您的位置: 专家智库 > >

舒醒

作品数:4 被引量:12H指数:1
供职机构:浙江大学更多>>
发文基金:浙江省自然科学基金国家自然科学基金更多>>
相关领域:自动化与计算机技术更多>>

文献类型

  • 2篇专利
  • 1篇期刊文章
  • 1篇学位论文

领域

  • 3篇自动化与计算...

主题

  • 2篇样本点
  • 2篇奇异点
  • 2篇内积
  • 2篇核化
  • 2篇MFA
  • 1篇袋模型
  • 1篇样本集
  • 1篇映射
  • 1篇源域
  • 1篇特征映射
  • 1篇图像
  • 1篇图像分类
  • 1篇图像分类算法
  • 1篇迁移
  • 1篇计算机
  • 1篇计算机视觉
  • 1篇分类器
  • 1篇NN
  • 1篇FISHER...

机构

  • 4篇浙江大学

作者

  • 4篇舒醒
  • 3篇于慧敏
  • 3篇郑伟伟
  • 1篇胡浩基
  • 1篇谢奕
  • 1篇唐慧明

传媒

  • 1篇自动化学报

年份

  • 1篇2019
  • 3篇2016
4 条 记 录,以下是 1-4
排序方式:
基于改进的MFA和迁移学习的小样本集的物体分类方法
本发明公开了一种基于改进的MFA(Marginal?Fisher?Analysis)和迁移学习的小样本集(目标域)分类算法。首先,利用一个具有大量标记样本的同构数据集(源域)和内积度量距离的边际Fisher准则将源域和目...
于慧敏舒醒郑伟伟
基于边际Fisher准则和迁移学习的小样本集分类器设计算法被引量:12
2016年
如何利用大量已有的同构标记数据(源域)设计小样本训练数据(目标域)的分类器是一个具有很强应用意义的研究问题.由于不同域的数据特征分布有差异,直接使用源域数据对目标域样本进行分类的效果并不理想.针对上述问题,本文提出了一种基于迁移学习的分类器设计算法.首先,本文利用内积度量的边际Fisher准则对源域进行特征映射,提高源域中类内紧凑性和类间区分性.其次,为了筛选合理的训练样本对,本文提出一种去除边界奇异点的算法来选择源域密集区域样本点,与目标域中的标记样本点组成训练样本对.在核化空间上,本文学习了目标域特征到源域特征的非线性转换,将目标域映射到源域.最后,利用邻近算法(k-nearest neighbor,k NN)分类器对映射后的目标域样本进行分类.本文不仅改进了边际Fisher准则方法,并且将基于自适应样本对筛选的迁移学习应用到小样本数据的分类器设计中,提高域间适应性.在通用数据集上的实验结果表明,本文提出的方法能够有效提高小样本训练域的分类器性能.
舒醒于慧敏郑伟伟谢奕胡浩基唐慧明
基于词袋模型和迁移学习的图像分类算法研究
随着互联网及多媒体时代的迅猛发展,海量的图像信息充斥在人们生活的方方面面。近年来,如何从海量图像中快速、准确地获得其分类信息成为一种迫切需求。图像分类技术作为计算机视觉领域的热点问题,其研究意义极其重要。  在实际应用领...
舒醒
关键词:计算机视觉图像分类算法
文献传递
基于改进的MFA和迁移学习的小样本集的物体分类方法
本发明公开了一种基于改进的MFA(Marginal Fisher Analysis)和迁移学习的小样本集(目标域)分类算法。首先,利用一个具有大量标记样本的同构数据集(源域)和内积度量距离的边际Fisher准则将源域和目...
于慧敏舒醒郑伟伟
文献传递
共1页<1>
聚类工具0