山西省自然科学基金(2009011017-2)
- 作品数：12 被引量：75H指数：7
- 相关作者：王文剑白雪飞郭虎升张文浩任镤更多>>
- 相关机构：山西大学更多>>
- 发文基金：山西省自然科学基金国家自然科学基金国家教育部博士点基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于区域显著性的活动轮廓分割模型被引量：10
- 2012年
- 提出一种新的活动轮廓分割模型,结合视觉显著性检测机制自动获取待分割图像中目标物体的先验形状信息,并自适应地构造初始轮廓,从而降低了初始轮廓位置对分割算法的影响.同时实现了活动轮廓模型对图像的自适应分割和自动分割,使得分割结果更符合人类视觉感知特性.实验结果表明,该模型有较好的分割效果,迭代次数少,且运行时间短.
- 白雪飞王文剑梁吉业
- 关键词：图像分割视觉显著性活动轮廓模型水平集方法
- 基于虚拟现实技术的山西大学堂建筑复原被引量：11
- 2012年
- 山西大学堂是山西大学的前身,成立于1902年,与京师大学堂(北京大学)、北洋大学堂(天津大学)同为我国近代最早成立的三所公立大学。然而几经变迁,山西大学堂旧址已经不复存在,这不仅是山西大学,而且也是我国近代高等教育历史的一种遗憾。以已经消失的山西大学堂建筑群为研究对象,基于虚拟现实领域相关技术,对山西大学堂三维复原和漫游的实现过程及关键技术开展研究。在此基础上,三维重现了山西大学堂中西式校门、工科大楼、大礼堂、图书馆、学生宿舍等主要建筑,同时实现了山西大学堂校园的虚拟漫游、立体展示等功能。
- 任镤王文剑白雪飞
- 关键词：山西大学堂三维重建虚拟漫游虚拟现实
- 基于粒度偏移因子的支持向量机学习方法被引量：4
- 2013年
- 在实际应用中,数据集样本规模、分布密度的不平衡性可能会使传统支持向量机(support vector machine,SVM)得到的分类超平面不是最优.在对传统支持向量机最优分类面分析的基础上,结合粒度计算(granular computing,GrC)理论,针对数据规模和分布密度不平衡的数据集,提出一种基于粒度偏移因子的粒度支持向量机(granular SVM,GSVM)学习方法,称为S_GSVM方法.该方法将原始样本用Mercer核映射到高维空间,然后在高维空间中对数据进行有效的粒划分,通过对不同的粒计算不同的超平面偏移因子,重新构造支持向量机的凸二次优化问题,以得到一个泛化能力更好的分类超平面.S_GSVM方法充分考虑了数据复杂分布对于泛化能力的影响,对基于最大间隔的分类面进行改进.实验结果表明,S_GSVM方法在非平衡数据集上能得到较好的泛化性能.
