检索结果-内蒙古大学图书馆

计算机与现代化 2023年第6期 43-47页

作者：李实秋南京国电南自轨道交通工程有限公司研发中心江苏南京210000

判别局部保持投影(DLPP)算法是一种判别特征提取的方法,用于流形学习的典型降维算法,它能够利用判别信息,提取出最佳的判别特征,但是DLPP算法往往会忽略样本间的协作重构关系,从而导致算法识别率较低的问题。本文提出一种基于协作表示... 详细信息

判别局部保持投影(DLPP)算法是一种判别特征提取的方法,用于流形学习的典型降维算法,它能够利用判别信息,提取出最佳的判别特征,但是DLPP算法往往会忽略样本间的协作重构关系,从而导致算法识别率较低的问题。本文提出一种基于协作表示的判别局部保持投影(CRDLPP)方法。该方法首先利用协作表示方法对所有训练样本的协作重构误差进行计算,然后将该重构误差值作为正则项引入DLPP的目标函数中,最后通过求解新的目标优化问题得到最优投影矩阵。为了验证CRDLPP算法在图像识别方面的有效性,选取Yale人脸库和COIL20图像库进行算法仿真实验,结果表明,本文的CRDLPP算法在图像识别方面相比其他经典降维算法有着较高的识别率。

关键词：判别局部保持投影协作表示协作重构误差图像识别

来源：评论

学校读者我要写书评

暂无评论

基于类别表达约束的可鉴别协作表示分类方法研究

基于类别表达约束的可鉴别协作表示分类方法研究

引用

作者：鲁峻羽江苏大学

学位级别：硕士

随着计算机技术的迅速发展,模式识别已经成为当前的研究热点,越来越多的关于模式识别方面的分类方法被提出。协作表示作为一种经典的基于线性表示的分类方法,具有较好的分类性能,受到了广泛的关注。协作表示主要利用所有训练样本来协作... 详细信息

随着计算机技术的迅速发展,模式识别已经成为当前的研究热点,越来越多的关于模式识别方面的分类方法被提出。协作表示作为一种经典的基于线性表示的分类方法,具有较好的分类性能,受到了广泛的关注。协作表示主要利用所有训练样本来协作地表达测试样本,其在分类中起重要作用的是协作机制。然而,大多数协作表示分类方法未充分考虑基于类别表达的可鉴别性、竞争性、数据的局部结构等信息,从而导致协作表示分类效果不佳。因此,本文以协作表示理论为基础,在协作表示中考虑不同类别表达的可鉴别性、竞争性和数据局部性,研究基于类别表达约束的协作表示分类方法,主要研究内容和创新工作如下:(1)为了进一步增强协作表示的可鉴别性,提出基于类别约束的可鉴别性竞争协作表示分类(DCCRC)方法。DCCRC强调不同类别间的可鉴别性及数据的竞争性,通过充分利用类别的可鉴别性信息以及数据的竞争性信息,来促使真实类的训练样本能够更好的表示测试样本。在DCCRC中,引入了竞争约束项,该项着重强调了不同类别的训练样本的竞争性。在此基础上,DCCRC还新提出一个可鉴别约束项,该项主要通过降低任意一类与其他类别之间的相关性,来增加不同类别的判别性。在多个数据集上的实验结果表明,提出的DCCRC具有较好的分类性能和抗噪能力。(2)在理想情况下,实现正确分类就应该使测试样本的类别表示具有尽可能充分的可鉴别性,并且使测试样本的真实类别具有主要的表示贡献。受此启发,提出了基于类别均值的加权竞争协作表示(CMWCCR)方法。CMWCCR设计了均值向量约束和权重约束,并将其与竞争约束集合在一起。其中,竞争约束主要强调所有类别的竞争表示,然而,仅仅只有这一项并不足以实现较好的可鉴别性,测试样本的真实类也不能提供主要的表示贡献。因此,提出了均值向量约束,由于均值向量的自身判别性,该约束能进一步增加类别的竞争表示,并使测试样本的真实类别拥有更大的表示贡献。最后,将测试样本和类别表示之间的关系作为权重约束,进一步增强真实类别的表示。同时,在多个图像数据集、UCI数据集以及UCR数据集上进行实验,实验结果充分证明了提出的CMWCCR具有较强的鲁棒性和较好的分类性能。(3)大多数方法只考虑到训练样本的线性结合却忽略了数据的局部信息。因此,提出了基于局部约束的加权可鉴别协作表示(WLCDCR)方法。WLCDCR利用相似的输入产生相似的编码的概念,引入了局部一致性约束,并充分利用近邻样本之间的相似关系来增强表示的可鉴别性。同时,WLCDCR还利用测试样本及其近邻样本之间的关系作为权重,对局部一致性约束项进行约束以便充分发挥其作用。最后,WLCDCR利用可鉴别约束,通过降低类别之间的相关性来进一步增强类别之间的可鉴别性。在多个数据集上的实验结果证明,提出的WLCDCR方法在分类方面具有较好的表现。

