检索结果-内蒙古大学图书馆

智能系统学报 2020年第4期15卷 722-731页

作者：吴贵山林淑彬钟江华杨文元闽南师范大学计算机学院福建漳州363000 闽南师范大学福建省粒计算及其应用重点实验室福建漳州363000 闽南师范大学信息与网络中心福建漳州363000

针对预训练卷积神经网络提取的深度特征空间分辨率低,快速运动造成运动目标空间细节信息丢失等问题,提出用区域损失函数构建孪生网络的目标跟踪,进一步降低深度特征通道之间的冗余性,并减少高层信息丢失。利用线下预训练的VGG-16卷积神... 详细信息

针对预训练卷积神经网络提取的深度特征空间分辨率低,快速运动造成运动目标空间细节信息丢失等问题,提出用区域损失函数构建孪生网络的目标跟踪,进一步降低深度特征通道之间的冗余性,并减少高层信息丢失。利用线下预训练的VGG-16卷积神经网络提取深度特征,构成初始深度特征空间。通过区域损失函数构建特征和尺度选择网络,根据反向传播的梯度大小进行特征选择。对筛选后的特征进行拼接,融入到孪生网络中匹配跟踪。在OTB-2013、OTB-2015、VOT2016、TempleColor数据集上与其他算法对比。实验结果表明,该算法在快速运动、低分辨率等场景中表现出较好的跟踪精度和鲁棒性。

关键词：计算机视觉目标跟踪区域损失深度特征孪生网络卷积神经网络反向传播 VGG网络

来源：评论

学校读者我要写书评

暂无评论

基于最大决策边界的高维类不平衡数据在线流特征选择

引用

模式识别与人工智能 2020年第9期33卷 820-829页

作者：林耀进陈祥焰白盛兴王晨曦闽南师范大学计算机学院漳州363000 闽南师范大学数据科学与智能应用福建省高等学校重点实验室漳州363000

数据的特征空间常随时间动态变化,而训练样本的数量固定不变,数据的特征空间在呈现超高维特点的同时通常伴随决策空间的类别不平衡问题.对此,文中提出基于最大决策边界的高维类不平衡数据在线流特征选择算法.借助邻域粗糙集模型,在充分... 详细信息

数据的特征空间常随时间动态变化,而训练样本的数量固定不变,数据的特征空间在呈现超高维特点的同时通常伴随决策空间的类别不平衡问题.对此,文中提出基于最大决策边界的高维类不平衡数据在线流特征选择算法.借助邻域粗糙集模型,在充分考虑边界样本影响的基础上,定义自适应邻域关系,设计基于最大决策边界的粗糙依赖度计算公式.同时,提出三种在线特征子集评估指标,用于选择在大类和小类之间具有强区分能力的特征.在11个高维类不平衡数据集上的实验表明,在相同的实验环境及特征数量下,文中算法综合性能较优.

关键词：在线特征选择高维类不平衡数据自适应邻域邻域粗糙集

来源：评论

学校读者我要写书评

暂无评论

应用k-means算法实现标记分布学习

引用

智能系统学报 2017年第3期12卷 325-332页

作者：邵东恒杨文元赵红闽南师范大学粒计算重点实验室福建漳州363000

标记分布学习是近年来提出的一种新的机器学习范式,它能很好地解决某些标记多义性的问题。现有的标记分布学习算法均利用条件概率建立参数模型,但未能充分利用特征和标记间的联系。本文考虑到特征相似的样本所对应的标记分布也应当相似... 详细信息

标记分布学习是近年来提出的一种新的机器学习范式,它能很好地解决某些标记多义性的问题。现有的标记分布学习算法均利用条件概率建立参数模型,但未能充分利用特征和标记间的联系。本文考虑到特征相似的样本所对应的标记分布也应当相似,利用原型聚类的k均值算法(k-means),将训练集的样本进行聚类,提出基于kmeans算法的标记分布学习(label distribution learning based on k-means algorithm,LDLKM)。首先通过聚类算法kmeans求得每一个簇的均值向量,然后分别求得对应标记分布的均值向量。最后将测试集和训练集的均值向量间的距离作为权重,应用到对测试集标记分布的预测上。在6个公开的数据集上进行实验,并与3种已有的标记分布学习算法在5种评价指标上进行比较,实验结果表明提出的LDLKM算法是有效的。

