您的位置： 专家智库 > >

张晨光

作品数：20 被引量：26H指数：4
供职机构：海南大学更多>>
发文基金：国家自然科学基金北京市自然科学基金海南省自然科学基金更多>>
相关领域：自动化与计算机技术文化科学理学自然科学总论更多>>

合作作者

文献类型

  • 13篇期刊文章
  • 5篇专利
  • 1篇学位论文
  • 1篇会议论文

领域

  • 12篇自动化与计算...
  • 2篇文化科学
  • 1篇自然科学总论
  • 1篇理学

主题

  • 12篇半监督学习
  • 9篇图像
  • 7篇图像分割
  • 5篇向量
  • 4篇眉毛
  • 4篇眉毛识别
  • 3篇支持向量
  • 3篇支持向量机
  • 3篇向量机
  • 3篇归一化
  • 3篇哈希
  • 2篇多语
  • 2篇语义标注
  • 2篇数字图像
  • 2篇索引
  • 2篇特征提取
  • 2篇特征向量
  • 2篇图像语义
  • 2篇主成分
  • 2篇主成分分析

机构

  • 14篇海南大学
  • 10篇北京工业大学
  • 1篇北京凌云光技...

作者

  • 20篇张晨光
  • 10篇张燕
  • 8篇李玉鑑
  • 3篇张夏欢

传媒

  • 2篇自动化学报
  • 2篇计算机工程与...
  • 2篇西部素质教育
  • 1篇黑龙江科技信...
  • 1篇系统科学与数...
  • 1篇北京工业大学...
  • 1篇海南大学学报...
  • 1篇计算机与现代...
  • 1篇计算机科学与...
  • 1篇中国科技论文
  • 1篇2009年全...

