检索结果-南通市图书馆

控制与决策 2019年第7期34卷 1481-1486页

作者：吴培良何犇侯增广燕山大学信息科学与工程学院河北秦皇岛066004 中国科学院自动化研究所复杂系统管理与控制国家重点实验室北京100190 河北省计算机虚拟技术与系统集成重点实验室河北秦皇岛066004

面向人机共融环境下机器智能对工具认知的需要,为提高家庭服务机器人的工具功能用途认知能力,设计一种基于深度几何特征空间金字塔池化的工具功用性建模与分类方法。离线训练阶段,考虑到各类工具在几何形态上的差异对工具自身更具表征性... 详细信息

面向人机共融环境下机器智能对工具认知的需要,为提高家庭服务机器人的工具功能用途认知能力,设计一种基于深度几何特征空间金字塔池化的工具功用性建模与分类方法。离线训练阶段,考虑到各类工具在几何形态上的差异对工具自身更具表征性,首先,在各工具的深度图上提取多类几何特征,并融合形成工具特征图;然后,在工具特征图上提取多尺度特征块,并基于ccipca的方法建立空间池化金字塔,从而构建最终的工具特征向量;最后,在高层语义空间上,利用SVM分类器训练工具分类识别模型。在线检测阶段,利用离线训练的工具分类模型对空间池化的样本进行分类测试。实验结果表明,所提方法能够实现家庭服务机器人对家庭日常工具的认知及分类识别,部分工具的识别精度可达97%及以上。

关键词：几何特征 ccipca 多尺度特征块空间金字塔池化 SVM分类器工具分类

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于在线Music算法的DOA估计

引用

电子与信息学报 2008年第11期30卷 2658-2661页

作者：曹向海刘宏伟吴顺君西安电子科技大学雷达信号处理重点实验室西安710071

基于模式识别领域中的ccipca算法,该文给出了一种低运算量的在线Music算法。它无需估计协方差矩阵和对其进行特征值分解,信号子空间的估计与快拍数据的接收是同时进行的,而且只需存储当前的快拍数据,因此大大降低了存储量及运算量的要求... 详细信息

基于模式识别领域中的ccipca算法,该文给出了一种低运算量的在线Music算法。它无需估计协方差矩阵和对其进行特征值分解,信号子空间的估计与快拍数据的接收是同时进行的,而且只需存储当前的快拍数据,因此大大降低了存储量及运算量的要求;并针对上述算法在小快拍情况下性能较差的缺点,利用数据复用的方法有效提高了其估计性能。最后,计算机仿真验证了该文方法的有效性。

关键词： ccipca 在线Music算法:协方差矩阵小快拍

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于深度学习框架的轻量级人脸识别算法研究

基于深度学习框架的轻量级人脸识别算法研究

引用

作者：李云鲲江南大学

学位级别：硕士

得益于独特的物理属性和非接触、非侵占性,人脸识别技术已经成为了最重要的身份识别技术之一,在众多领域都得到了广泛的应用。在人脸识别算法中,如何提取高质量的人脸特征是决定算法性能的关键所在。在深度学习技术兴起之前,主流的人脸... 详细信息

