国家自然科学基金(60605004)
- 作品数：2 被引量：14H指数：2
- 相关作者：卢汉清刘扬李宏伟方亦凯程健更多>>
- 相关机构：中国科学院自动化研究所更多>>
- 发文基金：国家自然科学基金国家高技术研究发展计划北京市自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于尺度传播的多尺度变化检测新方法
- 高分辨率遥感图像的变化检测存在四个难点:类间可分性低、对配准误差和视角变化鲁棒性差、计算量大以及'变化'具有歧义性,本文针对这些问题提出了一种基于尺度传播的多尺度变化检测新方法。利用尺度传播,该方法进行由粗到精、逐层加细...
- 霍春雷程健周志鑫卢汉清
- 关键词：变化检测遥感图像
- 文献传递
- 基于快速尺度空间特征检测的手势识别方法被引量：6
- 2009年
- 在基于几何模型的手势识别方法中,尺度空间特征检测是一种最常用的方法。由于传统方法涉及大量的高斯卷积运算,计算非常复杂。提出了一种快速的尺度空间特征检测方法,采用一组简单的矩形特征模板近似传统方法中复杂的高斯导数卷积模板,得到了尺度空间几何特征的快速检测子。通过对手势图像中B lob和R idge结构的检测,得到手掌和手指结构的描述,进而完成手势识别。矩形特征模板的卷积可以用积分图进行快速计算,该方法使特征检测的速度得到了很大提高。在标准数据集和自然环境图像数据上的实验结果表明,该方法在保证识别准确率的同时,有效地提高了手势识别的实时性。
- 方亦凯程健汪孔桥卢汉清
- 关键词：手势识别积分图
- 结合半监督核的高斯过程分类被引量：8
- 2009年
- 提出了一种半监督算法用于学习高斯过程分类器,其通过结合非参数的半监督核向分类器提供未标记数据信息.该算法主要包括以下几个方面:1)通过图拉普拉斯的谱分解获得核矩阵,其联合了标记数据和未标记数据信息;2)采用凸最优化方法学习核矩阵特征向量的最优权值,构建非参数的半监督核;3)把半监督核整合到高斯过程模型中,构建所提出的半监督学习算法.该算法的主要特点是:把基于整个数据集的非参数半监督核应用于高斯过程模型,该模型有着明确的概率描述,可以方便地对数据之间的不确定性进行建模,并能够解决复杂的推论问题.通过实验结果表明,该算法与其他方法相比具有更高的可靠性.
- 李宏伟刘扬卢汉清方亦凯
- 关键词：高斯过程半监督学习核方法
