公共文化服务平台

王晓明: 作品数：38 被引量：59H指数：4; 供职机构：西华大学数学与计算机学院更多>>; 发文基金：国家自然科学基金西华大学研究生创新基金教育部“春晖计划”更多>>; 相关领域：自动化与计算机技术文化科学医药卫生电子电信更多>>

合作作者

支撑向量数据域描述优化问题最优解理论分析被引量：8: 2011年; 支撑向量数据域描述(support vector data description,简称SVDD)作为一种已经得到广泛应用的核方法,目前研究主要集中在其性能和效率的提高上,然而该算法优化问题最优解性质的理论性质却没有得到足够的关注.为此,首先把SVDD定义的原始优化问题等价转化为一个凸约束二次优化问题,然后从理论上证明了其构建的超球圆心具有唯一性,然而超球半径在一定条件下却存在不唯一性,并且给出了半径存在不唯一性的充分必要条件.还从对偶优化问题的角度分析了超球的圆心和半径性质,并且给出了SVDD算法中在根据优化问题最优解构建超球半径不唯一情况下计算超球半径的方法.完善了该算法的理论和方法体系,从而为其更深入的研究和应用奠定了理论基础.; 王晓明王士同; 关键词：核方法凸优化唯一性

基于空间特征变换与反投影的渐进式图像超分辨被引量：2: 2021年; 基于深度网络的单帧图像超分辨(SISR)方法为目前SR研究热点,但是多数该类方法在特征提取时主要侧重在网络深度结构的探索,忽略了中间空间特征层之间的相似性,并且在重构时忽略了特征层之间的特征差异性。针对上述问题,提出了基于空间特征变换与反投影重构的渐进式网络。该方法的主要特征是,在图像特征提取时对特征空间进行特征仿射变换,从而获得渐进式特征和空间变换特征,增加特征层间的不同相似性。在图像重构阶段,重构模块采用多尺度反投影的策略融合了图像多源特征,从而使得其模块更加注重特征之间的差异性。实验结果表明,相比大多数超分辨算法,所提方法在图像超分辨重建时PSNR/SSIM等评估指标均有较大提升,且重构图像的纹理信息也更加丰富。; 秦玉谢超宇王晓明王晓明; 关键词：超分辨率

基于语境距离度量的拉普拉斯最大间距判别准则被引量：2: 2010年; 线性拉普拉斯判别准则(Linear Laplacian discrimination,LLD)作为一种非线性特征提取方法得到了较为成功的运用.然而通过分析得知在具体使用LLD方法的过程中还会面临小样本以及如何确定原始样本空间类型的问题.因此,本文引入语境距离度量并结合最大间距判别准则的基本原理提出一种基于语境距离度量的拉普拉斯最大间距判别准则(Contextual-distance metric based Laplacian maximum margin criterion,CLMMC).该准则不但在一定程度上避免小样本问题,而且由于语境距离度量更关注输入样本簇内在的本质结构而不是原始样本空间的类型,从而降低了该准则对特定样本空间的依赖程度.同时通过引入计算语境距离度量的新算法并结合QR分解的基本原理,使得CLMMC在处理高维矢量模式数据时更具适应性和效率.并从理论上讨论CLMMC准则具有的基本性质以及与LLD准则的内在联系.实验证明CLMMC准则具有上述优势.; 皋军王士同王晓明; 关键词：QR分解

一种基于竞争与协作机制的高抗哄骗多模态身份验证方法: 本发明公开了一种基于竞争与协作机制的高抗哄骗多模态身份验证方法，属于模式识别领域，包括如下步骤：S1对每一模态生物特征，使用目标类与竞争类的特征模板构成验证字典，对输入样本特征进行稀疏表示，计算输入样本与目标类的匹配度和...; 黄增喜王晓明

一种新颖的基于马氏距离的KNN分类算法被引量：1: 2014年; K近邻作为模式识别研究领域的热点之一,影响其性能的距离度量也得到广泛关注。但传统KNN采用欧氏距离,平等对待所有特征间的差别,不能有效反映数据的内在结构特征。针对此问题,借鉴局部保持投影的基本思想,根据局部保持散度矩阵定义一种距离度量新方法,利用该距离度量提出一种新颖的基于马氏距离的KNN算法。该算法在基于马氏距离分布特征的方式上充分反映每一类数据的内在结构特征。实验结果表明,与传统KNN和基于马氏距离的KNN相比,该算法表现出更好的分类精度。; 曾俊杰王晓明; 关键词：K近邻局部保持投影

