检索结果-内蒙古大学图书馆

计算机研究与发展 2017年第5期54卷 1067-1076页

作者：刘胜蓝冯林孙木鑫刘洋大连理工大学电子信息与电气工程学部辽宁大连116024 大连理工大学创新实验学院辽宁大连116024

在图像检索中,多特征图融合方法大多仅对最近邻域进行融合.当每个特征的近邻图排序结果较差时,融合后的新图难以得到理想的检索效果.为了解决该问题,提出一种新的多特征图融合图像检索方法——分组排序融合(group ranking fusion,GRF),... 详细信息

在图像检索中,多特征图融合方法大多仅对最近邻域进行融合.当每个特征的近邻图排序结果较差时,融合后的新图难以得到理想的检索效果.为了解决该问题,提出一种新的多特征图融合图像检索方法——分组排序融合(group ranking fusion,GRF),该方法将数据集合中的相似图片划分为图片组,利用相似图片组对近邻图的检索结果进行改进,在保持精度的前提下扩充了融合范围.最后,在3个标准数据集上的实验结果表明:多特征融合方法能够有效地利用多特征图提高图像检索效果.

关键词：多特征融合基于内容的图像检索规范最小割图学习检索重排

来源：评论

学校读者我要写书评

暂无评论

超混沌复系统的自适应广义组合复同步及参数辨识

引用

电子与信息学报 2016年第8期38卷 2062-2067页

作者：王诗兵王兴元大连理工大学电子信息与电气工程学部大连116024 阜阳师范学院计算机与信息工程学院阜阳236041

该文针对含未知参数的异结构超混沌复系统,基于自适应控制及Lyapunov稳定性理论,提出一种新的自适应广义组合复同步方法 (GCCS)。首先给出广义组合复同步的定义,将驱动-响应系统的同步问题转化为误差系统零解的稳定性问题;然后从理论上... 详细信息

该文针对含未知参数的异结构超混沌复系统,基于自适应控制及Lyapunov稳定性理论,提出一种新的自适应广义组合复同步方法 (GCCS)。首先给出广义组合复同步的定义,将驱动-响应系统的同步问题转化为误差系统零解的稳定性问题;然后从理论上设计了非线性反馈同步控制器及参数辨识更新律,并引入误差反馈增益,以控制同步的收敛速度;最后以超混沌复Lorenz系统、超混沌复Chen系统、超混沌复Lü系统的广义组合复同步与参数估计为例,从数值仿真角度验证了所提方法的正确性和有效性。

关键词：超混沌复系统广义组合复同步参数辨识自适应控制

来源：评论

学校读者我要写书评

暂无评论

急性无氧功率自行车运动对颈总动脉弹性模量和局部血液动力学的影响

引用

医用生物力学 2013年第4期28卷 418-424,431页

作者：朱勇侯杰刘波朱亚冰邱天爽覃开蓉大连理工大学电子信息与电气工程学部生物医学工程系辽宁大连116024 大连理工大学电子信息与电气工程学部信息与通讯工程学院辽宁大连116024

目的研究急性无氧功率自行车运动对不同性别人体颈总动脉弹性模量和局部血液动力学的影响。方法以9名男性和8名女性20～30岁年龄段的健康志愿者作为研究对象,使用无氧功率自行车持续进行4组相同强度的急性运动训练。应用彩色超声多普勒... 详细信息

目的研究急性无氧功率自行车运动对不同性别人体颈总动脉弹性模量和局部血液动力学的影响。方法以9名男性和8名女性20～30岁年龄段的健康志愿者作为研究对象,使用无氧功率自行车持续进行4组相同强度的急性运动训练。应用彩色超声多普勒分别检测静息状态及每组运动训练后的颈总动脉管径波形、轴心流速波形,用电子自动血压计同步检测心率和血压大小。运用经典血液动力学理论对检测数据进行分析,计算颈总动脉的弹性模量和局部血液动力学参数,包括压力-应变弹性模量、流量率、周向应变、壁面切应力和振荡剪切指数。结果运动后心率增加;随着运动的积累,颈总动脉弹性模量呈增加趋势;一个心动周期内轴心血流速度和流量率最大值与平均值上升,流速和流量率最小值下降;收缩压和平均压增高,舒张压无明显改变;周向应变无明显改变;切应力最大值有明显增加的趋势,切应力最小值下降趋势明显;振荡剪切指数也有增大的趋势。结论急性无氧功率自行车运动可增加20～30岁年龄段不同性别志愿者的颈总动脉弹性模量,并对颈总动脉局部血液运动学和动力学功能参数产生明显的影响。本文结果将为无氧运动调控脑血管功能提供有用的血液动力学信息。