关键词：标记分布聚类 k-means 闵可夫斯基距离多标记权重矩阵均值向量 softmax函数

来源：评论

学校读者我要写书评

暂无评论

多粒度相关滤波视频跟踪方法

引用

计算机工程 2020年第5期46卷 274-281页

作者：沈泽君丁飞飞杨文元闽南师范大学福建省粒计算及其应用重点实验室福建漳州363000 闽南师范大学计算机学院福建漳州363000

视频跟踪是计算机视觉领域的一个重要研究方向,跟踪算法往往通过融合多种类型的特征来实现较高的性能,但其中多数算法未能充分利用多个特征之间的粒度关系。为此,提出一种基于粒计算思维的多粒度相关滤波视频跟踪算法。对视频图像的特... 详细信息

视频跟踪是计算机视觉领域的一个重要研究方向,跟踪算法往往通过融合多种类型的特征来实现较高的性能,但其中多数算法未能充分利用多个特征之间的粒度关系。为此,提出一种基于粒计算思维的多粒度相关滤波视频跟踪算法。对视频图像的特征进行划分,构造出基于各个粒度的相关滤波器并进行独立跟踪,在每帧中根据稳健性评估得分的高低选择最优结果。在此基础上,汇总各帧下的跟踪结果并作为最终输出。在OTB-2013和OTB-20152个公开数据集上进行实验,结果表明,与视频跟踪算法DCFNet相比,该算法在空间鲁棒性与时间鲁棒性上的精准度较高,特别是在快速运动、平面内外旋转和尺度变化的情况下,其具有良好的视频处理能力。

关键词：计算机视觉目标跟踪粒度关系相关滤波鲁棒性评估

来源：评论

学校读者我要写书评

暂无评论

基于邻域的覆盖粗糙集的上近似拟阵结构

引用

山东大学学报（理学版） 2014年第8期49卷 80-85页

作者：李清银祝峰闽南师范大学福建省粒计算及其应用重点实验室福建漳州363000

通过邻域,构造了一个覆盖粗糙集的上近似拟阵结构。借助拟阵理论中的横贯理论和基公理,建立了这个拟阵。利用补邻域的下近似等价表示了一个与邻域相关的集族。最后从基数的角度研究了这个集族为这个拟阵的全体超平面的一个充要条件。

关键词：覆盖邻域近似算子拟阵基超平面

来源：评论

学校读者我要写书评

暂无评论

基于流形学习的代价敏感特征选择

引用

山东大学学报（理学版） 2017年第3期52卷 91-96页

作者：黄天意祝峰闽南师范大学粒计算重点实验室福建漳州363000

为了得到一个低误分类代价的特征子集,本文通过定义样本间的代价距离并将代价距离引入了现有的特征选择架构,把流形学习和代价敏感特征选择问题相结合得到了一个新的代价敏感特征选择方法,称之为基于流形学习的代价敏感特征选择算法。... 详细信息

为了得到一个低误分类代价的特征子集,本文通过定义样本间的代价距离并将代价距离引入了现有的特征选择架构,把流形学习和代价敏感特征选择问题相结合得到了一个新的代价敏感特征选择方法,称之为基于流形学习的代价敏感特征选择算法。以前提出的代价敏感特征选择算法在选择特征的过程中只考虑到了特征与误分类代价的关系,并对特征一个一个的进行选择,而本文所提出的代价敏感特征选择算法同时考虑了特征与误分类代价的关系和特征之间内在的判别信息,从而提高了代价敏感特征选择效果。在六个现实世界数据集上的实验证明了本文所提出的算法效果优于现有的相关算法。

关键词：代价敏感流形学习有监督学习特征选择

来源：评论

学校读者我要写书评

暂无评论

多标记学习自编码网络无监督维数约简

引用

智能系统学报 2018年第5期13卷 808-817页

作者：杨文元闽南师范大学福建省粒计算及其应用重点实验室福建漳州363000

多标记学习是针对一个实例同时与一组标签相关联而提出的一种机器学习框架,是该领域研究热点之一,降维是多标记学习一个重要且具有挑战性的工作。针对有监督的多标记维数约简方法,提出一种无监督自编码网络的多标记降维方法。首先,通过... 详细信息

