公共文化服务平台

国家自然科学基金(61170126): 作品数：38 被引量：170H指数：6; 相关作者：詹永照文传军柯佳汪庆淼张建明更多>>; 相关机构：江苏大学常州工学院苏州大学更多>>; 发文基金：国家自然科学基金江苏省自然科学基金江苏省普通高校研究生科研创新计划项目更多>>; 相关领域：自动化与计算机技术电子电信更多>>

动态层次式接入控制方法的研究: 2012年; 针对分布式虚拟环境中,协作对象对数据报文的传送有着不同服务要求,本文提出了一种基于协作层次的动态层次式接入控制方法。该方法将协作层次和带宽预分配结合,协作用户在加入系统时,系统将用户订购的服务质量和系统即时网络情况进行比较,从而允许或挂起。实验结果表明这种动态层次式接入控制方法能减少无效报文的转发,缓解路由器上的报文处理负荷,并且能提高系统总的网络服务效率。; 周琦施化吉陈继明倪丹; 关键词：分布式虚拟环境服务质量

均衡模糊C均值聚类算法被引量：13: 2014年; 模糊C均值聚类算法没有考虑各类样本容量因素,当各类样本容量差异较大时,其聚类判决将向小样本类倾斜。提出一种新的聚类算法——均衡模糊C均值聚类,对模糊C均值聚类算法最小化目标函数进行修正,使得改进的目标函数包含了样本容量因素,利用粒子群算法并以样本模糊隶属度为编码对象求解参数优解。从理论上分析了该算法的性质,通过仿真实验验证了所提算法对平衡、不平衡数据集的有效性。; 文传军汪庆淼詹永照; 关键词：模糊C均值聚类均衡化粒子群

基于超图模型的复杂视频事件检测被引量：2: 2012年; 近年来,语义事件分析越来越受到重视,典型语义事件的检测与识别是一个具有挑战性的研究领域。提出了基于超图模型的复杂视频事件检测方法,通过分析对象的运动轨迹,检测出视频中的所有子事件并构建时序关系图及依赖关系图,从而生成子事件超图,并通过谱超图聚类分析来检测相应的复杂事件。采用图变换工具AGG进行模拟实验,其实验结果表明,该方法具有较高的准确率与召回率。; 柯佳詹永照陈潇君汪满容; 关键词：视频语义超图模型

深度学习的研究与发展被引量：63: 2015年; 针对以往浅层学习对特征表达能力不足和特征维度过多导致的维数灾难等现象,深度学习通过所特有的层次结构和其能够从低等级特征中提取高等级特征很好地解决了这些问题,并给人工智能带来了新的希望.首先介绍了深度学习的发展历程,并介绍了基于restricted boltzmann machines(RBM)、auto encoder(AE)和convolutional neural networks(CNN)的deep belief networks(DBN)、deep boltzmann machine(DBM)和stacked auto encoders(SAE)等深度模型.其次,对近几年深度学习在语音识别、计算机视觉、自然语言处理以及信息检索等方面的应用的介绍,说明了深度学习结构在相比较于其他结构的优越性和在不同任务上更好的适应性.最后通过对现有的深度学习在在线学习能力、大数据上和深度结构模型的改进上的思考和总结,展望了今后深度学习的发展方向.; 张建明詹智财成科扬詹永照; 关键词：人工智能

广义最大间隔球形支持向量机被引量：1: 2012年; 针对多类分类问题,提出一种超球支持向量机算法——广义最大间隔球形支持向量机,该算法利用两同心超球将正负类样本分隔开来,最大化两超球半径的差异,从而挖掘正负类样本的鉴别信息,同时对超球类支持向量机算法判决规则进行改进,引入模糊隶属度补充判决,弥补二类分类器投票决策的缺陷。理论分析了算法的相关性质,通过仿真实验验证了该算法的有效性。; 文传军柯佳; 关键词：支持向量机支持向量数据描述

