检索结果-内蒙古大学图书馆

清华大学学报（自然科学版） 2002年第1期42卷 80-83页

作者：张磊林福宗张钹清华大学计算机科学与技术系智能技术与系统国家重点实验室北京100084

相关反馈技术是近年来在图像检索中较为重要的研究方法 ,从机器学习的角度 ,以支持向量机 (SVM)为分类器 ,提出了一种新的相关反馈方法。在每次反馈中对用户标记的正例和反例样本进行学习 ,建立 SVM分类器作为模型 ,并根据学习所得的模... 详细信息

相关反馈技术是近年来在图像检索中较为重要的研究方法 ,从机器学习的角度 ,以支持向量机 (SVM)为分类器 ,提出了一种新的相关反馈方法。在每次反馈中对用户标记的正例和反例样本进行学习 ,建立 SVM分类器作为模型 ,并根据学习所得的模型进行检索。由于 SVM分类器在一定程度上勾勒出了相关图像在特征空间中的分布 ,因而对整个图像库进行检索时可以查找到更多的相关图像。使用由9918幅图像组成的图像库进行实验 ,结果表明 :该方法可以通过交互的反馈过程 ,有效地检索出更多的相关图像。

关键词：图像检索相关反馈支持向量机交互式检索机器学习特征空间

来源：评论

学校读者我要写书评

暂无评论

拨号联网研究AV新技术指南

引用

电声技术 1997年第7期21卷 8-16页

作者：林福宗清华大学

本文介绍通过普通电话线如何把个人计算机连接到Ｉｎｔｅｒｎｅｔ网络，以及如何使用Ｗｅｂ浏览器来研究ＡＶ新技术。

关键词：国际互联网超媒体全球信息网音频视频 WWW

来源：评论

学校读者我要写书评

暂无评论

基于数字水印的图像认证技术

引用

计算机学报 2004年第9期27卷 1153-1161页

作者：吴金海林福宗清华大学计算机科学与技术系智能技术与系统国家重点实验室北京100084

伴随着数字水印技术的发展 ,用来解决数字图像的真实性问题的图像认证技术在近年来发展迅速 .它主要包括两大部分 :篡改检测与篡改定位 .有两种技术手段可供它使用 :数字签名和数字水印 .该文详细讨论了在设计基于数字水印的图像认证算... 详细信息

伴随着数字水印技术的发展 ,用来解决数字图像的真实性问题的图像认证技术在近年来发展迅速 .它主要包括两大部分 :篡改检测与篡改定位 .有两种技术手段可供它使用 :数字签名和数字水印 .该文详细讨论了在设计基于数字水印的图像认证算法时常见的若干关键问题 ,阐述了基于数字水印的精确认证和模糊认证算法各自的发展过程及其国内外现状 ,并指出了将来继续努力的方向 .

关键词：图像认证篡改检测篡改定位数字水印多媒体安全

来源：评论

学校读者我要写书评

暂无评论

支持向量机的训练算法

引用

清华大学学报（自然科学版） 2003年第1期43卷 120-124页

作者：李建民张钹林福宗清华大学计算机科学与技术系智能技术与系统国家重点实验室北京100084

大量数据下支持向量机(SVM)的训练算法是SVM研究的一个重要方向和广大研究者关注的焦点。该文回顾了近几年来这一领域的研究情况。该文从分析SVM训练问题的实质和难点出发,结合目前一些主要的SVM训练方法及它们之间的联系,重点阐述当前... 详细信息

大量数据下支持向量机(SVM)的训练算法是SVM研究的一个重要方向和广大研究者关注的焦点。该文回顾了近几年来这一领域的研究情况。该文从分析SVM训练问题的实质和难点出发,结合目前一些主要的SVM训练方法及它们之间的联系,重点阐述当前最有代表性的一种算法——序贯最小优化(SMO)算法及其改进算法。从中可以看到,包括SMO在内的分解算法通过求解一系列规模较小的子问题逐步逼近最优解,从而避免存储整个Hessian矩阵,是解决大规模SVM训练问题的主要方法。而工作集的选择对于分解算法的收敛与否和收敛速度至关重要。

关键词：训练算法支持向量机分解算法序贯最小优化统计学习理论凸规划非增量算法

来源：评论

学校读者我要写书评

暂无评论

基于支持向量机(SVM)的数字音频水印

引用

计算机研究与发展 2005年第9期42卷 1605-1611页

作者：王剑林福宗清华大学计算机科学与技术系智能技术与系统国家重点实验室北京100084 山东省莱芜钢铁集团有限公司莱芜271104

提出了一种新的基于支持向量机(supportvectormachine,SVM)的数字音频水印算法.主要思想是在宿主音频中嵌入一段模板信息,定义模板信息与宿主音频之间的一种对应关系,将水印的检测问题转化为一个可用SVM处理的二分类问题,利用SVM对先验... 详细信息

提出了一种新的基于支持向量机(supportvectormachine,SVM)的数字音频水印算法.主要思想是在宿主音频中嵌入一段模板信息,定义模板信息与宿主音频之间的一种对应关系,将水印的检测问题转化为一个可用SVM处理的二分类问题,利用SVM对先验知识(对应关系)的学习,以达到对未知数字音频水印的正确分类检测.仿真实验结果表明,该数字音频水印具有较强的健壮性和不可感知性,在受到MP3压缩、低通滤波、重采样量化、噪声干扰等常用信号处理方法的处理后,能正确检测出水印,同时在水印检测时不需要原始音频,实现了水印的盲检测.

