检索结果-内蒙古大学图书馆

中山大学学报（自然科学版） 2012年第5期51卷 50-53页

作者：叶纬材中山大学数学与计算科学学院//广东省计算科学重点实验室广东广州510275

讨论了如何分划稀疏矩阵的非零元素以减少并行矩阵向量乘法的通信代价。通过以粗化函数为工具,统一现有的数据分划方法;提出一种基于行列分划为初解的粗化函数选取方法,在理论上的证明其运行效率与分划质量不逊于一维数据分划方法;实验... 详细信息

讨论了如何分划稀疏矩阵的非零元素以减少并行矩阵向量乘法的通信代价。通过以粗化函数为工具,统一现有的数据分划方法;提出一种基于行列分划为初解的粗化函数选取方法,在理论上的证明其运行效率与分划质量不逊于一维数据分划方法;实验数据表明,该方法产生分划质量超过一维数据分划方法的结果,接近甚至超过二维细粒度方上法的结果。

关键词：选择粗化函数数据分划并行稀疏矩阵向量乘法

来源：评论

学校读者我要写书评

暂无评论

基于2D-WLDH和最大类间方差的图像阈值分割及其快速递推算法

引用

光电工程 2012年第3期39卷 144-150页

作者：邹小林冯国灿肇庆学院数学与信息科学学院广东肇庆526061 中山大学数学与计算科学学院广州510275 广东省计算科学重点实验室广州510275

本文提出了一个新的二维直方图(2D-WLDH),同时提出了基于2D-WLDH和最大类间方差的图像阈值选取方法,并导出相应快速递推算法。新提出的2D-WLDH在区域划分时可以避免传统直方图区域划分时面临的不合理的假设,通过计算比较小的归一化的WL... 详细信息

本文提出了一个新的二维直方图(2D-WLDH),同时提出了基于2D-WLDH和最大类间方差的图像阈值选取方法,并导出相应快速递推算法。新提出的2D-WLDH在区域划分时可以避免传统直方图区域划分时面临的不合理的假设,通过计算比较小的归一化的WLD值来准确估计目标和背景的概率。本文实验结果表明:与现有的有关算法相比,本文提出的阈值选取快速递推算法不仅使分割后的图像区域内部更均匀、边界形状更准确、抵抗噪声稳健,而且同时其运行时间还减少了约84.93%。

关键词：图像分割阈值选取 2D-WLDH 最大类间方差 WLD

来源：评论

学校读者我要写书评

暂无评论

基于正则割(Ncut)的多阈值图像分割方法

引用

计算机工程与应用 2012年第19期48卷 174-178页

作者：邹小林冯国灿肇庆学院数学与信息科学学院广东肇庆526061 中山大学数学与计算科学学院广州510275 广东省计算科学重点实验室广州510275

在图像处理与目标识别中广为应用的阈值法是图像分割的一种重要方法,因此如何确定阈值是图像分割的关键。提出了一种新的图像阈值分割方法,把图像的一维灰度直方图的灰度级L和对应灰度级L的概率P视为二维平面上的点(L,P),采用新的相似... 详细信息

在图像处理与目标识别中广为应用的阈值法是图像分割的一种重要方法,因此如何确定阈值是图像分割的关键。提出了一种新的图像阈值分割方法,把图像的一维灰度直方图的灰度级L和对应灰度级L的概率P视为二维平面上的点(L,P),采用新的相似度函数来定义这些点之间的相似度,从而构建基于灰度级的相似度矩阵,然后使用正则割(Ncut)进行分类,根据分类结果确定图像的分割阈值。算法用基于灰度级的权值矩阵代替基于像素级的权值矩阵来描述图像像素的关系,因而需要的存储空间及实现的复杂性大大减少;与现有的阈值分割方法相比,该算法能够单阈值和多阈值分割图像,因此具有更为优越的性能。

关键词：图像分割多阈值谱聚类相似度一维直方图

来源：评论

学校读者我要写书评

暂无评论

一种基于静态和动态特征的步态识别新方法

引用

计算机科学 2012年第4期39卷 261-264页

作者：刘志勇冯国灿邹小林中山大学数学与计算科学学院广州510275 广东省计算科学重点实验室广州510275 深圳职业技术学院工业中心深圳518055 肇庆学院数学与信息科学学院肇庆526061

最近,利用步态对个人身份进行识别受到越来越多生物识别技术研究者的重视。步态能量图(Gait EnergyImage,GEI)是一种有效的步态表征方法。把步态能量图分解为身体相关能量图(Body-Related GEI,BGEI)、步态相关能量图(Gait-Related GEI,G... 详细信息

