检索结果-内蒙古大学图书馆

作者：崔子良昆明理工大学

学位级别：硕士

深度学习在图像处理领域中得到了越来越多的应用,其卷积神经网络模型在图像识别、分类和分割等任务上都表现出了较高的性能,从而受到了许多学者的关注。卷积神经网络在具有良好性能的同时,也有一些不可忽略的不足。一方面,卷积神经网络... 详细信息

深度学习在图像处理领域中得到了越来越多的应用,其卷积神经网络模型在图像识别、分类和分割等任务上都表现出了较高的性能,从而受到了许多学者的关注。卷积神经网络在具有良好性能的同时,也有一些不可忽略的不足。一方面,卷积神经网络模型中存在着大量的权重参数,导致该模型的运算往往对计算机硬件有着较高的要求;另一方面,卷积神经网络的超高精度往往是建立在高质量标签数据集的基础上,而数据集标签信息的获取需要消耗大量时间成本和人力成本,并且在很多实际问题中数据集的标签通常难以获取。为了解决这两方面的问题,本文将统计理论和深度学习相结合来探索新的统计深度学习方法,旨在获得精度更高、参数更少、效率更高的图像分割模型。本文主要研究了以下三个方面的内容:（1）提出了一个空间变换器空洞空间金字塔池（STASPP）网络模块,该模块可以自适应地提取图像中的辅助信息,并使用辅助信息有效提高小体量模型的分割精度。基于改进的全卷积神经网络（FCN）,将STASPP模块加入到FCN中,获得了高精度的STASPP-FCN模型。和FCN模型相比,STASPP-FCN模型的MIo U在模拟数据集上从93.98%提高到了99.23%,在DRIVE数据集上从63.17%提高到了79.99%。（2）提出了一种基于dirichlet过程混合模型的自监督学习方法,该方法可以在不借助人工标签信息的前提下完成模型的训练。在自监督训练的基础上,采用Lasso的思想,对卷积神经网络的权重进行稀疏化,该方法通过在损失函数中添加L2正则化项来压缩卷积核权重,实现模型稀疏化的目的。使用Lasso权重稀疏化方法的模型,在CPU上分割一张图像需要的时间从276ms减少到了270ms。（3）提出了一种基于因子分析的模型压缩方法,该方法采用因子分析方法对卷积核数量和通道数量进行降维,将降维后的权重张量设置为压缩模型的权重,从而实现了模型的压缩,同时也保证了压缩后模型的精度。该方法压缩FCN模型的参数量可以达到45.60%,压缩STASPP-FCN模型的参数量可以达到36.71%。

关键词：图像分割卷积神经网络 dirichlet过程混合模型 Lasso回归因子分析

来源：评论

学校读者我要写书评

暂无评论

无线传感网络的波束成型与时间同步技术研究

无线传感网络的波束成型与时间同步技术研究

引用

作者：刘超杭州电子科技大学

学位级别：硕士

无线传感网络是一种新型无线网络。在近十几年中，无线传感网络得到了快速发展并广泛应用于国防军事、智慧城市、医疗卫生等领域。目前，研究者对无线传感网络的组网模式、拓扑结构、通信协议等方面展开了研究，其中的关键技术包括：时... 详细信息

无线传感网络是一种新型无线网络。在近十几年中，无线传感网络得到了快速发展并广泛应用于国防军事、智慧城市、医疗卫生等领域。目前，研究者对无线传感网络的组网模式、拓扑结构、通信协议等方面展开了研究，其中的关键技术包括：时间同步、数据管理、信息融合和波束成型等。本文对无线传感网络波束成型和时间同步进行了研究。针对无线传感网络中波束成型困难，方向图不易控制的问题，本文提出了基于稀疏贝叶斯学习的无线传感网络波束成型方法。该方法根据无线传感网络的特点将稀疏直线阵优化扩展到稀疏面阵优化中，利用稀疏面阵完成无线传感网络波束成型，减小了无线传感网络波束成型难度。为了保证良好的波束成型方向图，本文将无线传感网络波束成型方向图逼近理想参考方向图，得到稀疏天线阵激励向量的稀疏线性模型；然后，利用稀疏贝叶斯学习方法分析激励向量的先验、拟合激励向量后验，得到激励向量的最大后验估计；最后，利用激励向量的最大后验估计完成无线传感网络波束成型，得到了满意的方向图。实验仿真结果证明了本文方法的可行性和有效性。基于双向时间信息交换机制的无线传感网络时间同步中，不确定时延影响了无线传感网络时间同步精度。针对该问题，本文提出了一种基于DPM（dirichletprocessmixture，dirichlet过程混合模型）模型的RB粒子滤波（Rao-Blackwellisedparticlefilter）时间同步算法。本文算法将双向时间信息交换过程等效成马尔可夫动态过程，把不确定时延看作是马尔可夫动态过程的观测噪声，将时间同步的时钟偏差估计问题转化成马尔可夫模型的状态变量估计问题。本文利用DPM模型描述观测噪声分布，利用RB粒子滤波估计出DPM模型参数和状态变量，得到了观测噪声的混合高斯估计和时钟偏差估计。最终，消除时钟偏差，实现时间同步。实验仿真结果证明了本章算法的有效性，与其它时间同步算法相比，本文算法有更高的时间同步精度。

关键词：无线传感网络波束成型时间同步稀疏贝叶斯学习 dirichlet过程混合模型 RB粒子滤波

来源：评论

学校读者我要写书评

暂无评论

一种基于非参数贝叶斯模型的聚类算法

引用

宁波大学学报（理工版） 2013年第4期26卷 24-28页

作者：张媛媛宁波大学信息科学与工程学院浙江宁波315211

鉴于聚类分析是机器学习和数据挖掘领域的一项重要技术,并且与监督学习不同的是聚类分析中没有类别或标签的指导信息,所以如何选择合适的聚类个数(即模型选择)一直是聚类分析中的难点.由此提出了一种基于dirichlet过程混合模型的聚类算... 详细信息

鉴于聚类分析是机器学习和数据挖掘领域的一项重要技术,并且与监督学习不同的是聚类分析中没有类别或标签的指导信息,所以如何选择合适的聚类个数(即模型选择)一直是聚类分析中的难点.由此提出了一种基于dirichlet过程混合模型的聚类算法,并用collapsed Gibbs采样算法对混合模型的参数进行估计.新算法基于非参数贝叶斯模型的框架,能够在不断的采样过程中优化模型参数并形成合适的聚类个数.在人工合成数据集和真实数据集上的聚类实验结果表明:基于dirichlet过程混合模型的聚类算法不但能够自动确定聚类个数,而且具有较强灵活性和鲁棒性.

关键词：非参数贝叶斯模型 dirichlet过程混合模型聚类分析 Gibbs采样

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：