行全局结构的判别式学习;其次,利用流形学习来捕获数据的局部结构;然后,通过利用多视图数据的多样性和差异性来学习表征。模型提升了算法聚类的整体性能,更加有效地挖掘数据的结构信息。此外,采用高效的交替迭代算法优化目标函数得到最优的因子矩阵。在六个数据集上与现存的代表性方法进行比较,所提出的SRMNMF的准确率、NMI和Purity分别最大提高4.4%、6.1%和4.05%。

关键词：多视图学习非负矩阵分解图正则化主成分分析聚类

在线全文

学校读者我要写书评

暂无评论

基于表示学习的跨模态检索方法研究进展

广西师范大学学报（自然科学版） 2022年第3期40卷 1-12页

作者：杜锦丰王海荣梁焕王栋北方民族大学计算机科学与工程学院宁夏银川750021

多模态数据的急剧增长带来了跨模态检索的应用需求,促进了对跨模态检索方法的研究。本文追溯该领域最新进展,跟踪并深入研究国内外基于表示学习的跨模态检索方法,对跨模态检索问题进行定义并梳理该领域常用技术方法、主流模型、常用数... 详细信息

多模态数据的急剧增长带来了跨模态检索的应用需求,促进了对跨模态检索方法的研究。本文追溯该领域最新进展,跟踪并深入研究国内外基于表示学习的跨模态检索方法,对跨模态检索问题进行定义并梳理该领域常用技术方法、主流模型、常用数据集、评价方法和面临的主要挑战。主要从统计相关分析、图正则化和度量学习3方面介绍基于表示学习跨模态检索方法,并分析其优缺点。为了分析上述方法的优劣性,实验分别在4个数据集上复现14种方法进行对比评价。实验结果表明:基于统计相关分析方法训练效率较高且易于实施;基于图正则化方法通过挖掘模态内和模态间的相似性,实现语义关联;基于度量学习方法是在公共子空间中尽可能保留数据语义相似/不相似的信息。本文介绍基于表示学习的跨模态检索方法的研究现状,为跨模态检索方法研究提供参考。

关键词：多模态数据跨模态检索统计相关分析图正则化度量学习