最近,利用步态对个人身份进行识别受到越来越多生物识别技术研究者的重视。步态能量图(Gait EnergyImage,GEI)是一种有效的步态表征方法。把步态能量图分解为身体相关能量图(Body-Related GEI,BGEI)、步态相关能量图(Gait-Related GEI,GGEI)、身体步态相关能量图(Body-Gait-Related GEI,BGGEI)3部分,利用傅立叶描绘子对身体相关能量图(BGEI)、身体步态相关能量图(BGGEI)进行描述,利用Gabor小波提取步态相关能量图(GGEI)的幅值特征,分别研究了它们的识别能力,并在Rank层和Score层融合步态相关能量图(GGEI)、身体步态相关能量图(BGGEI)这两部分信息用于步态识别。该算法在CASIA数据库上进行的试验取得了较高的正确识别率。

关键词：步态能量图静态特征动态特征融合步态识别

来源：评论

学校读者我要写书评

暂无评论

基于谱聚类的多阈值图像分割方法

引用

计算机科学 2012年第3期39卷 246-248,259页

作者：邹小林陈伟福冯国灿刘志勇汤鑫中山大学数学与计算科学学院广州510275 肇庆学院数学与信息科学学院肇庆526061 广东省计算科学重点实验室广州510275 深圳职业技术学院工业中心深圳518055

阈值法是图像分割的一种重要方法,在图像处理与目标识别中广为应用。因此,如何确定阈值是图像分割的关键。提出了一种新的图像阈值分割方法,即通过采用新的相似度函数的谱聚类算法(Dcut)确定图像阈值。采用基于灰度级的权值矩阵代替常... 详细信息

阈值法是图像分割的一种重要方法,在图像处理与目标识别中广为应用。因此,如何确定阈值是图像分割的关键。提出了一种新的图像阈值分割方法,即通过采用新的相似度函数的谱聚类算法(Dcut)确定图像阈值。采用基于灰度级的权值矩阵代替常用的基于图像像素级的权值矩阵描述图像像素的关系,因而算法需要的存储空间及实现的复杂性与其它基于图的图像分割方法相比大大减少。实验表明,该方法分割图像的时间少,且能够单阈值和多阈值分割图像,与现有的阈值分割方法相比,其具有更为优越的分割性能。

关键词：图像阈值分割多阈值谱聚类 Dcut

来源：评论

学校读者我要写书评

暂无评论

基于概率图模型的图像纹理模型

引用

中山大学学报（自然科学版） 2011年第2期50卷 6-10,15页

作者：杨关冯国灿陈伟福罗志宏中山大学数学与计算科学学院广东省计算科学重点实验室广东广州510275

纹理作为一种视觉特征,它广泛应用于图像分析。概率图模型由于其自身特点可以很好地描述纹理。高斯图模型结构可根据局部马尔科夫性和高斯变量的条件回归之间的关系来学习。高斯图模型可用一个邻域系统、一个参数集和一个噪声序列表示... 详细信息

纹理作为一种视觉特征,它广泛应用于图像分析。概率图模型由于其自身特点可以很好地描述纹理。高斯图模型结构可根据局部马尔科夫性和高斯变量的条件回归之间的关系来学习。高斯图模型可用一个邻域系统、一个参数集和一个噪声序列表示。利用惩罚正则化方法,可以选择高斯图模型的邻域并估计参数,然后提取纹理特征进行纹理合成和分类。实验结果显示基于高斯图模型的纹理特征更加有效。

关键词：高斯图模型模型选择惩罚正则化纹理合成纹理分类

来源：评论

学校读者我要写书评

暂无评论

图模型在彩色纹理分类中的应用

引用

计算机科学 2011年第10期38卷 273-277页

作者：杨关张向东冯国灿邹小林刘志勇中原工学院计算机学院中山大学数学与计算科学学院广东省计算科学重点实验室河南省理工学校

纹理分析中往往将彩色图像转换为灰度图以降低计算复杂度,这样就忽略了颜色信息。而利用主成分分析的方法来降维彩色纹理,则可以尽可能地保留颜色和纹理信息。高斯图模型(Gaussian Graphical Models,GGM)可以很好地描述有交互作用的高... 详细信息

纹理分析中往往将彩色图像转换为灰度图以降低计算复杂度,这样就忽略了颜色信息。而利用主成分分析的方法来降维彩色纹理,则可以尽可能地保留颜色和纹理信息。高斯图模型(Gaussian Graphical Models,GGM)可以很好地描述有交互作用的高维数据,因此可用来建立图像纹理模型。根据局部马尔可夫性和高斯变量的条件回归之间的关系,可将复杂的模型选择转变为较简单的变量选择。通过惩罚正则化方法,其邻域选择和参数估计可同步进行,然后提取纹理特征进行彩色纹理分类,实验显示其具有很好的效果。因此,结合主成分分析和高斯图模型来构建彩色纹理模型有很好的发展前景。

