检索结果-内蒙古大学图书馆

模式识别与人工智能 2023年第1期36卷 49-59页

作者：张庐婧林国平林艺东寇毅闽南师范大学数学与统计学院漳州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

多尺度决策信息系统的特征子集选择是处理多尺度分类问题的一种有效的数据预处理方法.在实际应用中,数据类型往往多样混合,现有的多尺度模型无法有效处理这类数据.针对该问题,文中面向多源异构多尺度数据,提出多尺度邻域半径的形式化定... 详细信息

多尺度决策信息系统的特征子集选择是处理多尺度分类问题的一种有效的数据预处理方法.在实际应用中,数据类型往往多样混合,现有的多尺度模型无法有效处理这类数据.针对该问题,文中面向多源异构多尺度数据,提出多尺度邻域半径的形式化定义,构造多尺度邻域信息粒并讨论其相关性质.在此基础上,探讨特征的重要度,提出可同步进行最优尺度选择和特征选择的特征子集选择算法.改进原有的Wu-Leung模型,在一定程度上扩展其在实际问题上应用的范围.最后,在UCI数据集上验证模型和算法的可行性和有效性.

关键词：粒计算邻域决策系统邻域半径多尺度邻域信息粒特征子集选择

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

区域损失函数的孪生网络目标跟踪

引用

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

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

基于邻域粗糙集的大规模层次分类在线流特征选择

引用

模式识别与人工智能 2019年第9期32卷 811-820页

作者：白盛兴林耀进王晨曦陈晟煜闽南师范大学计算机学院漳州363000 福建省粒计算及其应用重点实验室漳州363000 School of Informatics Computing & EngineeringIndiana University BloomingtonBloomington 47408USA

在分类学习任务中,数据的类标记空间存在层次化结构,特征空间伴随着未知性和演化性.因此,文中提出面向大规模层次分类学习的在线流特征选择框架.定义面向层次化结构数据的邻域粗糙模型,基于特征相关性进行重要特征动态选择.最后,基于特... 详细信息

在分类学习任务中,数据的类标记空间存在层次化结构,特征空间伴随着未知性和演化性.因此,文中提出面向大规模层次分类学习的在线流特征选择框架.定义面向层次化结构数据的邻域粗糙模型,基于特征相关性进行重要特征动态选择.最后,基于特征冗余性进行鉴别冗余动态特征.实验验证文中算法的有效性.

关键词：在线流特征选择层次分类邻域粗糙集兄弟策略

来源：评论

学校读者我要写书评

暂无评论

基于光照自适应动态一致性的无人机目标跟踪

引用

智能系统学报 2022年第6期17卷 1093-1103页

作者：林淑彬吴贵山姚文勇杨文元闽南师范大学计算机学院福建漳州363000 闽南师范大学数据科学与智能应用福建省高校重点实验室福建漳州363000 闽南师范大学外国语学院福建漳州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

无人机跟踪任务经常面临各种光线变化场景,然而无人机跟踪方法主要在光线充足下实现鲁棒跟踪。提出一种具有光照自适应性和跨帧语义感知动态一致性评估的无人机跟踪方法,实现光线不足下的无人机目标跟踪。首先构建光照自适应模块对昏暗... 详细信息

无人机跟踪任务经常面临各种光线变化场景,然而无人机跟踪方法主要在光线充足下实现鲁棒跟踪。提出一种具有光照自适应性和跨帧语义感知动态一致性评估的无人机跟踪方法,实现光线不足下的无人机目标跟踪。首先构建光照自适应模块对昏暗场景进行识别,对视频图像的光照强度进行补偿;其次构建目标模板训练具有目标感知能力的滤波器进行相关运算,并利用跨帧之间的响应信息进行一致性评估;最后构建动态约束策略并对响应差异进行约束,使跟踪器保持时间平滑。在UAVDark135和UAV123数据集上,与9种先进算法进行对比实验,结果表明该算法具有较好的跟踪性能。

关键词：计算机视觉目标跟踪无人机机器学习相关滤波光照自适应动态约束一致性评估

来源：评论

学校读者我要写书评

暂无评论

协调多尺度决策系统中基于测试代价的属性与尺度选择

引用

模式识别与人工智能 2023年第5期36卷 433-447页

作者：吴迪廖淑娇范译文闽南师范大学数学与统计学院漳州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 闽南师范大学数字福建气象大数据研究所漳州363000 闽南师范大学数据科学与统计重点实验室漳州363000

对多尺度决策系统进行处理可以使复杂的问题简单化,属性与尺度的同步选择是该处理过程中一个重要方法.此外,现实中数据处理经常需要考虑代价因素的影响,但是,目前研究还没有在属性与尺度的同步选择中考虑代价因素.为了解决这一问题,文... 详细信息

对多尺度决策系统进行处理可以使复杂的问题简单化,属性与尺度的同步选择是该处理过程中一个重要方法.此外,现实中数据处理经常需要考虑代价因素的影响,但是,目前研究还没有在属性与尺度的同步选择中考虑代价因素.为了解决这一问题,文中基于测试代价,研究协调多尺度决策系统的属性与尺度选择.首先,构造相应的粗糙集理论模型,模型中的定义及性质同时考虑属性和尺度这两个要素,并给出基于测试代价的属性-尺度重要度函数.然后,基于适用于多尺度决策系统的粗糙集概念及性质,提出属性与尺度同步选择的启发式算法.在UCI数据集上的实验表明,文中算法可大幅降低总测试代价,提升计算效率.

