检索结果-南通市图书馆

面向高维数据的Takagi-Sugeno模糊系统建模新方法

在线全文

学校读者我要写书评

暂无评论

电子与信息学报 2018年第6期40卷 1404-1411页

作者：林得富王骏蒋亦樟王士同江南大学数字媒体学院无锡214122

对高维数据进行建模是Takagi-Sugeno(T-S)模糊系统建模面临的一个重大挑战。为此,该文提出一种特征选择与组稀疏编码相结合的模糊系统建模新方法 WOMP-GS-FIS。首先,运用一种新型的加权正交匹配追踪算法对原始样本进行特征选择,在此基... 详细信息

对高维数据进行建模是Takagi-Sugeno(T-S)模糊系统建模面临的一个重大挑战。为此,该文提出一种特征选择与组稀疏编码相结合的模糊系统建模新方法 WOMP-GS-FIS。首先,运用一种新型的加权正交匹配追踪算法对原始样本进行特征选择,在此基础上提取出模糊规则前件并产生模糊系统字典;然后,基于组稀疏正则化构造关于后件参数的组稀疏优化问题,在优化问题求解的同时得到重要的模糊规则。实验结果表明,在保证模型泛化性能的前提下,该方法不仅能对所获得的模糊规则结构进行精简还可以进一步减少模糊规则数,进而解决高维数据环境下模糊规则可解释性差的问题。

关键词： T-S模糊系统建模特征选择组稀疏编码精简规则结构模糊规则约减

在线全文

学校读者我要写书评

暂无评论

基于趋势的时间序列分段线性化算法

重庆大学学报（自然科学版） 2019年第3期42卷 92-98页

作者：林意朱志静江南大学数字媒体学院

通过分析时间序列的几何形态特征,研究时间序列向上、向下趋势的几何形态。根据时间序列的变化特征,提出了高、低滤波点和高、低滤波线概念,利用高低滤波线判断时间序列的向上趋势、向下趋势,提出了一种基于时间序列变化趋势的分段线性... 详细信息

通过分析时间序列的几何形态特征,研究时间序列向上、向下趋势的几何形态。根据时间序列的变化特征,提出了高、低滤波点和高、低滤波线概念,利用高低滤波线判断时间序列的向上趋势、向下趋势,提出了一种基于时间序列变化趋势的分段线性化方法。实验结果表明,这样分段线性化便于实现,运行速度快,保持了时间序列的形态特征,有较好的逼近性及线段个数也很少等优点。

关键词：时间序列滤波点滤波线趋势分段线性化

在线全文

学校读者我要写书评

暂无评论

基于数据驱动的标签分布方法的面部表情分析

计算机科学与探索 2019年第7期13卷 1184-1194页

作者：谢磊王士同江南大学数字媒体学院

现有的大多数面部表情识别方法都是假定样本中每个人脸表情对应单一的情绪,而后作为分类问题进行解决。但是在实际情况中,一个人脸表情往往是多种不同基础情绪的混合体。因此,具有相似表情的样本在基础情绪层面存在一定的相关性,这种相... 详细信息

现有的大多数面部表情识别方法都是假定样本中每个人脸表情对应单一的情绪,而后作为分类问题进行解决。但是在实际情况中,一个人脸表情往往是多种不同基础情绪的混合体。因此,具有相似表情的样本在基础情绪层面存在一定的相关性,这种相关性也通常会导致样本的表情标签呈现多样性。也就是说,每个样本的表情状况与潜在的情绪标签分布相关联。为此,提出了一种通过数据进行自适应学习潜在标签分布的方法,不需要任何预先假设的标签分布形式,便可得到每个表情与其相应的多个情绪的关联情况。该方法可得到每个表情所包含情绪的特定描述度以及表情图像到情绪分布的映射。实验结果表明,该方法在表情识别上具有较高准确率,且能够有效地解决人脸表情的分析问题。

