公共文化服务平台

共 8 条记录，以下是 1-8

全选清除导出

排序方式：

基于子模式的判别型半监督非线性降维技术: 非线性维数减少方法是处理高维图像数据的关键技术,已成为处理高维数据研究的热点问题.本文讨论了基于判别型半监督非线性维数减少(DSSND问题,样本的类内和类间散度判别信息用于判断当前样本对属于相同类别还是不同类别,DSSN...; 张召业宁; 关键词：半监督学习子模式非线性降维

子模式判别型半监督非线性维数减少算法被引量：1: 2009年; 维数减少是在损失较少特征信息的条件下处理高维图像数据的关键技术,已成为高维数据处理中的热点问题.样本的类内和类间散度判别信息被用于判断当前样本对属于相同类还是不同类,同时考虑未标签样本对算法性能的影响,提出了一种判别型半监督非线性维数减少算法(discriminativesemi-supervised nonlinear dimensionality reduction,DSSNDR),可有效避免奇异性.DSSNDR采用高斯核和多项式核组合得到的混合核,将原始数据以一系列"有用的"特征形式投影到一个较低维的嵌入空间,便于分类,同时能够保持已标签和未标签样本的内部特征,可有效执行半监督学习.引入样本数据的子模式,将DSSNDR推广到子模式特征空间下的非线性方法,简称Sp-DSSNDR,进一步增强了DSSNDR的学习能力,提高分类精度.多个典型数据集上的分类和可视化实验表明,不同类的样本数据的投影在DSSNDR和Sp-DSSNDR构造的特征空间中存在较少的混叠现象,具有更好的可分离性.当维数被减少到较低水平时,本文算法几乎总是取得最好的结果,甚至超过了经典的主成分分析(PCA),核主成分分析(KPCA)和核Fisher判别分析(KFD)算法.; 张召业宁杜辉沈丽容张贤涛; 关键词：半监督学习子模式特征子空间

基于纹理提取和SVM技术的自动木材缺陷识别被引量：12: 2009年; 支持向量机(SVM)是一种新的模式识别方法,有较好的泛化能力和推广能力。研究了基于纹理提取和支持向量机的自动木材表面缺陷的识别问题,借助LBP纹理特征提取技术实现对木材图像数据降维处理,并研究了木材表面不同类型缺陷的分布规律。利用支持向量机分类算法对木材表面有无缺陷进行了快速准确的自动识别,实现了木材表面缺陷的自动定位。多次交叉实验表明,SVM分类算法对木材表面缺陷具有较好的识别能力,识别率可达96%以上。; 张召业宁业巧林; 关键词：支持向量机木材缺陷

基于配对约束的核半监督非线性降维算法: 降维是在损失较少信息的情况下处理高维图像数据的关键技术，是高维数据预处理的重要步骤。本文研究了基于配对约束和混合核函数的半监督非线性降维方法KS2DR,该方法可有效利用标签和未标签的样本执行半监督学习·基于配对约束形式的...; 张召业宁业巧林; 关键词：半监督学习; 文献传递

基于嵌入空间的降维算法建模研究及应用: 本文以机器学习理论为基础,通过引入局部性、配对约束、半监督学习和核映射等思想方法,研究了基于嵌入空间的降维问题。主要工作如下：1、通过引入半监督学习的思想,提出了一种判别型半监督非线性降维算法DSSNDR,是一个标准的特...; 张召; 关键词：降维半监督学习; 文献传递

基于2D Gabor小波和HSV空间的木材缺陷检测被引量：3: 2010年; 提出了一种有效的木材缺陷自动检测方法,试图赋予计算机从木材图像数据中自动辨别出缺陷的能力,主要分析了木材缺陷的形态、走向和分布规律.首先将要识别的木材图像变换到HSV色彩空间,分别对H,S和V层进行区域分割和Gabor小波变换,得到各个子图像块的局部区域的基于不同频率和方向的特征向量,用于描述高维的木材图像.接着将提取出的纹理特征归一化后送入SVM分类器,检测过程采用二次循环搜索方式,利用特征向量间的相似度进行缺陷的定位和识别.模拟实验结果表明,该方法可有效识别出缺陷区域,识别效果较好.; 吴思远张召邹洋; 关键词：GABOR小波变换支持向量机

局部保持多投影向量Fisher判别分析算法被引量：2: 2010年; 特征选择是在损失较少信息的情况下处理高维图像数据的关键技术,是高维数据预处理的重要步骤.通过引入Fisher判别分析(Fisher Discriminant Analysis,FDA)和典型相关分析(Canonical Correlation Analysis,CCA)的思想,采用以样本的类标号形式给出的先验信息,考虑样本数据的局部性,提出了一种监督的基于Fisher判别信息的局部保持多投影向量分析方法(Locality Preserving Multi-projection Vector Fisher Discriminant Analysis,LPMVF).通过定义新准则,LPMVF具有以下优点:(1)便于计算,可有效避免奇异性;(2)借助标准核映射,可快速将LPMVF推广到非线性的特征空间;(3)与CCA算法类似,LPMVF最终得到一对投影变换,可有效嵌入样本数据,可将原始数据投影成一系列"有用的"特征形式,并使数据的投影在嵌入空间中更具可分离性;(4)与局部化的Fisher判别分析(Local Fisher Discriminant Analysis,简称LFDA)相比,LPMVF也能够有效保持数据样本间的局部近邻关系;(5)在大多数情况下,该文算法的学习能力甚至优于经典的FDA、KFD和LFDA算法.在几个标准数据集上的实验结果表明,LPMVF及其非线性的推广算法能够提取出描述能力更强的特征信息,可有效利用类标号监督信息提高分类性能.; 张召业宁业巧林

基于配对约束的核半监督非线性降维算法: 降维是在损失较少信息的情况下处理高维图像数据的关键技术,是高维数据预处理的重要步骤。本文研究了基于配对约束和混合核函数的半监督非线性降维方法KSDR该方法可有效利用标签和未标签的样本执行半监督学习。基于配对约束形式的领域...; 张召业宁业巧林; 关键词：半监督学习; 文献传递

全选清除导出

共1页<1>

张召