关键词：属性与尺度选择测试代价多尺度决策系统单调性

来源：评论

学校读者我要写书评

暂无评论

多尺度决策系统中测试代价敏感的属性与尺度同步选择

引用

模式识别与人工智能 2024年第4期37卷 368-382页

作者：廖淑娇吴迪卢亚倩范译文闽南师范大学数学与统计学院漳州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 闽南师范大学数字福建气象大数据研究所漳州363000 闽南师范大学数据科学与统计重点实验室漳州363000

属性与尺度同步选择方法可有效解决涉及代价因素的多尺度决策系统的知识约简问题,然而在现有研究中,少有基于代价进行属性与尺度的同步选择,并且大多数算法只针对协调的多尺度决策系统或不协调的多尺度决策系统.为了解决这一问题,文中... 详细信息

属性与尺度同步选择方法可有效解决涉及代价因素的多尺度决策系统的知识约简问题,然而在现有研究中,少有基于代价进行属性与尺度的同步选择,并且大多数算法只针对协调的多尺度决策系统或不协调的多尺度决策系统.为了解决这一问题,文中以最小化数据处理的总测试代价为目标,提出测试代价敏感的属性与尺度同步选择算法,同时适用于协调的多尺度决策系统和不协调的多尺度决策系统.首先,构造基于粗糙集的理论模型,模型中的概念及性质同时考虑属性因素和尺度因素.其次,基于粗糙集的理论模型,设计启发式算法,能基于测试代价对多尺度决策系统同时进行属性约简与尺度选择,并且不同的属性可选择不同的尺度.最后,在12个数据集上的实验验证文中算法的有效性、实用性及优越性.

关键词：属性与尺度选择代价敏感学习多尺度决策系统粗糙集单调性

来源：评论

学校读者我要写书评

暂无评论

基于邻域粗糙集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 2019年第8期32卷 726-735页

作者：陈祥焰林耀进王晨曦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

在许多实际应用中,数据经常呈现高维不平衡特征,特征还根据需求在不同时间段动态生成.基于此种情况,文中提出基于邻域粗糙集的高维类不平衡数据的在线流特征选择算法.算法设计基于小类重要度的粗糙依赖度计算公式,同时,提出在线相关性... 详细信息

在许多实际应用中,数据经常呈现高维不平衡特征,特征还根据需求在不同时间段动态生成.基于此种情况,文中提出基于邻域粗糙集的高维类不平衡数据的在线流特征选择算法.算法设计基于小类重要度的粗糙依赖度计算公式,同时,提出在线相关性分析、在线冗余度分析、在线重要度分析三种策略,用于选择在大类和小类之间具有高可分离性的特征.在7个高维类不平衡数据集上的实验表明,文中算法可以有效选择一个较好的特征子集,性能较优.

关键词：在线特征选择高维不平衡数据邻域粗糙集粗糙依赖度

来源：评论

学校读者我要写书评

暂无评论

基于文本分类的Fisher Score快速多标记特征选择算法

引用

计算机工程 2022年第2期48卷 113-124页

作者：汪正凯沈东升王晨曦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

Fisher Score(FS)是一种快速高效的评价特征分类能力的指标,但传统的FS指标既无法直接应用于多标记学习,也不能有效处理样本极值导致的类中心与实际类中心的误差。提出一种结合中心偏移和多标记集合关联性的FS多标记特征选择算法,找出... 详细信息

Fisher Score(FS)是一种快速高效的评价特征分类能力的指标,但传统的FS指标既无法直接应用于多标记学习,也不能有效处理样本极值导致的类中心与实际类中心的误差。提出一种结合中心偏移和多标记集合关联性的FS多标记特征选择算法,找出不同标记下每类样本的极值点,以极值点到该类样本的中心距离乘以半径系数筛选新的样本,从而获得分布更为密集的样本集合,以此计算特征的FS得分,通过整体遍历全体样本的标记集合中的每个标记,并在遍历过程中针对具有更多标记数量的样本自适应地赋以标记权值,得到整体特征的平均FS得分,以特征的FS得分进行排序过滤出目标子集实现特征选择目标。在8个公开的多标记文本数据集上进行参数分析及5种指标性能比较,结果表明,该算法具有一定的有效性和鲁棒性,在多数指标上优于MLNB、MLRF、PMU、MLACO等多标记特征选择算法。

关键词：多标记分类特征选择 Fisher Score指标距离度量类间散度

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：