关键词：面部识别标签分布子空间学习描述度

基于光照预处理与特征提取的纺织品瑕疵检测方法

在线全文

学校读者我要写书评

暂无评论

智能系统学报 2019年第4期14卷 716-724页

作者：狄岚赵树志何锐波江南大学数字媒体学院

针对光照对纺织品图像特征提取的影响以及传统完整局部二值模式(complete local binary pattern)算法的局限性,本文提出了一种基于局部对比度增强(local contrast enhancement)算法的改进CLBP特征提取方法并将其应用到纺织品瑕疵检测中... 详细信息

针对光照对纺织品图像特征提取的影响以及传统完整局部二值模式(complete local binary pattern)算法的局限性,本文提出了一种基于局部对比度增强(local contrast enhancement)算法的改进CLBP特征提取方法并将其应用到纺织品瑕疵检测中。该方法采用局部对比度增强算法对受光照影响的纺织品图像进行预处理,使用改进CLBP算法对分块后(格分割)图像进行特征提取,计算每一格子特征值与标准特征值的KLD散度并与训练得到的阈值进行比较,大于阈值格子标记为瑕疵。使用本文方法在标准星形(star)数据库与箱形(box)数据库中实验结果表明,该方法与其他预处理方法相比有更加出色的处理效果,大部分检测结果的查全率均可达到0.99左右。

关键词：光照预处理局部对比度增强完整局部二值模式格分割 KLD散度特征提取纺织品瑕疵检测

面向自闭症辅助诊断的无监督模糊特征学习新方法

在线全文

学校读者我要写书评

暂无评论

智能系统学报 2019年第5期14卷 882-888页

作者：张英王骏鲍国强张春香王士同江南大学数字媒体学院

自闭症患者的行为和认知缺陷与潜在的脑功能异常有关。对于静息态功能磁振图像(functional magneticresonance imaging,fMRI)高维特征,传统的线性特征提取方法不能充分提取其中的有效信息用于分类。为此,本文面向fMRI数据提出一种新型... 详细信息

自闭症患者的行为和认知缺陷与潜在的脑功能异常有关。对于静息态功能磁振图像(functional magneticresonance imaging,fMRI)高维特征,传统的线性特征提取方法不能充分提取其中的有效信息用于分类。为此,本文面向fMRI数据提出一种新型的无监督模糊特征映射方法,并将其与多视角支持向量机相结合,构建分类模型应用于自闭症的计算机辅助诊断。该方法首先采用多输出TSK模糊系统的规则前件学习方法,将原始特征数据映射到线性可分的高维空间;然后引入流形正则化学习框架,提出新型的无监督模糊特征学习方法,从而得到原输出特征向量的非线性低维嵌入表示;最后使用多视角SVM算法进行分类。实验结果表明:本文方法能够有效提取静息态fMRI数据中的重要特征,在保证模型具有优越且稳定的分类性能的前提下,还可以提高模型的可解释性。

关键词：自闭症功能磁共振成像功能连接皮尔森相关性特征选择无监督模糊特征映射流形正则化框架支持向量机

在线全文

学校读者我要写书评

暂无评论

图正则化稀疏判别非负矩阵分解

智能系统学报 2019年第6期14卷 1217-1224页

作者：徐慧敏陈秀宏江南大学数字媒体学院

非负矩阵分解是一种流行的数据表示方法,利用图正则化约束能有效地揭示数据之间的局部流形结构。为了更好地提取图像特征,给出了一种基于图正则化的稀疏判别非负矩阵分解算法(graph regularization sparse discriminant non-negative ma... 详细信息

非负矩阵分解是一种流行的数据表示方法,利用图正则化约束能有效地揭示数据之间的局部流形结构。为了更好地提取图像特征,给出了一种基于图正则化的稀疏判别非负矩阵分解算法(graph regularization sparse discriminant non-negative matrix factorization,GSDNMF-L2,1)。利用同类样本之间的稀疏线性表示来构建对应的图及权矩阵;以L2,1范数进行稀疏性约束;以最大间距准则为优化目标函数,利用数据集的标签信息来保持数据样本之间的流形结构和特征的判别性,并给出了算法的迭代更新规则。在若干图像数据集上的实验表明,GSDNMF-L2,1在特征提取方面的分类精度优于各对比算法。