得益于独特的物理属性和非接触、非侵占性,人脸识别技术已经成为了最重要的身份识别技术之一,在众多领域都得到了广泛的应用。在人脸识别算法中,如何提取高质量的人脸特征是决定算法性能的关键所在。在深度学习技术兴起之前,主流的人脸识别算法主要依靠专家精心设计的手工特征进行特征提取。手工特征一般针对某些特定场景或需求设计,依赖于这些领域的先验知识,开发成本高昂且应用场景受限。深度学习技术是机器学习领域的热门领域,它旨在通过多层级联的复杂非线性结构直接从样本中学习潜在的模式和表征,从而打破手工特征的限制并实现自动特征提取。近年来,作为深度学习技术的代表之一,卷积神经网络(Convolution Neural Network,CNN)已经成为人脸识别领域的研究热点。随着卷积神经网络模型的深度和性能不断增加,其训练过程中的计算量也在不断增大,以至于大部分高性能模型的训练都依赖于昂贵的专用设备。所以,如何在保持模型性能的情况下实现模型的轻量化和小型化是基于深度学习的人脸识别算法进一步发展和应用的关键。本文以基于深度学习的人脸识别算法为主要研究对象,认真研究它们的算法思想和缺点,分析其缺陷并提出改进算法,从而提高算法的性能和鲁棒性。本文的研究工作主要包括以下几点:(1)主成分分析网络(Principal Component Analysis Network,PCANet)是一种轻量级深度学习模型,它利用主成分分析算法而非反向传播算法来训练模型,从而极大地缩短了模型训练的时间。此外,一个典型的PCANet模型仅包含两层卷积层、一层二值化哈希层和一层直方图统计层,从模型的网络结构上减少了计算量。但是PCANet使用基于二范数的主成分分析算法,对样本中存在的异常值和噪声不鲁棒。L1-PCA是一种简单高效的基于一范数的主成分分析算法,对于样本中存在的异常值较为鲁棒。本文通过向PCANet中引入L1-PCA算法,从而构建出基于一范数的主成分分析网络(L1-norm-based Principal Component Analysis Network,L1-PCANet)。此外,我们还将二维双向策略引入L1-PCA,推导得出L1-2DPCA,并将其引入PCANet,从而构建出基于一范数的二维双向主成分分析网络(L1-norm-based two-directional two-dimensional Principal Component Analysis Network,L1-2DPCANet)。我们在多个经典的人脸数据集上进行了大量的实验,实验结果表明本文提出的算法能够有效地提升模型性能,同时对于带有异常值和噪声的样本更加鲁棒。(2)目前想要评估某个卷积神经网络模型的性能只能将某个测试集全部输入到网络中并观察输出的情况。这样一来,评估的效果依赖于测试集的选取,如果测试集包含较为全面的样本,那么评估的结果就比较全面;如果测试集包含的样本不全面,那么评估的结果就比较差。此外,当样本集数量过多时,性能评估会花费较多的时间,特别是在模型训练时,每隔一定的训练批次就需要对模型进行一次性能评估。奇异向量典型相关分析(Singular Vector Canonical Correlation Analysis,SVCCA)是一种用于度量任意两组神经元之间的相似程度的方法,根据结构决定功能的思想,卷积神经网络的结构在一定程度上也决定了其性能。在本文中,我们提出了一种基于奇异向量典型相关分析的卷积神经网络性能评估新方法,该方法通过奇异向量典型相关分析度量性能已知的卷积神经网络和性能未知的卷积神经网络之间的相似性,并根据该相似性做加权平均,得到对未知卷积神经网络性能的评估值。我们在多个经典的数据集上进行了大量实验,实验结果表明,相比于传统的评估方法,本文所提出的方法在具有5%左右的评估误差时可以提升5倍的评估速度。(3)PCANet在训练时只需要将全部的样本处理成一个样本矩阵,并进行一次PCA操作即可完成训练,当得到新样本时,PCANet只能重新训练。另外,当训练样本过多时,样本矩阵会超出硬件的限制,使得训练无法进行,所以PCANet无法在大数据集下进行训练。级联协方差无关增量主成分分析(Candid Covariance-free Incremental Principal Component Analysis,ccipca)算法是一种高效的增量主成分分析算法,它每次只使用一张样本迭代地计算样本的协方差,且能够在训练完成之后进行增量训练。本文先将Iccipca算法扩展为双向二维增量主成分分析算法(two-directional two-dimensional Incremental Principal Component Analysis,2DIPCA),再将其引入PCANet,从而构建出基于双向二维的增量主成分分析网络(Incremental Principal C

关键词：人脸识别深度学习卷积神经网络 L1-PCA ccipca

来源：

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

人脸自动识别方法的研究

人脸自动识别方法的研究

引用

作者：高庆华大连理工大学

学位级别：硕士

在生物特征识别中，人脸识别技术占有极为重要的地位，它是模式识别与人工智能的研究热点之一。人脸识别在安全验证系统、信用卡验证、医学、档案管理、视频会议、人机交互、公安系统等方面有着巨大的应用前景。本文针对基于PCA算法的... 详细信息