关键词：协作表示协作表示分类模式识别

来源：评论

学校读者我要写书评

暂无评论

可鉴别竞争协作表示分类方法研究

可鉴别竞争协作表示分类方法研究

引用

作者：吴宏伟江苏大学

学位级别：硕士

随着计算机技术的迅速发展,模式的表示与识别已经成为人工智能领域研究的重点和热点。在模式分类中,协作表示(Collaborative Representation,CR)作为一种典型的线性表示方法取得了良好的性能,且广泛应用于人脸识别和图像分类中。由于协... 详细信息

随着计算机技术的迅速发展,模式的表示与识别已经成为人工智能领域研究的重点和热点。在模式分类中,协作表示(Collaborative Representation,CR)作为一种典型的线性表示方法取得了良好的性能,且广泛应用于人脸识别和图像分类中。由于协作表示简单高效,因此受到广大学者的青睐。协作表示算法使用所有的训练样本协同地表示测试的样本,获得了良好的分类结果以及性能。然而,该方法目前仍存在诸多问题有待考虑,例如每个类之间表达的竞争性,或者样本的局部几何结构特征。而每个类之间表达的竞争性和样本的局部几何结构特征也对分类任务起着至关重要的作用。因此,为了进一步提升协作表示方法的分类精度,本文做了以下三方面的研究:(1)为了充分考虑每类样本之间表达的竞争性以及可判别性,本文提出双竞争协作表示分类(Double Competitive Constraints-Based Collaborative Representation for Classification,DCCRC)算法。在DCCRC中,将传统协作表示的分类阶段和表示阶段有机的融合,使得每类训练样本竞争着去表示测试样本。与此同时结合另一种竞争思想,使得每类训练样本在表示过程中排除其他类的影响,从另一个方面增强训练样本之间表达的竞争性。为了证明DCCRC方法的有效性,选择在图像数据集以及UCI数据集上进行对比实验论证,并在部分图像数据集上进行块遮挡污染噪声实验,像素点污染噪声实验,残差实验以及表示系数和的实验。实验结果证明了DCCRC方法具有更好的分类性能以及鲁棒性。(2)为了充分的利用样本的局部几何结构特征以及每类训练样本的的竞争性,本文提出局部约束的加权竞争协作表示分类(Locality-Constrained Weighted Collaborative-Competitive Representation for Classification,LWCCRC)算法。在LWCCRC中,充分利用样本的局部几何结构特征,根据测试样本与训练样本的距离选取正负近邻样本集。使正近邻样本集的样本对表示测试样本具有更大的贡献,而削弱负近邻样本中的样本对表示测试样本的影响,与此同时保持每类样本之间的竞争表达,使真实类对表示测试样本起主要作用。为了证明LWCCRC方法的有效性,在图像数据集,UCI数据集以及时序数据集上进行了实验,并且完成各项的分离实验,实验结果证明了LWCCRC方法具有较好的分类性能。(3)根据本文所提的协作表示算法设计并实现了基于可鉴别竞争协作表示分类方法的图像识别原型系统。在该图像识别原型系统中,可以直观的向用户展示算法的分类结果以及优越的性能。在系统中对所提两个算法在不同数据集上进行对比,让用户可以选取更适合的算法进行图像识别功能,便于用户观察所提算法的优越性。

关键词：模式识别协作表示竞争协作表示局部约束

来源：评论

学校读者我要写书评

暂无评论

基于改进协作表示的人脸表情分类

引用

计算机系统应用 2021年第5期30卷 196-201页

作者：李莉穆佳玮江苏大学计算机科学与通信工程学院镇江212013

如今,人脸表情的相关研究是非常热门的话题,研究者愈发的关注其相关分类算法.而提高分类的精度对人工智能等相关前沿领域具有实际的应用价值.目前图像分类的方法层见叠出,其中较为经典的有线性判别分析和稀疏表示等.针对图像分类计算复... 详细信息

如今,人脸表情的相关研究是非常热门的话题,研究者愈发的关注其相关分类算法.而提高分类的精度对人工智能等相关前沿领域具有实际的应用价值.目前图像分类的方法层见叠出,其中较为经典的有线性判别分析和稀疏表示等.针对图像分类计算复杂度高,特征利用率以及分类精度等相关问题,本文提出了一种改进的协作表示分类算法.首先采用分块加权局部二值模式对图像进行分块处理,得到每个子块的纹理特征向量,为了避免维度灾难使用主成分分析法进行降维,同时也能够提升算法的运行速度,最后采用竞争协作表示分类算法得到最终的分类结果.通过实验及结果分析对比表明,特征提取和协作表示算法的结合有着较好的分类效果.