多标记学习是针对一个实例同时与一组标签相关联而提出的一种机器学习框架,是该领域研究热点之一,降维是多标记学习一个重要且具有挑战性的工作。针对有监督的多标记维数约简方法,提出一种无监督自编码网络的多标记降维方法。首先,通过构建自编码神经网络,对输入数据进行编码和解码输出;然后,引入稀疏约束计算总体成本,使用梯度下降法进行迭代求解;最后,通过深度学习训练获得自编码网络学习模型,提取数据特征实现维数约简。实验中使用多标记算法ML-k NN做分类器,在6个公开数据集上与其他4种方法对比。实验结果表明,该方法能够在不使用标记的情况下有效提取特征,降低多标记数据维度,稳定提高多标记学习性能。

关键词：多标记学习维数约简无监督学习神经网络自编码器机器学习深度学习特征提取

来源：评论

学校读者我要写书评

暂无评论

非负稀疏表示的多标签特征选择

引用

计算机科学与探索 2017年第7期11卷 1175-1182页

作者：蔡志铃祝峰闽南师范大学粒计算重点实验室福建漳州363000

在多标签学习中,数据降维是一项重要而又具有挑战性的任务。特征选择是一种高效的数据降维技术,它通过保持最大相关信息选取一个特征子集。通过对子空间学习的研究,提出了基于非负稀疏表示的多标签特征选择方法。该方法可以看成是矩阵... 详细信息

在多标签学习中,数据降维是一项重要而又具有挑战性的任务。特征选择是一种高效的数据降维技术,它通过保持最大相关信息选取一个特征子集。通过对子空间学习的研究,提出了基于非负稀疏表示的多标签特征选择方法。该方法可以看成是矩阵分解问题,其融合了非负约束问题和L_(2,1)-范数最小优化问题。设计了一种高效的矩阵更新迭代算法求解新问题,并证明其收敛性。最后,对6个实际的数据集进行了测试,实验结果证明了算法的有效性。

关键词：多标签学习特征选择非负矩阵分解 L2,1-范数

来源：评论

学校读者我要写书评

暂无评论

对划分的一个粒度公式的研究

引用

南京大学学报（自然科学版） 2013年第5期49卷 546-552页

作者：林姿琼姚华福建省粒计算及其应用重点实验室闽南师范大学漳州363000

对于划分的粒度,现在已经定义了很多公式.相对于同一个论域来说,这些定义所遵循的一个整体的原则显然是划分块数越少其粒度越大.对于同一论域的具有相同块数的两个不同划分,在某些情况下,其粒度也被认为是不同的,可称之为局部原则.现有... 详细信息

对于划分的粒度,现在已经定义了很多公式.相对于同一个论域来说,这些定义所遵循的一个整体的原则显然是划分块数越少其粒度越大.对于同一论域的具有相同块数的两个不同划分,在某些情况下,其粒度也被认为是不同的,可称之为局部原则.现有的公式基本上都兼顾了这两个方面.讨论一个相对简单的公式,且主要研究的是局部原则对整体原则某种程度的破坏.首先定义划分的方差,给出划分的粒度公式与划分的方差之间的关系.然后给出一个界限,证明在相同论域上,当一个划分的块数大于另一个划分的块数超过这个界限时,这个划分的粒度一定大于另一个划分的粒度.

关键词：划分粒度等价关系方差

来源：评论

学校读者我要写书评

暂无评论

基于证据理论的覆盖决策信息系统的属性约简

引用

模式识别与人工智能 2018年第9期31卷 797-808页

作者：张燕兰李长清闽南师范大学计算机学院漳州363000 数据科学与智能应用福建省高等学校重点实验室漳州363000 闽南师范大学福建省粒计算及其应用重点实验室漳州363000 闽南师范大学数学与统计学院漳州363000

覆盖决策信息系统的属性约简是粗糙集理论中的重要研究内容之一.文中讨论决策为覆盖的覆盖决策信息系统的属性约简,针对覆盖决策信息系统的一类约简,利用证据理论中的信任函数和似然函数给出约简的等价刻画.根据决策类的似然函数值定义... 详细信息

覆盖决策信息系统的属性约简是粗糙集理论中的重要研究内容之一.文中讨论决策为覆盖的覆盖决策信息系统的属性约简,针对覆盖决策信息系统的一类约简,利用证据理论中的信任函数和似然函数给出约简的等价刻画.根据决策类的似然函数值定义覆盖的重要度和相对重要度,给出求解约简的算法,并以实例说明算法的有效性.

关键词：覆盖决策信息系统属性约简证据理论覆盖粗糙集

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：