年份

  • 1篇2023
  • 1篇2018
  • 1篇2017
  • 3篇2016
  • 3篇2015
  • 1篇2013
  • 3篇2012
  • 2篇2011
  • 1篇2010
  • 4篇2009
共 20 条 记 录，以下是 1-10
全选 清除 导出
排序方式：
基于半监督学习和哈希索引的眉毛图像分割方法
本发明公开了一种基于半监督学习和哈希索引的眉毛图像分割技术，依次包括以下步骤：接受用户的原始眉毛图像，将眉毛图像划分成大小相等的小像素块，并通过计算机在眉毛区域内外分别选定一些像素块赋予不同的标号；将每个像素块均表示成向...
李玉鑑张晨光
文献传递
平衡化图半监督学习方法
2016年
许多机器学习的实际应用中都存在数据不平衡问题,即某类的样本数目要远小于其他类别.数据不平衡会使得分类问题中的分类面过于倾向于适应大类而忽略小类,导致测试样本被错误地判断为大类.针对该问题,文章提出了一种平衡化图半监督学习方法.该方法在能量函数中引入均衡化因子项,使得置信值不仅在图上尽量光滑且在不同类别之间也尽量均衡,有效减小了数据不均衡的不利影响,21个标准数据集上对比实验的统计分析结果表明新方法在数据不平衡时具有显著(显著性水平为0.05)优于支持向量机以及其他图半监督学习方法的分类效果.
张燕张晨光张夏欢
关键词：不均衡数据集支持向量机
基于张量网络的多标签学习方法
2023年
利用关系分类模型,将标签之间的相关性以及特征对标签相关性的影响形式化为分数模型,通过要求模型能够区分真实数据和噪声数据的得分建立了基于张量网络的多标签分类模型.多个数据集上的实验表明,相较于传统多标签学习方法和已有考察标签相关性的多标签学习方法,本文方法在平均精确度和错误率等多标签评价指标上提升近一倍,且拥有更低的计算成本.
李丹萌张晨光张晨光杜雪姣
线性代数教学中的若干问题和应对策略
2015年
本文针对线性代数教学过程中学生普遍存在的厌学、费解且不知如何将其应用于实际领域等问题,做了一些分析和探讨,并结合具体教学给出了相应的应对策略。
张晨光张燕
关键词：线性代数教学方法学科特点
基于半监督学习和支持向量机的眉毛识别方法研究
随着全球范围内电子商务的迅速兴起，对人类自身身份识别的准确性、安全性与实用性提出了更高要求。传统的身份鉴别方法，如ID卡和密码等，存在携带不便、容易遗失等诸多问题，而生物特征识别技术能够较好地克服传统身份鉴别方法的缺点，...
张晨光
关键词：生物特征识别眉毛识别支持向量机图像分割主成分分析
文献传递
基于半监督学习的眉毛图像分割方法
眉毛图像的分割,由于受到毛发、姿势及个体差异的影响,是一个非常困难的问题.提出了一种利用半监督学习技术进行彩色眉毛图像分割的方法,首先通过手工在眉毛图像上简单画上几条线标注部分眉毛点和非眉毛点,然后利用半监督学习技术完成...
张晨光李玉鑑
关键词：图像分割眉毛识别特征提取
文献传递
正例半监督学习眉毛图像分割
2012年
针对传统交互图像分割方法需要同时标注背景和前景的问题,提出一种新的交互图像分割方法——正例半监督学习图像分割。该方法结合正例半监督学习和图半监督学习,仅需要在感兴趣的图像区域标记少量像素点,就可以完成该区域的分割。在北工大眉毛图像数据库上的实验表明本文提出的方法与图半监督学习、随机游走和Lazy Snapping相比具有更稳定的分割效果。
张夏欢李玉鑑张晨光
关键词：朴素贝叶斯期望最大化
半自动眉毛识别方法被引量：1
2011年
提出了基于哈希图半监督学习和支持向量机的半自动眉毛识别方法。针对图半监督学习构图时间复杂度过高的缺点,提出了基于哈希图半监督学习的纯眉毛图像半自动提取方法。在纯眉毛图像的基础上通过傅里叶变换和Gabor变换及主成分分析提取纯眉毛图像的特征向量,用于支持向量机的训练和识别。在北工大眉毛数据库上,通过眉毛识别实验,分析了图半监督学习和哈希图半监督学习对提取纯眉毛图像速度的影响,并且总结了它们与特征向量和核函数的选择对识别率的影响。
李玉鑑张夏欢张晨光
关键词：眉毛识别傅里叶变换主成分分析
从希尔伯特-施密特独立性中学习的多标签半监督学习方法被引量：4
2013年
基于希尔伯特-施密特独立性提出了一种新的半监督学习方法,称为最大化依赖性多标签半监督学习方法(dependence maximization multi-label semi-supervised learning method,DMMS)。该方法将样本已有标签作为约束,以最大化特征集和标签集的关联性为目标,通过求解一个线性系统为无标签数据打上标签,具有实现简单,无参(nonparameter)的特点。多个真实多标签数据库的实验表明,DMMS与最好的多标签学习方法,包括多标签近邻(multi-label k-nearest neighbor,MLKNN)和图半监督学习方法具有类似的识别效果。
张晨光张燕张夏欢
关键词：半监督学习
哈希图半监督学习方法及其在图像分割中的应用被引量：8
2010年
图半监督学习(Graph based semi-supervised learning,GSL)方法需要花费大量时间构造一个近邻图,速度比较慢.本文提出了一种哈希图半监督学习(Hash graph based semi-supervised learning,HGSL)方法,该方法通过局部敏感的哈希函数进行近邻搜索,可以有效降低图半监督学习方法所需的构图时间.图像分割实验表明,该方法一方面可以达到更好的分割效果,使分割准确率提高0.47%左右;另一方面可以大幅度减小分割时间,以一幅大小为300像素×800像素的图像为例,分割时间可减少为图半监督学习所需时间的28.5%左右.
张晨光李玉鑑
关键词：图像分割
全选 清除 导出
共2页<12>
聚类工具0