关键词：表情分类协作表示局部二值模式特征提取竞争协作表示

来源：评论

学校读者我要写书评

暂无评论

基于联合协作表示的特定辐射源识别

引用

系统工程与电子技术 2019年第4期41卷 724-729页

作者：周志文黄高明王雪宝满欣武警指挥学院作战指挥系天津300250 海军工程大学电子工程学院湖北武汉430033

针对存在脉冲无意调制特征时的特定辐射源识别问题,在时域对个体辐射源建模,并分析了无意特征在特征空间形成的分量对个体识别的作用。首先在时频域提取了奇异值作为特征描述,接着建立了联合协作表示模型并引入Tikhonov矩阵约束增加类... 详细信息

针对存在脉冲无意调制特征时的特定辐射源识别问题,在时域对个体辐射源建模,并分析了无意特征在特征空间形成的分量对个体识别的作用。首先在时频域提取了奇异值作为特征描述,接着建立了联合协作表示模型并引入Tikhonov矩阵约束增加类间区分度,提取了特有分量表示系数,最后依据最小分类残差实现有监督的特定辨识。仿真中利用具有脉内无意调制的3种辐射源进行分析,实验结果表明提出的方法能有效识别无意幅度和相位调制特征,且在信噪比为10dB时能达到80%以上的正确识别率,具有泛化建模意义。

关键词：特定辐射源识别协作表示联合稀疏模型奇异值分解

来源：评论

学校读者我要写书评

暂无评论

基于协作表示的近邻分类方法研究

基于协作表示的近邻分类方法研究

引用

作者：周承如江苏大学

学位级别：硕士

信息技术的快速发展使各行各业产生了大量有用或无用的数据,因此数据的挖掘与分类变得日益重要起来。面对爆炸性增长的数据,人们需要有效的方法来对其进行分析。K-近邻（K-Nearest Neighbor,KNN）算法是数据挖掘和模式识别领域最为经典... 详细信息

信息技术的快速发展使各行各业产生了大量有用或无用的数据,因此数据的挖掘与分类变得日益重要起来。面对爆炸性增长的数据,人们需要有效的方法来对其进行分析。K-近邻（K-Nearest Neighbor,KNN）算法是数据挖掘和模式识别领域最为经典的方法,已具有几十年的研究历史。该算法通过样本间的距离来确定近邻,同时仅调整近邻个数k这一参数即可获得分类结果,因而KNN算法具有简单易实现的特点,然而其分类性能容易受到噪声点和k值敏感性等问题的影响。协作表示（Collaborative Representation,CR）分类是一种较新的基于表示的分类方法。该算法使用所有训练样本线性协作表达测试样本,已被证实具有较好的分类性能。但当不同类训练样本比较相似时,该算法会导致有效的训练样本在分类过程中可能不占有主导地位,从而导致分类错误。本文基于协作表示和近邻分类的相关知识,进行了如下三个内容的研究:（1）基于协作表示系数的K-近邻分类（Collaborative Coeffificient-Based K-Nearest Neighbor Classifier,CCKNN）算法,CCKNN旨在改善k值选择敏感性问题,尤其在存在噪声点的小样本数据集上。CCKNN使用训练样本对应的协作表示系数来选择测试样本点的近邻样本,并且基于每类近邻域中近邻点所对应的协作表示系数值总和作为所提方法的分类决策。协作表示系数相比传统距离法求得的近邻,更能够反映样本间的相似性问题。通过在真实数据集以及人脸数据集上进行反复实验,验证了所提CCKNN算法的分类有效性。（2）基于局部多均值协作表示的K-近质心近邻分类（Multi-Local Means Collaborative Representation-Based K-Nearest Centroid Neighbor Classifier,LMRKNCN）算法,LMRKNCN旨在减少近邻域噪声点出现的概率和利用数据的空间分布信息,从而改善基于KNN算法中的k值选择敏感性问题。LMRKNCN首先求出k个近质心近邻的局部多均值,然后用k个近质心局部多均值协作表示测试样本,最后基于测试样本与协作表示后样本的残差来作为分类决策。使用近质心近邻求解局部多均值可以获得测试样本周围的几何分布信息和局部信息,另一方面,使用测试样本与协作表示后样本的残差作为分类决策函数,可以使不同的近质心局部均值对分类起到不同贡献。在真实数据集和图像数据集上的实验结果验证了所提LMRKNCN算法的有效性。（3）设计了基于协作表示的近邻图像分类原型系统。使用Python作为原型系统的开发环境,实现了本文所提两种算法与后端各模块的功能,前端界面采用HTML5语言,使原型系统界面简洁,有较强的人机交互性。在原型系统上的分类结果验证了所提算法的实用性。