关键词：数字音频音频水印支持向量机(SVM) 机器学习小波变换

来源：评论

学校读者我要写书评

暂无评论

家用交互多媒体系统—CD-Ⅰ

引用

小型微型计算机系统 1993年第2期14卷 49-64,F003页

作者：林福宗清华大学计算机系北京100084

本文简要介绍由Philips和Sony公司定义的CD-Ⅰ系统。内容包括CD-Ⅰ光盘的数据格式、音频子系统、视频子系统、CD-Ⅰ基本系统、实时光盘操作系统CD-RTOS以及主要的技术指标。

关键词：多媒体 CD-ROM CD-I 计算机

来源：评论

学校读者我要写书评

暂无评论

多媒体与CD-ROM

引用

1995年

作者：林福宗

来源：评论

学校读者我要写书评

暂无评论

基于扩张矩阵理论的汉语韵律短语分析

引用

计算机学报 2003年第1期26卷 26-31页

作者：谌卫军林福宗李建民张钹清华大学计算机科学与技术系北京100084 清华大学智能技术与系统国家重点实验室北京100084

提出了一种新的、基于扩张矩阵理论的归纳学习算法 :分组覆盖算法 ,并将其应用于汉语文语转换系统中的韵律短语分析问题 .算法以扩张矩阵为基础 ,在反例样本集背景下 ,将正例样本集划分为若干个一致的组 ,每一组对应于一个一致的规则 ,... 详细信息

提出了一种新的、基于扩张矩阵理论的归纳学习算法 :分组覆盖算法 ,并将其应用于汉语文语转换系统中的韵律短语分析问题 .算法以扩张矩阵为基础 ,在反例样本集背景下 ,将正例样本集划分为若干个一致的组 ,每一组对应于一个一致的规则 ,它覆盖了这组正例而且不覆盖任何的反例 ;建造了一个用于韵律短语分析的语料库 ,并提出了一组与韵律有关的特征 ;将数据分为训练集和测试集对算法进行了验证 .实验结果表明 ,新算法在正确率、规则个数和可懂性等各方面均优于传统的决策树方法 ,并接近于手工制定的规则 .

关键词：扩张矩阵理论汉语韵律短语分析汉字信息处理归纳学习算法汉语文语转换系统

来源：评论

学校读者我要写书评

暂无评论

基于超立方体覆盖的构造性网络学习算法

引用

清华大学学报（自然科学版） 2003年第1期43卷 97-100页

作者：谌卫军林福宗李建民张钹清华大学计算机科学与技术系智能技术与系统国家重点实验室北京100084

该文提出了一种基于超立方体覆盖的构造性神经网络学习算法,以解决二值型输入变量的K分类问题。该算法分两步来动态地构造一个三层前馈网络。首先,对于每一类的所有训练样本,用尽可能少的超立方体来覆盖它们,并为每一个超立方体构造一... 详细信息

该文提出了一种基于超立方体覆盖的构造性神经网络学习算法,以解决二值型输入变量的K分类问题。该算法分两步来动态地构造一个三层前馈网络。首先,对于每一类的所有训练样本,用尽可能少的超立方体来覆盖它们,并为每一个超立方体构造一个隐层单元;其次,用"或"操作把这些隐单元连接到相应的输出单元上。文章给出了相应的理论分析和一个具体的实现。实验结果表明,该算法优于常用的一些归纳学习算法。

关键词：构造性网络学习算法人工神经网络构造法超立方体覆盖 BP算法 K分类二值型输入变量

来源：评论

学校读者我要写书评

暂无评论

多媒体技术基础.第4版第4版

引用

丛书名：清华大学计算机系列教材

2017年

作者：林福宗

本书主要介绍多媒体压缩编码、多媒体光盘存储和多媒体网络的技术基础，包括多媒体技术，数字媒体技术等先关内容。

ISBN: (纸本)9787302454717

本书主要介绍多媒体压缩编码、多媒体光盘存储和多媒体网络的技术基础，包括多媒体技术，数字媒体技术等先关内容。

关键词：多媒体技术高等教育

来源：内蒙古大学图书馆图书评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：