在生物特征识别中，人脸识别技术占有极为重要的地位，它是模式识别与人工智能的研究热点之一。人脸识别在安全验证系统、信用卡验证、医学、档案管理、视频会议、人机交互、公安系统等方面有着巨大的应用前景。本文针对基于PCA算法的人脸识别方法进行了深入的研究。论文首先研究了PCA方法用于人脸识别的基本原理和整个过程，分析了该方法的优缺点，并在此基础上，引入了二维PCA方法，该方法保留了人脸特征的结构信息，使正确识别率得以提高。由于各种因素的影响，如表情、光照、人脸特征随年龄增长的变化等因素，人脸识别问题不是一个简单的线性分类问题，因此本文引入了核PCA方法，该方法通过特征空间的转换，使分类问题更接近线性分类问题，从而提高了识别率。大量实验结果也证明了这一点。在实际应用中，有时人脸图像是实时输入的，需要对训练样本特征不断更新，因此本文引入增量PCA方法，该方法无需计算协方差，并且能够对依次输入的样本增量计算其主元，通过迭代方法逐步收敛到待求特征向量。小波变换低频子带包含了原图像的主要信息，人脸主要表情特征体现在眼睛和嘴巴等水平特征上;小波变换方法和PCA方法均起到降维作用，但单独使用均具有一定的局限性，因此本文提出将小波变换低频子带系数结合水平边缘细节子带系数作为训练样本与PCA、2DPCA、KPCA、ccipca四种方法相结合进行人脸识别。由于小波变换方法降低了图像维数，并且降低了干扰信息，因此提高了识别率及识别速度。人脸识别通常是一种小样本模式识别，而特征提取方式和分类需要足够多的样本进行训练才能发挥好的分类效果。本文对已有样本进行加权求和生成新的样本，增加训练样本数目从而满足分类算法训练需要，对小样本问题有了一定程度的改善。论文对上述所有方法进行了仿真实验、实验结果分析及性能比较，完成了基于PCA方法进行人脸识别的较为深入的研究。

关键词：人脸识别 PCA KPCA ccipca 小波变换

来源：

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

发育机器人模型研究

发育机器人模型研究

引用

作者：于化龙哈尔滨工程大学

学位级别：硕士

随着机器人学、发展心理学和神经生理学等学科的不断发展,一个新的交叉领域产生了,即发育机器人学。发育机器人模仿人类心理发育,无须面向任务进行编程,将人工智能专家从繁重的体力与脑力劳动中解放了出来,同时具有在线学习等优点,很快... 详细信息

随着机器人学、发展心理学和神经生理学等学科的不断发展,一个新的交叉领域产生了,即发育机器人学。发育机器人模仿人类心理发育,无须面向任务进行编程,将人工智能专家从繁重的体力与脑力劳动中解放了出来,同时具有在线学习等优点,很快便成为了机器人领域的研究热点之一。但是现有的发育机器人模型都存在着一个共同的缺陷,那就是无法有效的处理任务冲突的问题,如何解决这一问题是当务之急。本文首先给出了发育机器人的概念,并综述了发育机器人的国内外研究现状及其特点。进而对发育机器人模型进行了介绍,从传感信息获取与预处理、特征提取、记忆算法以及执行机构等四方面对发育模型做出了详细的分析。在上述分析的基础上,总结出了三种具有代表性的发育模型:ccipca+HDR模型、分层模型与Schema模型,并对各自的优缺点进行了分析。然后,针对现有模型不能解决任务冲突的问题,给出了一个任务驱动的发育模型——TDD(Task-Driven Developmental)模型。着重介绍了TDD模型中所用到的关键技术及算法流程,并与J.Weng的ccipca+HDR模型进行了比较,显示了TDD模型的优势。本文接下来从本能特性、实时性、任务冲突性、多任务性以及扩展性等五方面对TDD模型进行了性能测试,仿真实验与实体实验的结果表明了此模型可以有效地解决任务冲突,并能体现出机器人发育的特性。最后,对未来的工作做出了一些设想。

关键词：发育机器人发育模型任务驱动 ccipca BP网络

来源：

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

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：