关键词： K-近邻协作表示局部均值近质心近邻模式分类

来源：评论

学校读者我要写书评

暂无评论

基于字典学习的协作表示单样本人脸识别研究

基于字典学习的协作表示单样本人脸识别研究

引用

作者：甘伟发湘潭大学

学位级别：硕士

人脸识别一直是计算机视觉领域的研究热点,因为相比其他生物特征识别,人脸识别的友好、易获取、非接触等特点使它更具有广泛的应用。虽然现阶段人脸识别技术比较成熟,但是单样本人脸识别还是一项具有挑战性的任务。论文主要研究基于字... 详细信息

人脸识别一直是计算机视觉领域的研究热点,因为相比其他生物特征识别,人脸识别的友好、易获取、非接触等特点使它更具有广泛的应用。虽然现阶段人脸识别技术比较成熟,但是单样本人脸识别还是一项具有挑战性的任务。论文主要研究基于字典学习的协作表示单样本人脸识别算法,研究内容主要有:(1)提出多样性扩展分块协作表示的单样本人脸识别算法(Diversity and Extended Patch Collaborative Representation Classification,DEPCRC)。考虑到基于分块的方法可以有效避免类内变量的影响,从额外训练集中学习的辅助字典可以对脸部的类内变量进行协作表示,所以利用辅助字典把分块协作表示的方法扩展到单样本的情景中并通过约束的边缘分布优化对每个分块的权重进行学习。为获到更多样本信息,采用剪裁、加噪、灰度变换三种方式来得到多样性扩充的训练样本。在卡内基梅隆大学姿态光照表情(Carnegie Mellon University posture illumination face,CMU-PIE)、Extended Yale B、Aleix Martinez and Robert Benavente(AR)和野外标签脸(Labeled faces in the wild,FLW)人脸库上进行测试,实验结果表明DEPCRC在单样本的条件下有较高的识别率。(2)提出多样性辅助字典学习的单样本人脸识别算法(Auxiliary Dictionary of Diversity Learning,ADDL)。首先通过镜像图像,随机方块遮挡和灰度变换三种方式产生虚拟的人脸图像,然后通过设计的目标函数学习多样性辅助字典。考虑到分块的方法可以有效减少类内变量带来的影响,所以对人脸图像进行分块处理,利用扩展协作表示分类算法对每个分块图像进行识别,最后综合每张人脸图像所有分块的识别结果作为输出。在CMU-PIE,Extended Yale B和LFW人脸库上进行测试,实验结果表明ADDL在单样本的条件下有较高的识别率。

关键词：单样本人脸识别字典学习协作表示多样性

来源：评论

学校读者我要写书评

暂无评论

基于近邻三值模式和协作表示的三维掌纹识别

引用

计算机应用 2019年第6期39卷 1690-1695页

作者：刘玉珍蒋政权赵娜辽宁工程技术大学电子与信息工程学院辽宁葫芦岛125105 辽宁工程技术大学研究生院辽宁葫芦岛125105 国网鞍山供电公司辽宁鞍山114000

针对二维掌纹图像存在易伪造、抗噪能力差的问题,提出一种基于近邻三值模式(NTP)和协作表示的三维掌纹识别方法。首先,利用形状指数把三维掌纹的表面几何信息映射成二维数据,以弥补常用均值或高斯曲率映射无法精确描述三维掌纹特征的缺... 详细信息

针对二维掌纹图像存在易伪造、抗噪能力差的问题,提出一种基于近邻三值模式(NTP)和协作表示的三维掌纹识别方法。首先,利用形状指数把三维掌纹的表面几何信息映射成二维数据,以弥补常用均值或高斯曲率映射无法精确描述三维掌纹特征的缺陷;其次,对形状指数图作分块处理,利用近邻三值模式提取分块形状指数图的纹理特征;最后,利用协作表示的方法进行特征分类。在三维掌纹库上和经典算法进行的对比实验中,该方法的识别率为99.52%,识别时长为0.673 8 s,优于其他算法;在识别率方面,与经典的局部二值模式(LBP)、局部三值模式(LLTP)、CompCode、均值曲率图(MCI)法相比分别提高了7.77%、6.02%、5.12%和3.97%;在识别时间方面,与Homotopy、对偶增广拉格朗日法(DALM)、SpaRSA方法相比分别降低了6.7 s、15.9 s和61 s。实验结果表明,所提算法具有良好的特征提取和分类能力,能够有效地提高识别精度并减少识别时间。