关键词：高斯图模型变量选择 L1-惩罚正则化彩色纹理分类

来源：评论

学校读者我要写书评

暂无评论

图模型在彩色纹理分类中的应用

引用

计算机科学与探索 2011年第10期38卷 273-277页

作者：杨关张向东冯国灿邹小林刘志勇中原工学院计算机学院郑州 450007 中山大学数学与计算科学学院广东省计算科学重点实验室广州 510275 河南省理工学校郑州 450000 中山大学数学与计算科学学院广东省计算科学重点实验室广州 510275

纹理分析中往往将彩色图像转换为灰度图以降低计算复杂度,这样就忽略了颜色信息.而利用主成分分析的方法来降维彩色纹理,则可以尽可能地保留颜色和纹理信息.高斯图模型(Gaussian Graphical Models,GGM)可以很好地描述有交互作用的高维数... 详细信息

纹理分析中往往将彩色图像转换为灰度图以降低计算复杂度,这样就忽略了颜色信息.而利用主成分分析的方法来降维彩色纹理,则可以尽可能地保留颜色和纹理信息.高斯图模型(Gaussian Graphical Models,GGM)可以很好地描述有交互作用的高维数据,因此可用来建立图像纹理模型.根据局部马尔可夫性和高斯变量的条件回归之间的关系,可将复杂的模型选择转变为较简单的变量选择.通过惩罚正则化方法,其邻域选择和参数估计可同步进行,然后提取纹理特征进行彩色纹理分类,实验显示其具有很好的效果.因此,结合主成分分析和高斯图模型来构建彩色纹理模型有很好的发展前景.

关键词：高斯图模型变量选择 L1-惩罚正则化彩色纹理分类

来源：评论

学校读者我要写书评

暂无评论

基于二次多项式模型的人脸光照归一化

引用

电子学报 2010年第8期38卷 1791-1797页

作者：谢晓华赖剑煌郑伟诗中山大学数学与计算科学学院广东广州510275 广东省信息安全技术重点实验室广东广州510275 中山大学信息科学与技术学院广东广州510275 伦敦大学玛丽皇后学院计算机系

根据人脸光照变化非线性的特性,本文提出用二次多项式模型来描述非正面光照条件下的人脸图像与正面光照条件下的人脸图像在对应象素点灰度之间的关系,进而提出一种人脸光照归一化方法.本方法的一个重要特点是独立于先验的物理模型而通... 详细信息

根据人脸光照变化非线性的特性,本文提出用二次多项式模型来描述非正面光照条件下的人脸图像与正面光照条件下的人脸图像在对应象素点灰度之间的关系,进而提出一种人脸光照归一化方法.本方法的一个重要特点是独立于先验的物理模型而通过建立统计回归模型来学习不同光照图像之间的关系.此外,提出用基于PCA的方法对光照归一化后的人脸图像进行加权补偿,进一步改善图像的视觉效果.在Extended YaleB和CMU-PIE人脸库上的实验结果表明,新方法在改善人脸视觉效果同时能大大提高人脸识别准确率.

关键词：人脸识别光照归一化二次多项式模型

来源：评论

学校读者我要写书评

暂无评论

分子系统发育分析的生物信息学方法

引用

计算机科学 2010年第8期37卷 47-51,66页

作者：张树波赖剑煌广州航海高等专科学校计算机系广州510725 中山大学数学与计算科学学院广州510275 广东省信息安全技术重点实验室广州510725 中山大学信息技术与科学学院广州510275

物种之间的系统发育分析研究物种的形成或进化历史,以及物种之间的进化关系,它是当代生命科学研究的一个重要分支。分子生物学和计算机科学的发展,为人类采用计算的方法从分子水平研究生物的进化历史以及探索生命的起源提供了新的思路... 详细信息

物种之间的系统发育分析研究物种的形成或进化历史,以及物种之间的进化关系,它是当代生命科学研究的一个重要分支。分子生物学和计算机科学的发展,为人类采用计算的方法从分子水平研究生物的进化历史以及探索生命的起源提供了新的思路。在过去的几十年中,基于分子水平的系统发育学研究取得很大的进展,各种各样基于分子水平的系统发育树推断方法被提出来。现从物种进化距离刻画和系统发育树重构算法两个方面,总结和评述了在过去十几年里,人类利用生物信息学方法在分子水平上研究物种进化关系的进展和取得的成果,分析了物种进化研究存在的问题和面临的挑战,指出了物种进化研究今后的主要方向。

关键词：生物信息学系统发育分析基因进化最大简约法最大似然法邻接法

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：