公共文化服务平台

共 9 条记录，以下是 1-9

全选清除导出

排序方式：

基于卷积神经网络的小样本图像识别方法被引量：63: 2018年; 为提高仅包含少量训练样本的图像识别准确率,利用卷积神经网络作为图像的特征提取器,提出一种基于卷积神经网络的小样本图像识别方法。在原始小数据集中引入数据增强变换,扩充数据样本的范围;在此基础上将大规模数据集上的源预训练模型在目标小数据集上进行迁移训练,提取除最后全连接层之外的模型权重和图像特征;结合源预训练模型提取的特征,采用层冻结方法,微调目标小规模数据集上的卷积模型,得到最终分类识别结果。实验结果表明,该方法在小规模图像数据集的识别问题中具有较高的准确率和鲁棒性。; 段萌王功鹏牛常勇; 关键词：卷积神经网络小样本

自然场景下基于部分模型的车体检测: 2015年; 为检测车体位置和分类车辆的类型,运用一种可重构模型来实现车体的检测。使用由一个表示整个模型的低分辨率模板和多个表示各个部分的高分辨率模板组成的模型完成自然场景下车体的检测,为得到该模型的最优配置,提出一种部分模型划分算法确定构成模型的模板的位置和大小,有效提高检测的召回率,通过支持向量机算法得到各个模板的最优参数配置。在检测算法中提出目标融合算法,避免多次检测到同一目标。实验结果表明,对比PBT(part basis template model)的方法,该方法改善了检测召回率和分类准确率。; 陈帅张勇牛常勇; 关键词：人工智能支持向量机

基于局部全局相似度的SVD的协同过滤算法被引量：6: 2016年; 针对目前协同过滤普存的稀疏和冷启动问题,提出基于局部全局相似度的奇异值分解的协同过滤算法。基于局部和全局相似度对原始"用户-条目"打分矩阵进行预处理,利用奇异值分解的方法处理该预测矩阵,用预测的结果获得活跃用户的邻居,采用基于邻居的Pearson相关系数得到最终提供给用户的预测值。在公共数据集MovieLens100K上的实验结果表明,该算法能提高推荐精准度,一定程度上缓解稀疏和冷启动问题。; 牛常勇刘国枢; 关键词：协同过滤推荐系统奇异值分解

一种基于边界的贪心组合剪枝方法被引量：3: 2013年; 理论及实验表明,在训练集上具有较大边界分布的组合分类器泛化能力较强.文中将边界概念引入到组合剪枝中,并用它指导组合剪枝方法的设计.基于此,构造一个度量标准(MBM)用于评估基分类器相对于组合分类器的重要性,进而提出一种贪心组合选择方法(MBMEP)以降低组合分类器规模并提高它的分类准确率.在随机选择的30个UCI数据集上的实验表明,与其它一些高级的贪心组合选择算法相比,MBMEP选择出的子组合分类器具有更好的泛化能力.; 郭华平范明职为梅

在逐渐缩小的空间上渐进学习朴素贝叶斯参数被引量：2: 2012年; 局部加权朴素贝叶斯(LWNB)是朴素贝叶斯(NB)的一种较好的改进,判别频率估计(DFE)可以极大地提高NB的泛化正确率。受LWNB和DFE启发,提出逐渐缩小空间(GCS)算法用来学习NB参数:对于一个测试实例,寻找包含全体训练实例的全局空间的一系列逐渐缩小的子空间。这些子空间具有两种性质:1)它们都包含测试实例;2)一个空间一定包含在任何一个比它大的空间中。在逐渐缩小的空间上使用修改的DFE(MDFE)算法渐进地学习NB的参数,然后使用NB分类测试实例。与LWNB的根本不同是:GCS使用全体训练实例学习NB并且GCS可以实现为非懒惰版本。实现了GCS的决策树版本(GCS-T)实验结果显示,与C4.5以及贝叶斯分类算法(如NaiveBayes、BaysianNet、NBTree、LWNB、隐朴素贝叶斯)相比,GCS-T具有较高的泛化正确率,并且GCS-T的分类速度明显快于LWNB。; 欧阳泽华郭华平范明; 关键词：朴素贝叶斯决策树

基于卷积神经网络的随机梯度下降算法被引量：64: 2018年; 为解决卷积神经网络(CNN)中随机梯度下降算法(SGD)的学习率设置不当对SGD算法的影响,提出一种学习率自适应SGD的更新算法,随着迭代的进行该算法使学习率呈现周期性的改变。针对CNN中Relu激活函数将CNN中的阈值为负的神经元丢弃的缺陷,设计选择Leaky Relu作为激活函数的CNN。实验验证了使用该激活函数的有效性,实验结果表明,采用上述学习率更新算法的SGD可以使网络快速收敛,提高了学习正确率;通过将Leaky Relu激活函数和采用上述学习率更新算法的SGD相结合,进一步提高CNN的学习正确率。; 王功鹏段萌牛常勇; 关键词：卷积神经网络

自然场景下的车牌分割方法被引量：1: 2015年; 自然场景下的车牌面临着光照不均匀、角度倾斜、运动模糊等影响,易造成车牌分割错误。针对以上情况,对车牌进行旋转校正及二值化处理,提出一种基于模板匹配与二分法结合的方法对车牌进行分割。通过二分法进行分割,通过模板进行校准寻找最优分割点。实验结果表明,无论光照条件良好还是光线较弱或不均匀,该方法都能对车牌进行准确分割,有效克服字符粘连及断裂的情况,在自然场景下鲁棒性良好。; 宁蒙张勇牛常勇; 关键词：字符分割

基于多类别特征信息融合的车牌检测被引量：2: 2015年; 自然场景下复杂多变的影响因素给车牌检测带来困难,为检测并定位自然场景下移动车辆的车牌区域,通过分析信息融合和多类特征提取的特点,提出基于多类别特征信息融合的车牌检测方法。该算法在两种不同场景数据集上的测试效果验证了信息融合和多类特征提取能显著提高车牌检测的检测率和场景鲁棒性。; 张勇宁蒙牛常勇; 关键词：车牌检测信息融合卷积神经网络

一种利用类标号关系的多类标号分类方法被引量：1: 2011年; 多类标号分类问题中,一个实例可以同时有多个类标号,而多类标号分类的任务是为新实例预测一个合适的类标号集合.给定一个新实例,可能与之相关联的候选类标号集合数量达指数级,这使得多类标号分类任务是很富挑战性的.目前,多类标号分类成功的一个关键问题是如何发掘类标号之间的关系并将其应用到分类器学习中.基于此,这里提出一种新的多类标号学习方法(multi-label classification by exploiting relationship of labels,MCER).在学习阶段,MCER首先引入一个虚拟类标号,然后为每一对类标号学习一个分类器.在学习分类器时,MCER用互信息选择与待学习的类标号对关联较大的类标子集,并视它的元素为一般属性.在预测阶段,MCER得到每一个类标号的投票数,并根据虚拟类标号的投票数(阈值)对未见样本进行预测.大量的实验表明,与其他多类标号分类方法相比,MCER表现出显著优势.; 张亚亚郭华平范明; 关键词：互信息数据挖掘

全选清除导出

共1页<1>

国家自然科学基金(60901078)