期刊导航
期刊开放获取
唐山市科学技术情报研究..
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
Laplacian正则项半监督不平行超平面分类机
1
作者
闫金花
杨志霞
《数字技术与应用》
2016年第6期221-224,共4页
本文通过引入拉普拉斯(Laplacian)正则项,针对半监督分类问题我们建立了基于拉普拉斯正则项的半监督不平行超平面分类机。和经典的双支持向量机相比,该算法不仅继承了不平行超平面决策的优点,并且将其推广到了半监督分类问题中。最后在...
本文通过引入拉普拉斯(Laplacian)正则项,针对半监督分类问题我们建立了基于拉普拉斯正则项的半监督不平行超平面分类机。和经典的双支持向量机相比,该算法不仅继承了不平行超平面决策的优点,并且将其推广到了半监督分类问题中。最后在人工数据上进行数值实验,与拉普拉斯双支持向量机和拉普拉斯支持向量机做比较,数值结果表明我们提出算法的可行性和有效性,特别是对于交叉型数据集,基于拉普拉斯正则项的半监督不平行超平面分类机具有明显较高的分类精确度。
展开更多
关键词
支持向量机
半监督分类问题
拉普拉斯正则项
不平行超平面分类机
在线阅读
下载PDF
职称材料
超像素分割和波段分割的高光谱图像去噪
2
作者
李华君
蒋俊正
+1 位作者
周芳
全英汇
《西安电子科技大学学报》
EI
CAS
CSCD
北大核心
2024年第5期122-135,共14页
针对现有的高光谱图像去噪算法采用逐波段或者全波段方式去噪,未能充分利用高光谱图像波段相似性的问题,提出了超像素分割和波段分割的高光谱图像去噪算法。文中将构建双层图模型,包括上层图和下层图模型。首先,对高光谱图像应用超像素...
针对现有的高光谱图像去噪算法采用逐波段或者全波段方式去噪,未能充分利用高光谱图像波段相似性的问题,提出了超像素分割和波段分割的高光谱图像去噪算法。文中将构建双层图模型,包括上层图和下层图模型。首先,对高光谱图像应用超像素分割技术,得到一系列的超像素。对超像素内的像素建模为节点,像素之间用边连接,构建一系列下层图,从而充分利用高光谱图像的空间信息和保留边界信息。根据超像素分割结果,沿着波段维分割,形成超像素体,以充分利用高光谱图像的波段相似性。将超像素体建模为节点,超像素体之间用边连接,构建上层图。基于构建的图结构和图分割方式,将高光谱图像去噪问题归结为一系列的优化问题,在优化问题中利用克罗内克乘积图重新定义了图拉普拉斯正则项。最后,实验结果表明,与现有算法相比,文中所提算法具有更高的平均峰值信噪比、平均结构相似性和光谱差异性。
展开更多
关键词
高光谱图像去噪
图信号处理
超像素分割
波段分割
图
拉普拉斯正则项
在线阅读
下载PDF
职称材料
融合关联矩阵自学习和显式秩约束的数据表示分簇算法
被引量：
2
3
作者
郑建炜
鞠振宇
+1 位作者
朱文博
王万良
《计算机学报》
EI
CSCD
北大核心
2019年第3期497-512,共16页
复杂异构分布的高维数据在大数据时代随处可见,高效地挖掘其子空间结构并进行准确的分簇是机器视觉和模式识别领域的研究热点.低秩表示算法(Low-Rank Representation,LRR)因其优越的低维子空间挖掘能力而备受关注,其性能很大程度上取决...
复杂异构分布的高维数据在大数据时代随处可见,高效地挖掘其子空间结构并进行准确的分簇是机器视觉和模式识别领域的研究热点.低秩表示算法(Low-Rank Representation,LRR)因其优越的低维子空间挖掘能力而备受关注,其性能很大程度上取决于关联矩阵的构建,常见的方法都是通过原始输入数据或表示系数直接一次成形.然而,这些方法都采用独立的步骤进行表示系数计算以及关联矩阵学习,无法保证总体算法的最优性.针对该问题,该文提出一种新的LRR型数据表示分簇法(Data Representation Clustering,DRC)应用于实际子空间分割问题.首先,为实现模型的快速求解,DRC保留了基本数据表示框架中的光滑正则项并剔除了非负性、稀疏性等复杂约束;其次,将相似度矩阵的自适应学习策略添加至统一的数据表示框架,联合原始输入数据和表示系数确保目标关联矩阵在无噪环境下具备明确的对角分布结构.最后,对关联矩阵对应的Laplacian矩阵添加一种新的秩约束,在含噪环境下引导相似度连接结构与簇目标数的一致性.采用交替更新法对模型进行求解,保证目标函数单变量优化的全局最优性以及整体收敛性.人工合成数据和8个公开数据集的实验结果表明,DRC算法在分簇精度、归一化互信息、参数敏感性等指标上都具有优秀的性能.