基于人工免疫有序聚类的视频关键帧提取方法被引量：10: 2012年; 针对现有的基于无监督聚类的视频关键帧提取方法没有考虑镜头内容的时序性、对初始类的划分较敏感、易陷入局部最优等问题,提出了一种新的基于人工免疫的有序样本聚类算法.在传统人工免疫聚类算法的基础上引入了抗原记忆识别机制及改进了抗体的克隆与超变异机制,并在此基础上给出了基于人工免疫有序聚类的视频关键帧提取方法.该方法将镜头帧序列看成一个入侵机体的抗原序列,然后基于首次应答与再次应答机制依次为每个抗原产生记忆细胞池,最终每个记忆细胞池能识别的邻近抗原对应一个类别并选取距其类中心最近的帧为关键帧.对大量不同类型的视频进行了试验.结果表明,该方法能得到较高的保真度和压缩率,能够十分有效地提取出反映镜头内容变化的关键帧.; 詹永照汪满容柯佳; 关键词：关键帧提取人工免疫视频摘要视频检索

基于分块和NSCT-SVD的彩色图像数字水印算法被引量：6: 2017年; 针对目前彩色图像数字水印算法水印容量较小、水印攻击强度较大时鲁棒性弱的问题,提出了一种基于分块和NSCT-SVD的彩色数字水印算法.将彩色载体图像分解成R,G,B共3个通道,同时将每个通道分解成4个非重叠块,分别对这些非重叠块进行NSCT处理,可得到各非重叠块对应的低频子带信息,并对低频子带信息进行奇异值分解.同时将彩色水印图像的R,G,B通道信息进行奇异值分解,考虑水印鲁棒性和隐蔽性均能较好权衡的原则,优选水印嵌入因子,将水印图像R,G,B通道信息的奇异值加入到原图像各块的低频子带信息的奇异值中,实现彩色图像数字水印嵌入.试验结果表明:该算法嵌入水印的图像保真度较高、水印的隐蔽性较好,同时对包括噪声、滤波、图像剪切、JPEG压缩、旋转等攻击均具有较强的鲁棒性,尤其提高了攻击强度较大时水印的鲁棒性.; 张倩倩詹永照林涵阳; 关键词：彩色图像数字水印 NSCT SVD 鲁棒性

广义均衡模糊C均值聚类算法被引量：11: 2012年; 模糊C均值聚类(FCM)算法是一种快速有效的聚类算法,但它没有考虑各类样本容量的差异,其最小化代价函数会导致聚类判决有利于少样本类.提出一种新的聚类算法——广义均衡模糊C均值聚类,通过对模糊C均值聚类最小化代价函数的改进,使得样本容量在聚类代价函数中发挥效用,从而弱化了样本容量差异对聚类判决的干扰.讨论分析了该算法的性质,模糊隶属度的推导突破了FCM解析解的约束.通过仿真实验,验证了所提出算法的有效性.; 文传军詹永照柯佳; 关键词：聚类模糊C均值聚类

Speech emotion recognition with unsupervised feature learning被引量：1: 2015年; Emotion-based features are critical for achieving high performance in a speech emotion recognition(SER) system. In general, it is difficult to develop these features due to the ambiguity of the ground-truth. In this paper, we apply several unsupervised feature learning algorithms(including K-means clustering, the sparse auto-encoder, and sparse restricted Boltzmann machines), which have promise for learning task-related features by using unlabeled data, to speech emotion recognition. We then evaluate the performance of the proposed approach and present a detailed analysis of the effect of two important factors in the model setup, the content window size and the number of hidden layer nodes. Experimental results show that larger content windows and more hidden nodes contribute to higher performance. We also show that the two-layer network cannot explicitly improve performance compared to a single-layer network.; Zheng-wei HUANGWen-tao XUEQi-rong MAO

基于样本模糊隶属度归n化约束的松弛模糊C均值聚类算法被引量：6: 2017年; 模糊C均值聚类算法(FCM)由于样本模糊隶属度归一性的约束,导致FCM算法对噪声数据敏感。提出松弛模糊C均值聚类算法(RFCM),RFCM算法在可能性C均值聚类算法(PCM)目标函数的基础上,放弃了FCM算法单个样本模糊隶属度归一化约束,转为n个样本模糊隶属度之和为n的约束;并利用粒子群算法对样本模糊隶属度进行优化估计,使得模糊指标可拓展为m>0的情况,同时采用梯度法得到RFCM算法聚类中心迭代公式。RFCM理论分析了算法对噪声数据抗噪的原理,解释了RFCM算法模糊指标m>0的合理性,讨论了RFCM算法的收敛性。基于Gauss数据集和UCI数据集的仿真测试验证了所提出算法的有效性。; 文传军詹永照; 关键词：模糊聚类粒子群算法噪声数据

国家自然科学基金(61170126)

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

国家自然科学基金(61170126)

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