陕西省科学技术研究发展计划项目(2010K06-15)
- 作品数：3 被引量：18H指数：1
- 相关作者：蔡骋朱俊平张明李书琴孟繁驰更多>>
- 相关机构：西北农林科技大学更多>>
- 发文基金：陕西省自然科学基金陕西省科学技术研究发展计划项目国家自然科学基金更多>>
- 相关领域：自动化与计算机技术农业科学更多>>
- 基于核范数凸优化的微阵列缺失点重建被引量：1
- 2013年
- 为解决大多数基因微阵列矩阵中含有缺失点的问题,提出了基于矩阵核范数凸优化(Nuclear Norm Optimization)的微阵列缺失点的重建方法。该方法利用了微阵列矩阵中的冗余信息,使用矩阵填充(Matrix Completion,MC)来重建缺失点,实现了矩阵的核范数凸优化。实验结果表明,矩阵填充在某些时间序列的微阵列数据集上与K最近邻(KNN)、贝叶斯主成分分析(BPCA)和局部最小二乘法(LLSimpute)相比表现出了较强的竞争力。由矩阵填充得到的矩阵,还可以替代广泛应用的局部最小二乘法中的行均值填充矩阵。矩阵填充和局部最小二乘法结合的方法在所有测试数据集的几乎所有缺失率下都取得了最低的重建错误率。
- 孟繁驰李书琴蔡骋
- 基于压缩感知理论的杂草种子分类识别被引量：17
- 2010年
- 在农业领域,实现自动、准确、稳健的种子分类识别算法是具有重要经济意义的.由于杂草种子的类别很多,大小、形状、纹理等特征变化多样,即使一个类别的种子,不同的特征也会在数量上有所差异.另外,由于种子常常会因潮湿、病菌等因素,产生霉块或病斑即是连续遮挡或噪声的问题,而之前的算法不适合解决此问题.文中通过求解一个复合的欠定线性方程组优化问题来解决杂草种子的连续遮挡问题.文中利用压缩感知理论在机器学习领域的运用,用主成分分析、下抽样、随机取样等方法对种子图像降维,然后就把杂草种子分类问题归结为一个求解待测样本对于整体训练样本的稀疏表示问题.问题的求解通过e^1范式最小化完成.实验结果表明,利用稀疏表示算法进行分类,可以达到很好的识别效果,对于87类的杂草种子,最好的识别率是90.80%.
- 蔡骋张明朱俊平
- 关键词：压缩感知凸优化
- 基于稀疏低秩分解的杂草种子配准
- 2012年
- 针对杂草种子识别在实际应用中的困难,提出了一种适用于杂草种子配准的稀疏低秩分解算法。阐述了稀疏低秩算法的原理和求解方法,原本有等式约束且非凸的问题可以通过求解核范式和l1范式的无约束凸优化问题得到很好的配准结果。为了验证配准工作的重要性,运用k折交叉检验对比配准前后的识别率差异。实验结果表明,基于稀疏低秩分解的配准算法能够提高杂草种子的识别率,为实际中的杂草种子识别提供了可行方案。
- 张明朱俊平蔡骋
- 关键词：图像配准凸优化雅克比矩阵