展开更多
关键词
关联矩阵
低秩表示
谱分簇
拉普拉斯正则项
归一化互信息
在线阅读
下载PDF
职称材料
题名
Laplacian正则项半监督不平行超平面分类机
1
作者
闫金花
杨志霞
机构
新疆大学数学与系统科学学院
出处
《数字技术与应用》
2016年第6期221-224,共4页
基金
国家自然科学基金项目(No.11161045
11561066)
+1 种基金
教育部留学回国人员科研启动基金项目资助
中国博士后科学基金面上项目(No.2015M572625)
文摘
本文通过引入拉普拉斯(Laplacian)正则项,针对半监督分类问题我们建立了基于拉普拉斯正则项的半监督不平行超平面分类机。和经典的双支持向量机相比,该算法不仅继承了不平行超平面决策的优点,并且将其推广到了半监督分类问题中。最后在人工数据上进行数值实验,与拉普拉斯双支持向量机和拉普拉斯支持向量机做比较,数值结果表明我们提出算法的可行性和有效性,特别是对于交叉型数据集,基于拉普拉斯正则项的半监督不平行超平面分类机具有明显较高的分类精确度。
关键词
支持向量机
半监督分类问题
拉普拉斯正则项
不平行超平面分类机
Keywords
Support vector machine
Semi-supervised chssification problem
Laphcian regtthrization
Nonparalld hyperphnes classifier
分类号
TP181 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
超像素分割和波段分割的高光谱图像去噪
2
作者
李华君
蒋俊正
周芳
全英汇
机构
桂林电子科技大学信息与通信学院
西安电子科技大学杭州研究院
西安电子科技大学电子工程学院
中国计量大学信息工程学院
出处
《西安电子科技大学学报》
EI
CAS
CSCD
北大核心
2024年第5期122-135,共14页
基金
广西自然科学杰出青年基金(2021GXNSFFA220004)
广西科技基地和人才专项(桂科AD21220112)
+2 种基金
国家自然科学基金(62261014,62171146)
广西创新驱动发展专项(桂科AA21077008)
广西研究生教育创新计划项目(YCBZ2023137)。
文摘
针对现有的高光谱图像去噪算法采用逐波段或者全波段方式去噪,未能充分利用高光谱图像波段相似性的问题,提出了超像素分割和波段分割的高光谱图像去噪算法。文中将构建双层图模型,包括上层图和下层图模型。首先,对高光谱图像应用超像素分割技术,得到一系列的超像素。对超像素内的像素建模为节点,像素之间用边连接,构建一系列下层图,从而充分利用高光谱图像的空间信息和保留边界信息。根据超像素分割结果,沿着波段维分割,形成超像素体,以充分利用高光谱图像的波段相似性。将超像素体建模为节点,超像素体之间用边连接,构建上层图。基于构建的图结构和图分割方式,将高光谱图像去噪问题归结为一系列的优化问题,在优化问题中利用克罗内克乘积图重新定义了图拉普拉斯正则项。最后,实验结果表明,与现有算法相比,文中所提算法具有更高的平均峰值信噪比、平均结构相似性和光谱差异性。
关键词
高光谱图像去噪
图信号处理
超像素分割
波段分割
图
拉普拉斯正则项
Keywords
hyperspectral image denoising
graph signal processing
superpixel segmentation
band segmentation
graph Laplacian regularization
分类号
TP751 [自动化与计算机技术—检测技术与自动化装置]
在线阅读
下载PDF
职称材料
题名
融合关联矩阵自学习和显式秩约束的数据表示分簇算法
被引量：
2
3
作者
郑建炜
鞠振宇
朱文博
王万良
机构
浙江工业大学计算机科学与技术学院
出处
《计算机学报》
EI
CSCD
北大核心
2019年第3期497-512,共16页
基金
国家自然科学基金(61602413
61873240)
浙江省自然科学基金(LY19F030016)资助~~
文摘
复杂异构分布的高维数据在大数据时代随处可见,高效地挖掘其子空间结构并进行准确的分簇是机器视觉和模式识别领域的研究热点.低秩表示算法(Low-Rank Representation,LRR)因其优越的低维子空间挖掘能力而备受关注,其性能很大程度上取决于关联矩阵的构建,常见的方法都是通过原始输入数据或表示系数直接一次成形.然而,这些方法都采用独立的步骤进行表示系数计算以及关联矩阵学习,无法保证总体算法的最优性.针对该问题,该文提出一种新的LRR型数据表示分簇法(Data Representation Clustering,DRC)应用于实际子空间分割问题.首先,为实现模型的快速求解,DRC保留了基本数据表示框架中的光滑正则项并剔除了非负性、稀疏性等复杂约束;其次,将相似度矩阵的自适应学习策略添加至统一的数据表示框架,联合原始输入数据和表示系数确保目标关联矩阵在无噪环境下具备明确的对角分布结构.最后,对关联矩阵对应的Laplacian矩阵添加一种新的秩约束,在含噪环境下引导相似度连接结构与簇目标数的一致性.采用交替更新法对模型进行求解,保证目标函数单变量优化的全局最优性以及整体收敛性.人工合成数据和8个公开数据集的实验结果表明,DRC算法在分簇精度、归一化互信息、参数敏感性等指标上都具有优秀的性能.
关键词
关联矩阵
低秩表示
谱分簇
拉普拉斯正则项
归一化互信息
Keywords
affinity matrix
low-rank representation
spectral clustering
Laplacian regularizer
Normalized mutual information
分类号
TP311.13 [自动化与计算机技术—计算机软件与理论]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
Laplacian正则项半监督不平行超平面分类机
闫金花
杨志霞
《数字技术与应用》
2016
0
在线阅读
下载PDF
职称材料
2
超像素分割和波段分割的高光谱图像去噪
李华君
蒋俊正
周芳
全英汇
《西安电子科技大学学报》
EI
CAS
CSCD
北大核心
2024
0
在线阅读
下载PDF
职称材料
3
融合关联矩阵自学习和显式秩约束的数据表示分簇算法
郑建炜
鞠振宇
朱文博
王万良
《计算机学报》
EI
CSCD
北大核心
2019
2
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