关键词：无氧运动功率自行车弹性模量血液动力学颈总动脉

来源：评论

学校读者我要写书评

暂无评论

基于网络编码和中继选择的无码率协作传输

引用

系统工程与电子技术 2013年第11期35卷 2439-2444页

作者：祝开艳王洪玉孙文珠大连理工大学电子信息与电气工程学部辽宁大连116024 大连海洋大学信息工程学院辽宁大连116023

高频谱利用率的协作中继传输设计,是协作通信领域的一个研究难点。针对这一问题,结合网络编码和中继选择协作,提出了一种新的无码率中继协作传输方案。在传输当前消息块的同时允许传输下个消息块的部分信息,从而减少所需的传输次数,提... 详细信息

高频谱利用率的协作中继传输设计,是协作通信领域的一个研究难点。针对这一问题,结合网络编码和中继选择协作,提出了一种新的无码率中继协作传输方案。在传输当前消息块的同时允许传输下个消息块的部分信息,从而减少所需的传输次数,提高频谱效率。将准静态瑞利衰落信道等效成相应的删除信道,分析了目的节点译码所需传输次数的概率质量函数和平均传输次数,并与其他无码率传输方案进行了性能比较。理论分析和仿真结果表明,采用网络编码和中继选择的无率传输系统在传输次数上进一步改善系统性能。

关键词：协作通信网络编码数字喷泉码中继选择瑞利衰落信道

来源：评论

学校读者我要写书评

暂无评论

基于拉普拉斯方法的大规模高斯过程分类算法

引用

控制与决策 2017年第7期32卷 1319-1324页

作者：马彪贺建军李厚杰大连民族大学信息与通信工程学院辽宁大连116600 大连理工大学电子信息与电气工程学部辽宁大连116024

基于KL散度的大规模变分高斯过程分类算法(KLSP)需要同时对诱导变量的均值向量和协方差矩阵进行优化,这会给模型求解带来一定的挑战.基于拉普拉斯方法建立一种改进算法:首先为诱导变量的后验分布构造一个易于计算的下界;然后利用拉普拉... 详细信息

基于KL散度的大规模变分高斯过程分类算法(KLSP)需要同时对诱导变量的均值向量和协方差矩阵进行优化,这会给模型求解带来一定的挑战.基于拉普拉斯方法建立一种改进算法:首先为诱导变量的后验分布构造一个易于计算的下界;然后利用拉普拉斯方法计算该下界的一个高斯逼近作为诱导变量的后验分布函数的近似表达式,将问题转换为一个只与均值向量有关的凸优化问题,从而降低了模型的求解难度.仿真实验结果表明,所提出的改进算法在速度和精度上都较原始算法有了明显提高.

关键词：大规模数据分类高斯过程模型拉普拉斯方法变分方法

来源：评论

学校读者我要写书评

暂无评论

基于变分高斯过程模型的快速核偏标记学习算法

引用

计算机研究与发展 2017年第1期54卷 63-70页

作者：周瑜贺建军顾宏大连理工大学电子信息与电气工程学部辽宁大连116024 大连民族大学信息与通信工程学院辽宁大连116600

偏标记学习(partial label learning)是人们最近提出的一种弱监督机器学习框架,由于放松了训练数据集的构造条件,只需知道训练样本的真实标记的一个候选集合就可进行学习,可以更方便地处理很多领域的实际问题.在该框架下,训练数据的标... 详细信息

偏标记学习(partial label learning)是人们最近提出的一种弱监督机器学习框架,由于放松了训练数据集的构造条件,只需知道训练样本的真实标记的一个候选集合就可进行学习,可以更方便地处理很多领域的实际问题.在该框架下,训练数据的标记信息不再具有单一性和明确性,这就使得学习算法的构建变得比传统分类问题更加困难,目前只建立了几种面向小规模训练数据的学习算法.先利用ECOC技术将原始偏标记训练集转换为若干标准二分类数据集,然后基于变分高斯过程模型在每个二分类数据集上构建一个具有较低计算复杂度的二分类算法,最终实现了一种面向大规模数据的快速核偏标记学习算法.仿真实验结果表明,所提算法在预测精度几乎相当的情况下,训练时间要远远少于已有的核偏标记学习算法,利用普通的PC机处理样本规模达到百万级的问题只需要40min.

关键词：偏标记学习核方法大规模数据高斯过程分类

来源：评论

学校读者我要写书评

暂无评论

一种判别极端学习的相关反馈图像检索方法

引用

西安交通大学学报 2016年第8期50卷 96-102页

作者：黄晓冬孙亮刘胜蓝解放军信息工程大学信息系统工程学院郑州450001 大连理工大学电子信息与电气工程学部大连116024

针对基于支持向量机(SVM)的相关反馈图像检索方法计算复杂度高、缺乏判别能力以及图像特征提取不充分的问题,提出一种基于判别极端学习的相关反馈图像检索(DELM)方法。在图像特征提取阶段,通过连接图像的颜色、纹理及边缘直方图实现图... 详细信息