- 郭虎升王文剑
- 关键词：支持向量机
- 一种基于关联规则的核粒度支持向量机被引量：5
- 2009年
- 提出一种基于关联规则的核粒度支持向量机(association rules based kernel granular SVM,AR-KGSVM)学习算法。AR-KGSVM首先将输入空间中的样本用核函数映射到高维特征空间,然后在核特征空间挖掘基于距离度量的关联规则以划分粒。算法的粒划分和数据训练都是在高维核空间中进行,避免了一般的粒度支持向量机(granular SVM,GSVM)在低维空间作粒划分而在高维空间中训练,使数据分布不一致而导致泛化能力不高的问题。在标准数据集上的实验结果表明AR-KGSVM的泛化能力优于传统的SVM和GSVM方法。
- 张文浩王文剑
- 关键词：支持向量机关联规则
- 三维视觉测量中圆中心投影误差分析方法被引量：7
- 2010年
- 针对像平面上椭圆的中心不是空间圆中心在像平面上的真正投影中心这一问题,提出了一种圆中心投影误差分析方法。通过建立空间圆平面与像平面之间的映射关系,推导了空间圆中心投影误差的数学模型,并对影响中心投影误差的因素进行了仿真分析。该方法为圆中心的测量误差评估、摄像机网络布局等提供了理论依据,在实际的视觉测量工程中具有一定的应用价值。
- 韩建栋杨红菊
- 关键词：计算机视觉视觉测量
- 基于视觉注意的SVM彩色图像分割方法被引量：7
- 2011年
- 提出一种基于视觉注意的自然场景彩色图像支持向量机(Support Vector Machine,SVM)分割方法。基于人类视觉注意机制将图像进行预分割,得到图像的显著区域和非显著区域,利用形态学操作对得到的图像进行处理,并自动选取和标注SVM的训练样本,用训练后的SVM分类器对整幅图像进行分割。该方法充分利用视觉注意机制方法的有效信息,解决了其边界不确定的缺陷,并且结合具有很好泛化性能的SVM学习方法,在无需先验知识以及任何人工干预的情况下,实现对自然场景图像的分割。为验证算法的有效性,分别从加州大学伯克利分校图像数据库及互联网选取多幅彩色图像进行实验,实验结果表明:该方法的分割结果不仅与人类视觉注意结果相一致,而且与伯克利图像数据库中人工标注结果相比,得到较好分割效果。
- 郭文涛王文剑白雪飞
- 关键词：图像分割支持向量机视觉注意
- 基于训练样本自动选取的SVM彩色图像分割方法被引量：9
- 2012年
- 图像分割是模式识别、图像理解、计算机视觉等领域的重要研究内容。基于支持向量机(Support Vector Ma-chine,SVM)的方法现已广泛应用于图像分割,但其在训练样本的选取上大多是人工选择,这降低了图像分割的自适应性,且影响了SVM的分类性能。提出一种基于训练样本自动选取的SVM彩色图像分割方法,算法首先使用模糊C均值(Fuzzy C-Means,FCM)聚类算法自动获取训练样本,然后分别提取图像颜色特征和纹理特征,将其作为SVM模型训练样本的特征属性进行训练,最后用训练好的分类器对图像进行分割。实验结果表明,提出的方法可取得很好的分割结果。
- 张荣王文剑白雪飞
- 关键词：图像分割支持向量机模糊C均值
- 处理非平衡数据的粒度SVM学习方法被引量：3
- 2011年
- 通过多维关联规则挖掘,将粒度计算(Granular Computing,GrC)和支持向量机(Support Vector Machine,SVM)有效融合,提出一种粒度支持向量机(Granular SVM,GSVM)学习方法,称为AR-GSVM。该方法用于非平衡数据处理时,不仅可以有效降低分类器的复杂性,而且本质上可以进行并行计算以提高学习效率,同时提高分类器的泛化能力。考虑到保持数据在原始空间和特征空间的分布一致性,在AR-GSVM的基础上又提出核空间上的粒度支持向量机学习方法,称为AR-KGSVM,该方法具有更好的泛化性能。通过在UCI数据集上的实验表明:AR-GSVM和AR-KGSVM的泛化能力优于一些常用非平衡数据处理的方法。
- 徐乾王文剑张文浩
- 关键词：支持向量机粒度计算关联规则非平衡数据
- 一种新的支持向量机主动学习策略被引量：11
- 2012年
- 本文提出一种新的支持向量机(support vector machine,SVM)主动学习策略,称为Dix_SVMactive.通过定义新的数据置信度度量来挑选最有价值样本进行人工标注,并在每次迭代中对训练集的平衡度进行调整,以获得更好的泛化能力.在UCI标准数据集上的测试结果表明,与基于随机选样的SVMactive和传统SVMactive(Tong SVMactive)方法相比,本文算法不仅可以提高分类精度,而且能减少人工标注的工作量.
- 白龙飞王文剑郭虎升
- 关键词：支持向量机置信度
