检索结果-内蒙古大学图书馆

一类分裂变分不等式及其收敛算法

引用

数学学报（中文版） 2015年第6期58卷 1035-1044页

作者：黄志霞黄建华福州大学数学与计算机科学学院福州350108

引入一种新的分裂变分不等式问题,构造了两种算法来求解,得到了相应迭代序列的弱收敛性和强收敛性.

关键词：分裂变分不等式问题非扩张弱收敛强收敛

来源：评论

学校读者我要写书评

暂无评论

潜在最小二乘回归子空间分割方法

引用

模式识别与人工智能 2016年第1期29卷 31-38页

作者：陈晓云陈慧娟福州大学数学与计算机科学学院福州350116

子空间分割已逐渐成为高维数据聚类的有效工具,但数据缺失或噪声干扰将直接影响子空间分割方法中仿射矩阵的构造,进而影响聚类效果.为解决这一问题,文中提出潜在最小二乘回归子空间分割方法,分别从行和列两个方向重构数据矩阵,并交替优... 详细信息

子空间分割已逐渐成为高维数据聚类的有效工具,但数据缺失或噪声干扰将直接影响子空间分割方法中仿射矩阵的构造,进而影响聚类效果.为解决这一问题,文中提出潜在最小二乘回归子空间分割方法,分别从行和列两个方向重构数据矩阵,并交替优化两个重构系数矩阵,充分考虑两个方向的表示信息.在6个基因表达数据集上的实验表明文中方法优于现有子空间分割方法.

关键词：子空间分割基因表达数据交替优化谱聚类

来源：评论

学校读者我要写书评

暂无评论

基于DOM树层次特征的多记录网页抽取

引用

模式识别与人工智能 2015年第2期28卷 125-131页

作者：陈巧灵廖祥文魏晶晶陈国龙福州大学数学与计算机科学学院福州350108

现有的多记录网页抽取方法通常是对文件对象模型(DOM)树进行整体纵向结构分析,计算的结构相似度普遍偏低,使其不能正确识别记录区域.文中提出基于DOM树层次特征的记录抽取方法,该方法利用DOM树不同层次节点的不同作用对其进行横向分析,... 详细信息

现有的多记录网页抽取方法通常是对文件对象模型(DOM)树进行整体纵向结构分析,计算的结构相似度普遍偏低,使其不能正确识别记录区域.文中提出基于DOM树层次特征的记录抽取方法,该方法利用DOM树不同层次节点的不同作用对其进行横向分析,将寻找相似子树的问题转换为寻找节点块的相似子块,最后采用双向拓展搜索非重叠重复子块进行记录分隔.实验表明该方法能抽取现有抽取器无法处理的页面,多个数据源的抽取结果验证其有效性.

关键词：信息抽取多记录网页抽取算法

来源：评论

学校读者我要写书评

暂无评论

基于局部相关维度的流形离群点检测算法

引用

模式识别与人工智能 2011年第5期24卷 629-636页

作者：黄添强李凯郭躬德福建师范大学数学与计算机科学学院计算机科学系福州350007 清华大学计算机科学与技术系北京100084

传统的离群点检测算法不适合检测流形离群点,目前专门针对流形离群点检测的算法报道较少.为此,基于实验观察的启示,提出用流形局部相关维度检测流形离群点的算法.首先探讨内在维度的性质,并基于实验观察提出用流形局部相关维度来度量流... 详细信息

传统的离群点检测算法不适合检测流形离群点,目前专门针对流形离群点检测的算法报道较少.为此,基于实验观察的启示,提出用流形局部相关维度检测流形离群点的算法.首先探讨内在维度的性质,并基于实验观察提出用流形局部相关维度来度量流形离群点,然后证明流形局部相关维度可表征数据样本离群的性质,最后基于此性质提出流形离群点检测算法.在人工数据与真实数据上的实验表明本算法可检测流形离群点,且本算法比最近报道的流形除噪算法具有更优的性能.

关键词：数据挖掘离群点检测流形学习局部相关维度

来源：评论

学校读者我要写书评

暂无评论

Hilbert空间中的斜对偶g-框架

引用

数学学报（中文版） 2013年第1期56卷 41-52页

作者：肖祥春朱玉灿福州大学数学与计算机科学学院福州350108

在Hilbert空间中把斜对偶原理推广到更一般的g-框架.我们给出了{A_j:j∈J}是g-框架{F_j:j∈J}的一个斜对偶g-框架的等价条件,还给出了一个斜对偶g-框架对是对称的充分条件.最后,在不同的条件下构造了几对斜对偶g-框架.

关键词： g-框架斜对偶对称

来源：评论

学校读者我要写书评

暂无评论

纹理图像分类的置信规则库推理方法

引用

应用科学学报 2017年第5期35卷 545-558页

作者：方志坚傅仰耿陈建华福州大学数学与计算机科学学院福州350116

针对传统纹理图像分类算法识别率不高的问题,引入置信规则库推理方法而提出一种纹理图像分类策略.目前纹理图像分类研究常局限于纹理特征提取算法的改进,而忽视了另一个决定分类效果的关键,即分类器设计.该文采用置信规则库推理方法,在... 详细信息

针对传统纹理图像分类算法识别率不高的问题,引入置信规则库推理方法而提出一种纹理图像分类策略.目前纹理图像分类研究常局限于纹理特征提取算法的改进,而忽视了另一个决定分类效果的关键,即分类器设计.该文采用置信规则库推理方法,在现有纹理特征提取算法基础上重新设计纹理图像分类器.根据角度径向变换和灰度共生矩阵算法提取图像纹理特征,采用主成分分析方法减少角度径向变换特征的维数,以避免产生置信规则库"组合爆炸"的问题.最后用置信规则库推理方法将纹理特征信息转换成类别置信度信息,得到最终的分类结果.实验中将置信规则库推理方法分别与相似性距离度量法和支持向量机法进行对比,结果表明所提出的方法在一定程度上提高了纹理图像分类准确率.

