李明
- 作品数：2 被引量：21H指数：2
- 供职机构：华中科技大学计算机科学与技术学院更多>>
- 发文基金：国际科技合作与交流专项项目更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于局部聚类与图方法的半监督学习算法被引量：7
- 2010年
- 基于图的算法已经成为半监督学习中的一种流行方法,该方法把数据定义为图的节点,用图的边表示数据之间的关系,在各种数据分布情况下都具有很高的分类准确度.然而图方法的计算复杂度比较高,当图的规模比较大时,计算所需要的时间和存储都非常大,这在一定程度上限制了图方法的使用.因此,如何控制图的大小是基于图的半监督学习算法中的一个重要问题.本文提出了一种基于密度估计的快速聚类方法,可以在局部范围对数据点进行聚类,以聚类形成的子集作为构图的节点,从而大大降低了图的复杂度.新的聚类方法计算量较小,通过推导得到的距离函数能较好地保持原有数据分布.实验结果表明,通过局部聚类后构建的小图在分类效果上与在原图上的结果相当,同时在计算速度上有极大的提高.
- 李明李明杨艳屏
- 关键词：半监督学习密度估计
- TV-Retinex:一种快速图像增强算法被引量：14
- 2010年
- 为了提高变分Retinex理论模型的增强效果和计算速度,提出一个用于彩色图像增强的模型.该模型采用全变分理论,使用L1范数替代原有变分模型中对光照图像进行约束的L2范数;使用切分Bregman迭代算法进行求解,由于L1范数与L2范数的凸性,该算法可以获得全局最优解.与原有变分模型进行比较的实验结果表明,文中模型在增强效果基本相近的情况下,计算速度提高了近40倍.
- 李明李明
- 关键词：RETINEX理论图像增强全变分