关键词：三维掌纹形状指数局部三值模式纹理特征协作表示

来源：评论

学校读者我要写书评

暂无评论

基于Gabor字典缩减的协作表示分类人脸识别算法

引用

新一代信息技术 2019年第7期2卷 1-9页

作者：胡静陶洋郭坦重庆邮电大学通信与信息工程学院重庆400065

针对训练样本图像存在遮挡的问题,提出一种基于Gabor字典缩减的协作表示分类人脸识别算法。该方法对测试人脸图像、低秩人脸图像和遮挡误差图像分别进行Gabor变换,得到对应的增广Gabor特征向量。然后,提出一种Gabor遮挡字典缩减算法,用... 详细信息

针对训练样本图像存在遮挡的问题,提出一种基于Gabor字典缩减的协作表示分类人脸识别算法。该方法对测试人脸图像、低秩人脸图像和遮挡误差图像分别进行Gabor变换,得到对应的增广Gabor特征向量。然后,提出一种Gabor遮挡字典缩减算法,用该算法得到缩减的Gabor遮挡字典,并用其与训练样本的增广Gabor特征向量一起构成Gabor缩减字典。最后用缩减字典对测试样本进行协作表示,并获取最终的识别结果。实验结果显示,本方法在保证算法识别率的基础上,降低了算法的复杂度,缩减了算法运行时间。

关键词：人脸识别 Gabor变换缩减字典协作表示

来源：评论

学校读者我要写书评

暂无评论

基于AdaBoost协作表示算法的语音重度抑郁症检测

基于AdaBoost协作表示算法的语音重度抑郁症检测

引用

作者：张竞文吉林大学

学位级别：硕士

2017年世界卫生组织(WHO)公布,2015年全球抑郁症患者已达3.22亿人。抑郁症是导致15岁至29岁人群自杀死亡的第二大原因。其中重度抑郁症患者(贝克抑郁量表第2版评分为29—63)会有严重的自残、甚至自杀倾向,成为引发当前现状潜在高危群体... 详细信息

2017年世界卫生组织(WHO)公布,2015年全球抑郁症患者已达3.22亿人。抑郁症是导致15岁至29岁人群自杀死亡的第二大原因。其中重度抑郁症患者(贝克抑郁量表第2版评分为29—63)会有严重的自残、甚至自杀倾向,成为引发当前现状潜在高危群体。国内外学者以抑郁症对语音韵律和声学语言特征的影响为切入点,在检测、识别抑郁症方面已开展卓有成效的尝试和探索。而针对重度抑郁症的语音模式检测尚需深入研究。重度抑郁症患者话语常表现出语速缓慢、停顿偏久、用词单一等特点,且数据样本较少、重度抑郁类和非重度抑郁类分布显著不平衡,加剧抑郁程度信息低度差异困境,使这一问题具有挑战性。协作表示分类器依据将所有类训练样本参与表示测试样本的机制在一定程度上缓解训练样本不足的局限性。然而,在重度抑郁症检测问题中目标类样本过少,无法充分描述其空间分布。现有的研究成果表明,基于单一分类器的传统抑郁症检测方法性能已趋于瓶颈,泛化误差难以进一步降低。针对这些问题,本论文采用AdaBoost集成框架,提出AdaBoost协作表示分类器(AdaBoost-CRC)集成检测模型,通过对基分类器进行加权叠加方式,来提高分类器的精确度。本论文的主要工作为:算法采用帧基美尔倒谱特征(MFCC)均值向量作为话语层特征;对分布不平衡的各类训练样本奇异值分解得到元样本,构建平衡类字典;由平衡类字典建立基分类器,构建集成检测模型。在特征提取环节,通过在指定范围随机选择浊音帧阈值,考察话语层特征扰动效果。AdaBoost-CRC框架采用随机数作为字典原子的各类元样本数量。通过建立多种个体差异基分类器,构建随机动态集成加权分类模型,增强集成检测系统异质性。算法评价采用AVEC2013抑郁症语料库。依据留一人交叉验证,对比神经网络、支持向量机、稀疏表示分类器、协作表示分类器重度抑郁症检测性能。结果表明,所提方法最优。

关键词：重度抑郁症 AdaBoost算法协作表示小样本类不平衡集成学习

来源：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：