国家自然科学基金(60475010)
- 作品数：3 被引量：23H指数：2
- 相关作者：张晓宇王嘉王海峰刘青山卢汉清更多>>
- 相关机构：中国科学技术信息研究所中国科学院自动化研究所更多>>
- 发文基金：国家自然科学基金中央级公益性科研院所基本科研业务费专项资金项目中央级公益性科研院所基本科研业务费专项更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于三参数模型的快速全局运动估计被引量：20
- 2006年
- 提出了一种新的全局运动估计方法———基于三参数模型的快速全局运动估计.新的参数模型在保证准确性的同时,使用更少的参数来描述和估计全局运动,从而简化了计算复杂度.此外,对光流场计算做出了两方面改进:(1)提出了宏块预判的方法,计算光流场前对宏块的梯度信息进行预分析,通过减少参与计算的宏块数目提高光流场的计算速度;(2)提出了快速估计宏块运动向量的方法,在块匹配的过程中同时考虑图像的梯度和灰度信息,通过引入更多的约束提高运动向量的计算速度.实验证明了该方法的有效性.
- 王嘉王海峰刘青山卢汉清
- 关键词：全局运动估计运动向量光流场
- 基于动态可行域划分的SVM主动学习被引量：3
- 2012年
- 针对传统SVM主动学习中批量采样方法的不足,提出了动态可行域划分算法。从特征空间与参数空间的对偶关系入手,深入分析SVM主动学习的本质,将特征空间中对样本的标注视为参数空间中对可行域的划分;通过综合利用当前分类模型和先前标注样本两方面信息,动态地优化可行域划分方案,以确保选取的样本对模型改进的价值,最终实现更为高效的选择性采样。实验结果表明,基于动态可行域划分的SVM主动学习算法能够显著提高所选样本的信息量,从而能够在有限的标注代价下大幅提高其分类性能。
- 张晓宇
- 关键词：半监督学习支持向量机可行域
- 基于动态确定度传播的选择性采样
- 2012年
- 传统主动学习中采用的批量采样模式忽略了样本之间的相互关系,因而会不可避免地引入冗余。针对上述问题,提出了一种动态批量采样模式,采取"逐一标注,批量训练"的流程,综合利用当前分类模型和先前标注样本对后续采样进行动态指导;在此基础上,进一步提出了基于动态确定度传播的选择性采样算法,有效地提高了所选取样本的信息量。实验结果证明,基于动态确定度传播的选择性采样算法能够显著改进分类结果。
- 张晓宇
- 关键词：半监督学习