关键词：非负矩阵分解特征提取降维流形学习最大间距准则判别信息稀疏约束线性表示

在线全文

学校读者我要写书评

暂无评论

联合外形响应的深度目标追踪器

智能系统学报 2019年第4期14卷 725-732页

作者：孙海宇陈秀宏肖汉雄江南大学数字媒体学院

针对追踪器使用卷积网络提取出来的特征模板进行目标位置匹配时,易产生响应噪声的问题,本文提出一种联合外形响应和卷积响应的深度目标追踪方法。在当前帧中,由前一帧提供的目标信息先分别提取卷积特征和外形信息,然后获得相应的卷积位... 详细信息

针对追踪器使用卷积网络提取出来的特征模板进行目标位置匹配时,易产生响应噪声的问题,本文提出一种联合外形响应和卷积响应的深度目标追踪方法。在当前帧中,由前一帧提供的目标信息先分别提取卷积特征和外形信息,然后获得相应的卷积位置响应和外形位置响应;最后利用外形位置响应对卷积位置响应进行修正,从而有效地抑制响应噪声。实验表明:这种方法具有较高的位置精度,能够提高目标跟踪的准确性。

关键词：目标追踪神经网络卷积特征相关滤波位置响应外形信息噪声抑制修正深度学习

在线全文

学校读者我要写书评

暂无评论

原信息与映射信息组合的多核学习降维方法

计算机科学与探索 2019年第2期13卷 310-321页

作者：李旭王士同江南大学数字媒体学院

对于一些降维算法来说,数据的流形结构会对其降维效果造成很大影响。针对已有的多核学习降维算法没有考虑到保持数据流形结构这一问题,在其基础上提出了一种新的多核学习降维方法。其实质是由于数据通过映射函数投影到高维空间,在这个... 详细信息

对于一些降维算法来说,数据的流形结构会对其降维效果造成很大影响。针对已有的多核学习降维算法没有考虑到保持数据流形结构这一问题,在其基础上提出了一种新的多核学习降维方法。其实质是由于数据通过映射函数投影到高维空间,在这个过程中可能会造成数据流形结构的扭曲,为了保持原数据的流形结构,从原数据中选择全部或局部信息与映射空间信息进行组合,从而使得在高维投影空间中能够较好地保存原数据的流形结构,减小因数据在映射空间中产生扭曲而对降维结果造成的影响。原信息与特征信息组合的方法最终将表示为核之间的耦合,并可以通过原多核学习框架的优化方法进行优化得到其核权重系数。实验证明,通过使用新方法,使用少量的特征也能够达到不错的效果,同时在时间效率上较原多核学习框架的方法也有所提高。

关键词：流形学习核方法多核学习原信息映射空间

在线全文

学校读者我要写书评

暂无评论

具有抗噪性能适用高维数据的增量式聚类算法

计算机科学与探索 2019年第9期13卷 1553-1566页

作者：邵俊健王士同江南大学数字媒体学院

针对含有噪声的高维数据的聚类问题,提出一种使用新的距离度量方式的增量式聚类算法ANFCM(c+p)。由于传统的模糊C均值聚类算法对初始化聚类中心比较敏感,所提出的聚类算法将单程FCM的增量机制(称为SpFCM)与FCPM中使用的初始化聚类中心... 详细信息

针对含有噪声的高维数据的聚类问题,提出一种使用新的距离度量方式的增量式聚类算法ANFCM(c+p)。由于传统的模糊C均值聚类算法对初始化聚类中心比较敏感,所提出的聚类算法将单程FCM的增量机制(称为SpFCM)与FCPM中使用的初始化聚类中心的策略相结合,即将先前数据块的聚类中心附近的几个样本点添加到下一个数据块进行聚类,以避免FCM对噪声的敏感性。此外,所提出的聚类算法使用一种新的改进后的距离度量的同时,使用修正后的约束条件和目标函数。通过以上改进,可以有效区分已知类和未知类在算法中的不同影响程度,并加强类之间的相互影响程度。实验结果表明,该算法对高维噪声数据具有很好的聚类效果和鲁棒性。

关键词：高斯噪声增量式聚类算法距离度量高维数据 FCPM算法