公共文化服务平台

共 5 条记录，以下是 1-5

全选清除导出

排序方式：

基于参数间隔孪生支持向量机的增量学习算法被引量：8: 2016年; 针对处理大量时间序列数据或数据流时,参数间隔孪生支持向量机(TPMSVM)分类训练速度依然较慢的问题.本文证明了样本满足TPMSVM的KKT条件所对应的数值条件,并根据结论提出一种适用于TPMSVM的增量学习算法用于处理时间序列数据.该算法选取新增数据中违背广义KKT条件和部分满足条件的原始数据,参加分类器训练.实验证明:本文提出的增量算法在保持一定分类精度的同时提高了TPMSVM的训练速度.; 杨海涛肖军王佩瑶王威; 关键词：时间序列数据

一种向量预选取的分段支持向量机回归算法被引量：2: 2016年; 针对数据波动剧烈时,一组特定的支持向量机回归参数无法满足随数据分布而改变的要求,导致回归曲线达不到所要求的精度的问题,同时针对如何有效删除在回归过程中某些非必要的数据以加快求解速度的问题,本文提出一种向量预选取的分段支持向量机回归算法.该算法首先根据数据空间分布特点删除一些非必要数据,然后根据不同区域样本的复杂程度对区间进行分段,针对各个区域设置相应的参数.仿真实验证明:p-p-SVR算法在保持回归精度的同时,较传统方法具有更好的泛化性能.; 杨海涛肖军王佩瑶; 关键词：支持向量机

基于活动曲线模型的双人交互行为识别算法被引量：1: 2019年; 针对双人交互行为识别算法中特征维数过高且表述能力不强的问题,提出一种基于活动曲线模型的双人交互行为识别算法。该算法利用活动曲线对前景目标稀疏表示能力强的优点,采用Gabor滤波和Sum-Max Maps的方法得到活动曲线的可变模板,进而对双人交互行为视频中的关键帧进行稀疏表示。该算法中提出利用HOG特征来描述视频序列中每帧图像,然后利用距离极值得到视频的关键帧的新方法。在UT-Interaction数据库上的测试表明,在运动视频的关键帧中提取的活动曲线模型特征简单,具有较好的行为表述能力,得到了理想的双人交互行为的识别准确率,充分验证了稀疏表示算法在双人交互行为识别领域有较好的研究前景。; 王佩瑶曹江涛姬晓飞; 关键词：关键帧

多特征的双人交互动作识别算法研究被引量：3: 2017年; 运动特征的选择直接影响基于整体的双人交互动作识别算法的识别效果。单一的特征因其适应范围不同,受到人体的外观、环境、摄像机设置等因素的影响,识别效果往往不太理想。在研究双人交互动作的表征与识别的基础上,充分考虑不同特征的优缺点,提出了一种结合局部的光流特征、局部的剪影特征以及HOG(histogram of oriented gradient)特征的混合特征,使用帧帧最近邻分类器获得3个特征的识别概率,最终通过加权融合3个特征的识别概率实现交互行为的识别。实验结果表明,对于UT-interaction数据库,该算法得到了较为理想的识别结果,混合特征可将识别率提高到91.7%。; 黄菲菲曹江涛姬晓飞王佩瑶; 关键词：HOG特征

基于改进时空兴趣点特征的双人交互行为识别被引量：6: 2016年; 针对实际监控视频下双人交互行为的兴趣点特征选取不理想,且聚类词典中冗余单词导致识别率不高的问题,提出一种基于改进时空兴趣点(STIP)特征的交互行为识别方法。首先,引入基于信息熵的不可跟踪性检测方法,对序列图像进行跟踪得到交互动作的前景运动区域,仅在此区域内提取时空兴趣点以提高兴趣点检测的准确性。其次采用3维尺度不变特性转换(3D-SIFT)描述子对检测得到的兴趣点进行表述,利用改进的模糊C均值聚类方法得到视觉词典,以提升词典的分布特性;在此基础上建立词袋模型,即将训练集样本向词典进行投影得到每帧图像的直方图统计特征表示。最后,采用帧帧最近邻分类方法进行双人交互动作识别。在UT-interaction数据库上进行测试,该算法得到了91.7%的正确识别率。实验结果表明,通过不可跟踪性检测得到的时空兴趣点的改进词袋算法可以较大程度提高交互行为识别的准确率,并且适用于动态背景下的双人交互行为识别。; 王佩瑶曹江涛姬晓飞; 关键词：信息熵模糊C均值最近邻分类器

全选清除导出

共1页<1>

王佩瑶