针对基于支持向量机(SVM)的相关反馈图像检索方法计算复杂度高、缺乏判别能力以及图像特征提取不充分的问题,提出一种基于判别极端学习的相关反馈图像检索(DELM)方法。在图像特征提取阶段,通过连接图像的颜色、纹理及边缘直方图实现图像的特征提取,解决了以往多数检索方法仅使用单一图像特征造成的图像描述不充分的问题;在检索的反馈阶段,将最大边际准则(MMC)引入到极端学习机中,通过分析极端学习机隐层空间的类内离散度和类间离散度得到包含判别信息的分类模型,并给出降维和不降维两种形式,以提高相关反馈图像检索系统的检索能力。DELM方法能有效应用于基于内容的图像检索中,并显著提高图像检索的性能。实验结果表明,DELM方法和采用SVM、ELM和最小类别方差ELM的方法相比,在Corel-1K数据集下检索平均准确率分别提高了11.06%、5.28%和6.40%。

关键词：图像检索相关反馈支持向量机极端学习机判别信息

来源：评论

学校读者我要写书评

暂无评论

一种基于最大值损失函数的快速偏标记学习算法

引用

计算机研究与发展 2016年第5期53卷 1053-1062页

作者：周瑜贺建军顾宏张俊星大连理工大学电子信息与电气工程学部辽宁大连116024 大连民族大学信息与通信工程学院辽宁大连116600

在弱监督信息条件下进行学习已成为大数据时代机器学习领域的研究热点,偏标记学习是最近提出的一种重要的弱监督学习框架,主要解决在只知道训练样本的真实标记属于某个候选标记集合的情况下如何进行学习的问题,在很多领域都具有广泛应用... 详细信息

在弱监督信息条件下进行学习已成为大数据时代机器学习领域的研究热点,偏标记学习是最近提出的一种重要的弱监督学习框架,主要解决在只知道训练样本的真实标记属于某个候选标记集合的情况下如何进行学习的问题,在很多领域都具有广泛应用.最大值损失函数可以很好地描述偏标记学习中的样本与候选标记间的关系,但是由于建立的模型通常是一个难以求解的非光滑函数,目前还没有建立基于该损失函数的偏标记学习算法.此外,已有的偏标记学习算法都只能处理样本规模比较小的问题,还没看到面向大数据的算法.针对以上2个问题,先利用凝聚函数逼近最大值损失函数中的max(·)将模型的目标函数转换为一个光滑的凹函数,然后利用随机拟牛顿法对其进行求解,最终实现了一种基于最大值损失函数的快速偏标记学习算法.仿真实验结果表明,此算法不仅要比基于均值损失函数的传统算法取得更好的分类精度,运行速度上也远远快于这些算法,处理样本规模达到百万级的问题只需要几分钟.

关键词：偏标记学习最大值损失函数凝聚函数弱监督学习分类精度

来源：评论

学校读者我要写书评

暂无评论

基于最小CIM准则的Farrow结构分数时延估计

引用

通信学报 2015年第1期36卷 218-223页

作者：于玲邱天爽大连理工大学电子信息与电气工程学部辽宁大连116024 辽宁工业大学电子与信息工程学院辽宁锦州112021

提出了一种基于最小相关熵诱导距离(CIM)和Farrow结构的分数时延估计算法。该算法具有较强的抗脉冲噪声的能力,且所需观测数据较少,时延估计结果精度较高。理论分析和仿真实验表明,所提算法的估计精度和抗脉冲噪声性能均优于基于分数低... 详细信息

提出了一种基于最小相关熵诱导距离(CIM)和Farrow结构的分数时延估计算法。该算法具有较强的抗脉冲噪声的能力,且所需观测数据较少,时延估计结果精度较高。理论分析和仿真实验表明,所提算法的估计精度和抗脉冲噪声性能均优于基于分数低阶统计量的LETDE算法。

关键词：分数时延估计相关熵最小CIM准则 Farrow结构

来源：评论

学校读者我要写书评

暂无评论

稀疏表示中稀疏系数的l1范数的特性分析

引用

系统工程与电子技术 2019年第12期41卷 2692-2696页

作者：宗静静邱天爽大连理工大学电子信息与电气工程学部辽宁大连116024 大连交通大学电气信息工程学院辽宁大连116028

稀疏表示模型被广泛应用于计算机视觉和模式识别领域,该数学模型中参数稀疏系数的l1范数作为图像块的活跃度度量(activity level measurement,ALM)特征被成功应用于稀疏表示图像融合领域,但该参数的物理意义至今没有明确的解释。以此问... 详细信息

稀疏表示模型被广泛应用于计算机视觉和模式识别领域,该数学模型中参数稀疏系数的l1范数作为图像块的活跃度度量(activity level measurement,ALM)特征被成功应用于稀疏表示图像融合领域,但该参数的物理意义至今没有明确的解释。以此问题为出发点,首先,从广义的角度出发,将图像块的稀疏系数向量的l1范数定义为奇异度;其次,在理论上定性说明了该定义的合理性;第三,通过实验,以图形化方式侧面展示了该参数的物理意义。理论与实验分析结果表明:信号向量的稀疏系数可看作该向量在字典基函数下的投影坐标,稀疏系数的l1范数可用来描述信号的奇异性特征。

关键词：稀疏表示图像融合稀疏系数的l1范数奇异度

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：