您的位置： 专家智库 > >

安徽省高校省级自然科学研究项目(KJ2012A004)

作品数：5 被引量：15H指数：3
相关作者：陈思宝罗斌赵令徐丹洋更多>>
相关机构：安徽大学更多>>
发文基金：国家自然科学基金安徽省高校省级自然科学研究项目国家高技术研究发展计划更多>>
相关领域：自动化与计算机技术更多>>

文献类型

  • 5篇中文期刊文章

领域

  • 5篇自动化与计算...

主题

  • 2篇模式识别
  • 2篇降维
  • 1篇学习算法
  • 1篇图像
  • 1篇图像处理
  • 1篇字典学习
  • 1篇最大间距准则
  • 1篇最小化
  • 1篇线性判别分析
  • 1篇核方法
  • 1篇非负重
  • 1篇MMC
  • 1篇标签
  • 1篇SRC

机构

  • 5篇安徽大学

作者

  • 5篇罗斌
  • 5篇陈思宝
  • 1篇赵令
  • 1篇徐丹洋

传媒

  • 2篇电子学报
  • 1篇电子与信息学...
  • 1篇华南理工大学...
  • 1篇电子科技大学...

年份

  • 1篇2016
  • 2篇2015
  • 2篇2014
共 5 条 记 录，以下是 1-5
全选 清除 导出
排序方式：
基于L1-范数的二维线性判别分析被引量：4
2015年
为了避免图像数据向量化后的维数灾难问题,以及增强对野值(outliers)及噪声的鲁棒性,该文提出一种基于L1-范数的2维线性判别分析(L1-norm-based Two-Dimensional Linear Discriminant Analysis,2DLDA-L1)降维方法。它充分利用L1-范数对野值及噪声的强鲁棒性,并且直接在图像矩阵上进行投影降维。该文还提出一种快速迭代优化算法,并给出了其单调收敛到局部最优的证明。在多个图像数据库上的实验验证了该方法的鲁棒性与高效性。
陈思宝陈道然罗斌
关键词：图像处理降维
基于多重核的稀疏表示分类被引量：5
2014年
稀疏表示分类(SRC)及核方法在模式识别的很多问题中都得到了成功的运用.为了提高其分类精度,提出多重核稀疏表示及其分类(MKSRC)方法.提出一种快速求解稀疏系数的优化迭代方法并给出了其收敛到全局最优解的证明.对于多重核的权重给出了两种自动更新方式并进行了分析与比较.在不同的人脸图像库上的分类实验显示了所提出的多重核稀疏表示分类的优越性.
陈思宝许立仙罗斌
关键词：核方法模式识别
基于L1-范数的最大间距准则被引量：1
2016年
在进行线性投影降维时,由于传统的最大间距准则(Maximum Margin Criterion,MMC)算法基于L2-范数,易于受到野值(outliers)及噪声的影响.该文提出一种基于L1-范数的最大间距准则(L1-norm-based MMC,MMCL1)降维方法,它充分利用L1-范数对野值及噪声的强鲁棒性以及最大间距准则,提出了一种快速迭代优化算法,并给出了其单调收敛到局部最优的证明.在多个图像数据库上的实验验证了该方法的鲁棒性与高效性.
陈思宝陈道然罗斌
关键词：降维
一种非负稀疏近邻表示的多标签学习算法
2015年
针对训练数据中的非线性流形结构以及基于稀疏表示的多标签分类中判别信息丢失严重的问题,该文提出一种非负稀疏近邻表示的多标签学习算法。首先找到待测试样本每个标签类上的k-近邻,然后基于LASSO稀疏最小化方法,对待测试样本进行非负稀疏线性重构,得到稀疏的非负重构系数。再根据重构误差计算待测试样本对每个类别的隶属度,最后实现多标签数据分类。实验结果表明所提出的方法比经典的多标签k近邻分类(ML-KNN)和稀疏表示的多标记学习算法(ML-SRC)方法性能更优。
陈思宝徐丹洋罗斌
局部保持的稀疏表示字典学习被引量：6
2014年
稀疏表示分类中的字典选择至关重要,为了用较少的字典原子更好地表示原始训练样本的局部信息,并且使学习出的字典更加具有判别信息,提出了一种基于局部保持准则的稀疏表示字典学习方法.该方法将局部保持准则强加在编码系数上,使得学习出的字典具有相近数据点的编码系数也保持近邻关系的特性,从而保持原始训练样本的局部信息.在扩展YaleB、AR和COIL20数据库上的实验结果表明,文中方法的分类识别结果优于其他方法,说明该方法是有效的.
陈思宝赵令罗斌
关键词：字典学习模式识别
全选 清除 导出
共1页<1>
聚类工具0