彭宏京
- 作品数：37 被引量：133H指数：6
- 供职机构：南京工业大学更多>>
- 发文基金：国家自然科学基金江苏省自然科学基金教育部“新世纪优秀人才支持计划”更多>>
- 相关领域：自动化与计算机技术更多>>
- 人脸识别的Boosting N-Tuple网络方法
- 2005年
- 传统的N-tuple型网络是通过对输入样本进行二值化后作N元采样形成K个RAM神经元来构成。本文为了处理实值输入的需要,将稀疏RAM神经元替换RAM神经元从而获得该类网络的一个改进版本。另一方面,基于K和N值由经验确定以致于难以控制网络规模的事实,将Boosting方法应用于改进的N-tuple网络。其结果是:1、所构造的若干基本分类器使用不同的训练集,同一个样本提交给不同基本分类器的特征也不同;2、Boosting方法可以直接应用于高维数据;3、Boosting的提升性能几乎与网络规模无关;4、应用于人脸识别时无需显式地进行人脸特征的提取和选择。
- 彭宏京陈松灿
- 关键词：人脸识别
- 基于0-1模型的茶叶验真方法
- 本发明公开了一种基于0‑1模型的茶叶验真方法，其中0‑1模型是一个二分类模型，其中正样本是待验证的目标茶叶类型本身，标签为1；负样本是其余茶叶类型，标签为0。之后利用迁移学习的思想微调Incepton_V3得到专属于目标...
- 彭宏京朱晨鹏吴广
- 基于稀疏RAM的神经网络及其人脸识别应用研究
- 基于存储器的神经网络模型(如N-tuple神经网络(NTNN)、稀疏分布存储器模型(SDM)等),因其结构简单,硬件易实现;查表式的学习算法,运行速度快,因此受到众多研究者的关注.在许多领域获得了成功应用,也是神经网络走...
- 彭宏京
- 关键词：小脑模型关节控制器学习收敛性人脸识别
- 一种改进的基于样例的图像修复方法被引量：3
- 2010年
- 以基于样例修补的目标移除方法为基础,改进了基于样本块的图像修补方法。在自然图像上通过傅里叶变换,发现许多自然图像具有方向性纹理的特征,将搜索空间约束到纹理方向的范围,优化了Criminisi方法优先块的选取,提高了搜索精度;并通过在源图像区使用图像分割的方法实现分区,使搜索目标块仅在其相邻的源区域内搜索,进一步缩小样本图搜索范围,增强搜索的准确性。在自然图像上进行的实验结果表明:改进的方法不仅显著提高了图像修补的时间,且有效地维持了图像的线性结构,取得了良好的修补效果。
- 姚建亮彭宏京花樱
- 关键词：图像修补图像分割
- 基于一种网络结构的块稀疏字典学习被引量：1
- 2016年
- 以过完备字典为基础,信号可以被描述为原子的稀疏线性组合。在以往的字典学习方法中,大都是以单个原子为单位进行字典学习。利用稀疏子空间聚类的方法将字典中具有相同稀疏表达形式的原子归类为一组,形成具有块结构的字典,然后对训练信号稀疏编码,最后结合梯度下降的方法对字典进行更新。实验结果表明,该方法在相同迭代次数下的优化收敛速度较快,而且对信号的重构误差率优于传统方法。另外,所构造一种对称网络结构的字典学习流程框架,不同于一次性用全部训练数据进行训练的方法,该学习流程每处理一组信号,字典进行一次更新,实现了对字典的分步更新。
- 倪一宁彭宏京
- 关键词：梯度下降
- 基于核空间LLE的彩色图像分割方法被引量：2
- 2013年
- 拉普拉斯特征映射近年来被成功地运用到基于聚类的彩色图像分割中,其构成图的结点间权重用高斯函数计算,很难真实反映像素局部几何结构,导致复杂图像边界分割困难。基于此,提出一种基于核空间局部线性嵌入的图像分割方法,其首先利用单个像素间的八邻域关系来构造图,然后将局部线性嵌入算法进行核化,从而实现在高维空间中利用相关拉普拉斯矩阵描述像素间相似度并生成特征向量子空间的过程,最后,利用模糊C均值聚类算法对特征向量进行聚类从而为单个像素分配类标签,最终达到了彩色图像分割的目的。实验结果表明,新方法较拉普拉斯特征映射方法的图像分割效果更显著。
- 刘越彭宏京钱素静
- 关键词：模糊C均值局部线性嵌入核空间彩色图像分割
- 关于一般存储器神经网络的学习收敛性研究
- 2004年
- 本文在一类称为一般存储器神经网络(General Memory Neural Network(GMNN))的统一框架下来研究学习收敛性。该一般模型类的结构由三部分组成:输入空间量化、存储器地址产生器、查表或某种组合输出。当产生的地址是固定有限的个数以及网络输出是线性求和时,可以证明GMNN能在最小平方误差意义下收敛。CMAC(Cerebellar Model Articulation Controller)、SLLUP(Single-Layer Lookup Perceptrons)是该类模型的典型代表。本文的意义在于为构造新的基于局部学习的神经网络模型提供理论指导,最后给出了这种构造的两个例子——SDM(Sparse Distributed Memory)和SLLUP的两个推广模型。
- 彭宏京陈松灿
- 关键词：学习收敛性网络结构
- 基于特征融合的核量化图像分类方法
- 2014年
- 局部特征和全局特征是图像的两种重要的特征描述,在图像分类时起着至关重要的作用。据此提出一种通过融合全局与局部特征核量化图像分类方法。首先,分析全局特征及局部特征各自优缺点,并对图像进行特征提取;其次,通过核方法将特征映射到适当的高维空间中,来进行码书的获取与量化,并进行特征的融合以更好地对图像进行描述;最后,采用基于直方图交叉核的支持向量机对获取的量化特征进行分类。通过实验证明了所提出的方法的可行性。
- 刘越彭宏京田王君
- 关键词：支持向量机图像分类
- 一种基于局部学习的自然图像景物提取方法被引量：9
- 2009年
- 引入一种按邻点对的相似性权值计算次数来归类Laplacian的思想,并从理论上证明了包含多次相似性权值计算的Laplacian构造比只计算一次或两次相似性权值的Laplacian构造更能精细地刻画数据局部几何结构.据此提出了一种新的更能胜任自然图像景物提取任务的Laplacian构造方法.该方法通过任意一对相邻像素在不同局部邻域内建立一个线性学习模型来重构不同的相似性权值.结合用户提供的部分前、背景标记约束,导出求解景物提取的半监督二次优化目标函数.当考虑通过对前、背景抽样来估计未知像素的颜色值时,优化目标可以迭代求解.更有意义的是,该迭代方法可以成功地将原来构造的其他Laplacian推广应用于只提供稀疏指示条带的景物提取问题中.理论分析与实验结果均证实,所构造的Laplacian能够更充分地表达图像像素间的内在结构,能以更精细的方式约束传播前、背景的成分比例而不仅仅是标号,从而获得更优的景物提取效果.
- 彭宏京陈松灿张道强
- 关键词：半监督学习
- 一种基于字典学习的零样本图像分类方法
- 本发明公开了一种基于字典学习的零样本图像分类方法，属于字典学习技术领域。包括获取图像数据集；对图像数据集进行预处理得到训练集和测试集；构建核心字典学习框架，并将训练集输入基于字典学习的网络模型中得到图片图像特征，基于字典...
- 颜金花彭宏京许名扬
- 文献传递