泛化误差界指导的鉴别字典学习: 2019年; 在提高字典鉴别能力的过程中,最大间隔字典学习忽视了利用重新获得的数据构建分类器的泛化性能,不仅与最大间隔原理有关,还与包含数据的最小包含球(MEB)半径有关。针对这一事实,提出泛化误差界指导的鉴别字典学习算法GEBGDL。首先,利用支持向量机(SVM)的泛化误差上界理论对支持向量引导的字典学习算法(SVGDL)的鉴别条件进行改进;然后,利用SVM大间隔分类原理和MEB半径作为鉴别约束项,促使不同类编码向量间的间隔最大化,并减小包含所有编码向量的MEB半径;最后,为了更充分考虑分类器的泛化性能,采用交替优化策略分别更新字典、编码系数和分类器,进而获得编码向量相对间隔更大的分类器,从而促使字典更好地学习,提升字典鉴别能力。在USPS手写数字数据集,Extended Yale B、AR、ORL三个人脸集, Caltech101、COIL20、COIL100物体数据集中进行实验,讨论了超参数和数据维度对识别率的影响。实验结果表明,在七个图像数据集中,多数情况下所提算法的识别率优于类标签一致K奇异值分解(LC-KSVD)、局部特征和类标嵌入约束字典学习(LCLE-DL)算法、Fisher鉴别字典学习(FDDL)和SVGDL等算法;且在七个数据集中,该算法也取得了比基于稀疏表示的分类(SRC)、基于协作表示的分类(CRC)和SVM更高的识别率。; 徐涛王晓明; 关键词：字典学习支持向量机

基于概率密度逼近的无监督特征排序被引量：2: 2007年; 依据概率密度逼近提出了一种新的无监督特征排序,应用于特征选择降维。实验证明,这种方法与一些现有的方法相比,更为有效。; 王晓明王士同

广义的监督局部保留投影算法被引量：7: 2009年; 针对监督的局部保留投影算法(Supervised Locality Preserving Projection,SLPP)在小样本情况下矩阵的奇异性问题,该文提出了一种广义的监督局部保留投影算法(Generalized Supervised Locality Preserving Projection,GSLPP)。GSLPP在大样本情况下等价于SLPP,在小样本情况下却可以等价转换到一个低维空间中来求解,从而有效解决了小样本问题。最后,实验结果验证了该方法的有效性。; 王晓明王士同; 关键词：特征提取局部保留投影

基于数据分布信息的单类支撑向量机: 2012年; 单类支撑向量机(One-Class SVM)是一种重要的核方法,但是其缺少对数据分布信息的考虑,因而制约了其泛化能力的进一步提高。针对此问题,重新定义了原点到超平面的距离,进而提出了基于数据分布信息的单类支撑向量机(DD One-Class SVM)。推导构建了DD One-Class SVM算法的优化问题,详细分析和讨论了该优化问题在散度矩阵奇异情况下的求解方法以及该算法的非线情况。相对于传统One-Class SVM算法,该算法体现出了更好的泛化能力。; 王晓明彭宏; 关键词：核方法

一种新颖的单幅图像超分辨率重建: 2020年; 针对传统字典学习(dictionary learning,DL)的超分辨率重建方法,低分辨率图像块细节欠缺严重,导致重建的高分辨图像块无法获得最佳的高分辨率图像块。结合图像自身的自学习和自然图像库信息进行超分辨率重建。首先,通过自学习建立金字塔阶梯式训练图像集,结合协作表示(collaborative representation,CR)理论和支持向量回归(support vector regression,SVR)技术学习多层超分辨率映射模型,将得到的多张外部图像作为字典学习模型的低分辨率图像与原图训练高低字典对。图像重建时,先用自学习模型得到初步处理的X1,再用字典学习得到图像X2作为最终的重建图像。还提出了通过旋转和翻转图像训练分类的高低字典对,对实验结果有进一步的提升。实验结果证明,所使用的两个模型结合的算法,能够抑制传统方法不能解决的噪声问题,且与单纯的自学习模型相比,PSNR和SSIM也都有较为明显的提升。; 刘少鹏王晓明; 关键词：字典学习

王晓明

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

王晓明

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