浙江省自然科学基金(LQ12F03011)
- 作品数：6 被引量：11H指数：2
- 相关作者：王万良郑建炜蒋一波邱虹黄琼芳更多>>
- 相关机构：浙江工业大学更多>>
- 发文基金：浙江省自然科学基金国家自然科学基金国家科技支撑计划更多>>
- 相关领域：自动化与计算机技术更多>>
- 增量式正交局部判别投影法
- 2013年
- 针对现有投影分析算法随着输入数据量的增加计算复杂度急剧增长这一问题,通过子块优化策略构建了目标投影模型,称之为增量的局部判别投影(ILDP)算法。算法兼顾样本的类间离散度和类内紧凑性,求得的投影矩阵还具有正交性;通过子块叠加和奇异值升级算法对模型的求解进行了增量式扩展,计算过程中并无出现矩阵逆操作,即规避了小样本问题。在COIL图像库、USPS手写字体库和ExYaleB人脸库中的实验表明,对比经典的ILDA、LSDA、MMP等降维算法,ILDP具有更高的识别率,尤其在USPS数据库中,ILDP的识别率接近于90%,而其它的算法识别率都低于85%。与此同时,ILDP的计算量也明显少于对比算法,在USPS数据库中仅需要少于0.5s的时间即可完成最优投影矩阵计算。
- 郑建炜王万良蒋一波
- 关键词：增量式学习奇异值分解
- 基于点到弦距离累加的快速角点检测被引量：2
- 2014年
- 提出了一种鲁棒的快速角点检测算法,以解决现有基于点到弦距离累加的角点检测算法存在的缺陷,即角点定位低、算法时间复杂度高等问题。该算法结合了‘单尺度’和‘多尺度’的优势,首先在‘单尺度’下获取候选角点集合,保留了邻近角点,并使得后续计算量大大降低,然后在‘多尺度’下计算候选角点的特征值,使之有效地去除伪角点。实验表明,所提算法的时间复杂度降低了,并且保持了算法的鲁棒性,角点定位精度也得到了提升。
- 金亦挺王万良赵燕伟蒋一波
- 关键词：角点检测时间复杂度
- 判别随机近邻嵌入分析方法被引量：3
- 2012年
- 针对随机近邻嵌入算法的非线性本质和无监督学习特征,提出一种线性有监督的特征提取方法,称为判别随机近邻嵌入分析.该方法通过输入样本的类别信息构建数据分布的联合概率表达式,用于反映同类和异类数据间的相似度;同时引入线性投影矩阵生成子空间数据,并在类内KL散度最小和类间KL散度最大的准则下建立目标泛函.通过人工合成数据和经典人脸库对文中方法的性能进行验证,结果表明,该方法不仅具有较好的可视化能力,而且能够有效地对不同类别的数据进行降维分簇,提升后续模式分类器的鉴别效果.
- 郑建炜邱虹蒋一波王万良
- 关键词：有监督学习数据可视化
- 核判别随机近邻嵌入分析方法被引量：5
- 2014年
- 为了有效地解决非线性特征提取中存在的鉴别效率和样本外问题,最大限度地保持观测信息,并进一步提高相关方法的降维性能,将核学习的方法应用到判别随机近邻嵌入分析方法中,提出一种核判别随机近邻嵌入分析方法.通过引入核函数,将原空间中的样本映射到高维核空间中,构建了用于反映同类和异类数据间相似度的联合概率表达式;在此基础上,引入线性投影矩阵生成对应子空间数据;最后在类内Kullback-Leiber(KL)散度最小和类间KL散度最大的准则下建立目标泛函.该方法突出了异类样本间的特征差异,使样本变得线性可分,从而提高了分类性能.在COIL-20图像库和ORL,Yale经典人脸库上进行实验,验证了文中方法的分类鉴别能力.
- 王万良邱虹黄琼芳郑建炜
- 关键词：数据可视化非线性特征提取
- 一种基于QR分解的增量式核判别分析法被引量：1
- 2014年
- 针对非线性系统在线学习的效率问题,提出了一种基于QR分解的增量式核判别分析法。该算法充分利用基于QR分解的核判别分析法的先降维后提取特征的思想,将核空间映射到低维空间进行计算,减少了构造核矩阵的计算量,降低了核矩阵的存储空间。同时引入增量计算的思想,有效地解决了在线学习中冗余计算的问题。在TE过程数据和ORL人脸库上的仿真实验证明了该算法在特征提取上的有效性,其相比批量式算法有更高的效率优势。
- 王万良陈宇邱虹郑建炜
- 关键词：非线性系统QR分解特征降维
- 基于零空间分析的张量局部Fisher判别方法
- 2013年
- 结合局部Fisher判别、张量子空间学习和零空间分析等技术的优点,提出了一种基于零空间分析的张量局部Fisher判别算法,其特点包括:i)引入类间判别信息,对局部Fisher判别技术进行调整,提升了算法识别性能并且降低了计算时间复杂度;ii)通过张量型降维思想对输入样本进行双边投影变换而非单边投影,获得了更高的信息压缩率;iii)随着训练样本量的变化,可采用基于零空间分析的求解方法和传统的直接迭代更新计算方法。通过ORL、Yale和ExYaleB 3个人脸数据库验证了所提算法的性能。
- 郑建炜蒋一波王万良
- 关键词：FISHER判别分析零空间局部保持投影