关键词：置信规则库纹理图像分类证据推理角半径变换灰度共生矩阵

来源：评论

学校读者我要写书评

暂无评论

K-框架的自然K-对偶Bessel序列

引用

中国科学：数学 2020年第2期50卷 287-300页

作者：傅元康朱玉灿福州大学数学与计算机科学学院福州350116

众所周知,自然K-对偶Bessel序列指的是所有K-对偶Bessel序列中分析算子的范数最小的那个K-对偶Bessel序列,但是通过该定义无法直接知道自然K-对偶Bessel序列的具体形式.本文先给出两种特殊情况下,K-框架的自然K-对偶Bessel序列的具体形... 详细信息

众所周知,自然K-对偶Bessel序列指的是所有K-对偶Bessel序列中分析算子的范数最小的那个K-对偶Bessel序列,但是通过该定义无法直接知道自然K-对偶Bessel序列的具体形式.本文先给出两种特殊情况下,K-框架的自然K-对偶Bessel序列的具体形式和最佳K-框架界.特别地,有限维Hilbert空间中的K-框架的最佳K-框架界可以用特征值来表示.最后,通过本文所得到的自然K-对偶Bessel序列的具体形式来刻画出所有的K-对偶Bessel序列.

关键词： K-框架 K-对偶Bessel序列自然K-对偶Bessel序列最佳K-框架界

来源：评论

学校读者我要写书评

暂无评论

基因表达数据的低秩投影最小二乘回归子空间分割

引用

模式识别与人工智能 2017年第2期30卷 106-116页

作者：陈晓云肖秉森林莉媛福州大学数学与计算机科学学院福州350108

基因表达数据具有高维、小样本、多噪声和高冗余的特点,使传统聚类方法效率较低.子空间分割是高维数据聚类的有效手段,但直接对基因表达数据进行子空间分割会降低聚类性能.为了更有效地聚类,文中提出低秩投影最小二乘回归子空间分割方法... 详细信息

基因表达数据具有高维、小样本、多噪声和高冗余的特点,使传统聚类方法效率较低.子空间分割是高维数据聚类的有效手段,但直接对基因表达数据进行子空间分割会降低聚类性能.为了更有效地聚类,文中提出低秩投影最小二乘回归子空间分割方法.首先利用改进的低秩方法将数据投影至潜在子空间,以便去除数据中可能的毁损,得到较干净的数据字典.然后采用最小二乘回归方法获得数据低维表示并构造仿射矩阵,利用该仿射矩阵实现聚类.在6个公开基因表达数据集上的实验表明文中方法的有效性.

关键词：基因表达数据聚类最小二乘回归子空间分割低秩投影

来源：评论

学校读者我要写书评

暂无评论

基于最小二乘回归的分块加权子空间聚类

引用

模式识别与人工智能 2016年第12期29卷 1114-1121页

作者：李辉陈晓云福州大学数学与计算机科学学院福州350116

传统子空间聚类算法向量化时忽略样本的自然结构信息,并且容易造成高维度小样本问题,从而导致聚类信息损失.为了弥补该缺陷,文中提出基于最小二乘回归的分块加权子空间聚类(WB-LSR).首先,将样本按维度分成若干块,并求得各个块对应的仿... 详细信息

传统子空间聚类算法向量化时忽略样本的自然结构信息,并且容易造成高维度小样本问题,从而导致聚类信息损失.为了弥补该缺陷,文中提出基于最小二乘回归的分块加权子空间聚类(WB-LSR).首先,将样本按维度分成若干块,并求得各个块对应的仿射矩阵.然后,通过相互投票方式对各仿射矩阵设置权重,将加权和作为最终的仿射矩阵.在图像数据和视频数据上的实验表明,文中方法能有效提升聚类准确率.

关键词：子空间聚类结构信息块仿射矩阵权重

来源：评论

学校读者我要写书评

暂无评论

适应目标尺度变化的改进压缩跟踪算法

引用

模式识别与人工智能 2016年第11期29卷 985-996页

作者：张雨婷叶东毅柯逍陈昭炯福州大学数学与计算机科学学院福州350116

基于压缩感知理论对目标Haar-like特征进行降维处理的压缩跟踪算法采用固定大小的跟踪框跟踪目标,在目标尺度发生变化时,容易产生跟踪漂移甚至丢失跟踪目标的现象.为了克服这一缺陷,文中分析Haar-like特征随目标尺度变化的情况,发现在... 详细信息

基于压缩感知理论对目标Haar-like特征进行降维处理的压缩跟踪算法采用固定大小的跟踪框跟踪目标,在目标尺度发生变化时,容易产生跟踪漂移甚至丢失跟踪目标的现象.为了克服这一缺陷,文中分析Haar-like特征随目标尺度变化的情况,发现在一定变化尺度范围内,跟踪矩形框内目标Haar-like特征值的变化与跟踪矩形框的面积变化呈近似线性关系,在此基础上提出适应目标尺度变化的改进压缩跟踪算法(CTVS).实验表明,CTVS具有较高的尺度自适应能力,能更好地减轻目标跟踪过程中可能出现的遮挡、光照变化、背景混杂、变形等干扰因素的影响,具有较高的鲁棒性和准确性.同时算法计算效率较高,能够达到实时跟踪的目的.

关键词：目标跟踪压缩感知 Haar-like特征尺度变化

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：