周国华 作品数:10 被引量:19 H指数:3 供职机构: 扬州大学信息工程学院 更多>> 发文基金: 国家自然科学基金 江苏省自然科学基金 江苏省计算机信息处理技术重点实验室基金 更多>> 相关领域: 自动化与计算机技术 更多>>
基于凸壳的在线单类学习机 2018年 传统的基于支持向量机的单类分类器因计算复杂度高而无法满足大规模数据实时处理的需求,在线学习方法为解决该问题提供了一种有效途径.本文在挖掘样本数据在特征空间分布性状的基础上,提出了一种基于凸壳的在线单类学习机(0ne-class Online Classifier based on Convex Hull,OOCCH).该方法首先使用凸壳的定义选择能代表特征空间中数据分布的凸壳向量对应的原始样本作为训练样本来缩减训练集的规模;其次在分类器在线更新阶段利用凸壳向量动态地调整分类器的训练样本.理论分析证明了OOCCH的有效性,与现有的在线单类分类器的实验比较,OOCCH在训练时间和分类性能方面有显著优势. 周国华 周国华 殷新春关键词:凸壳 一种改进的颜色匹配对图像检索算法 被引量:2 2003年 以子块直方图彩色图像检索算法为基础,分析了进一步利用图像空间相似信息的颜色匹配对检索算法的性能。在子块直方图的构成、直方图距离值的归类等方面提出了行之有效的改进方法;给出了子块大小、相似度阈值等参数选择的优化原则,使查准率、查全率等检索性能指标得到了较大的提高,得出了几个有用的结论并形成了实验系统。 胡学龙 陈爱民 周国华关键词:图像检索算法 信息处理 图像处理 图像数据库 相似度度量 自适应权重多视角度量学习的遥感图像场景分类方法 被引量:2 2021年 遥感图像易受光照和气象条件等干扰因素的影响,且随着遥感设备分辨率的提高,遥感图像中出现了更多的地表细节的问题.为了提高遥感图像的场景分类的准确度,提出一种自适应权重多视角度量学习方法.首先使用多个视角下的数据特征学习具有分辨力的度量空间,使在度量空间内同类图像紧凑,异类图像尽可能地远离;然后引入权重向量,在度量学习的过程中自适应地调节各视角间的权重关系;最后利用核技巧扩展至非线性空间,更有效地挖掘隐藏于视角间的关联和互补信息.在Google和WHU-RS遥感图像数据集上的实验结果表明,该方法具有良好的分类性能,平均分类准确率分别达到90.26%和92.62%,显著优于对比的单视角和多视角分类方法. 周国华 周国华 顾晓清 顾晓清关键词:自适应权重 多视角判别度量学习的乳腺影像检索方法 被引量:3 2020年 传统的医学影像检索使用单幅影像,但单幅影像中的影像信息有限,且不能有效利用不同角度拍摄的医学影像。为解决这一问题,提出了一种多视角判别度量学习的医学影像检索方法。基于Fisher判别模型在多个视角之间学习鲁棒的度量空间,使得相似的医学影像在度量空间紧密地映射,不相似的医学影像尽可能地彼此分离。同时,设置视角权重因子充分利用每个视角特征的不同表征信息。在“乳腺癌数字存储库”中与4种多视角方法比较,本文提出的方法检索准确率提高7%,识别率更高。 周国华 周国华 顾晓清 顾晓清关键词:乳腺影像 迁移拉普拉斯总间隔支持向量机 被引量:5 2020年 为了提高半监督分类器在已标记和未标记样本的数量均不足时的分类性能,该文在迁移学习的基础上,提出了一种迁移拉普拉斯总间隔支持向量机。首先提出了联合最大均值差异度量准则,从全局和局部两方面衡量不同领域间的分布差异,并将迁移学习的思想引入半监督学习框架,提出了迁移拉普拉斯总间隔支持向量机。实现源域的知识到目标域的迁移,提高了目标域分类器的性能。8个迁移数据集上的实验结果证明,该方法能处理目标域标记和未标记数据均不足场景下的分类任务。 陆兵 周国华 周国华 顾晓清关键词:支持向量机 基于简约凸壳的一类模糊支持向量机 被引量:3 2019年 为解决传统一类支持向量机对噪声数据敏感和不适用于大规模分类等问题,提出了用于大规模噪声环境的基于简约凸壳的一类模糊支持向量机(OC-FSVM-RCH).OC-FSVM-RCH根据简约凸壳的定义在核空间得到代表正常类数据几何特征的样本,然后基于改进的模糊支持向量域描述算法,使得正常类数据包含在最小超球内,异常数据与超球间隔最大化.OC-FSVM-RCH剔除正常类数据轮廓边缘处的噪声,同时对数据内部的噪声不敏感.实验结果表明了所提算法在性能和训练时间上取得了良好的效果. 周国华 周国华 顾晓清 顾晓清关键词:模糊支持向量机 噪声数据 基于半监督子空间迁移的稀疏表示遥感图像场景分类方法 被引量:2 2021年 利用已有的标记数据对新领域图像进行分类是遥感图像场景分类的重要研究方向。提出了一种基于半监督子空间迁移的稀疏表示(sparse representation method based on semi-supervised transfer learning subspace,SR-SSTLS)遥感图像场景分类方法。为减少源域和目标域数据分布变化,将不同数据域的遥感图像投影至共享子空间。源域和目标域数据在投影子空间协同学习共享字典,使得带标记的源域数据辅助目标域模型的建立。同时,建立了基于源域、目标域、源域-目标域标记数据的拉普拉斯图矩阵和目标域未标记数据的拉普拉斯正则化项,使得目标域中的数据均得到很好编码。在多个遥感图像数据集上的实验结果均证明了SR-SSTLS方法的有效性。 周国华 周国华 顾晓清 顾晓清关键词:子空间 多任务学习的不平衡SVM+算法 被引量:1 2019年 处理不平衡数据分类时,传统支持向量机技术(SVM)对少数类样本识别率较低。鉴于SVM+技术能利用样本间隐藏信息的启发,提出了多任务学习的不平衡SVM+算法(MTL-IC-SVM+)。MTL-IC-SVM+基于SVM+将不平衡数据的分类表示为一个多任务的学习问题,并从纠正分类面的偏移出发,分别赋予多数类和少数类样本不同的错分惩罚因子,且设置少数类样本到分类面的距离大于多数类样本到分类面的距离。UCI数据集上的实验结果表明,MTL-IC-SVM+在不平衡数据分类问题上具有较高的分类精度。 周国华 周国华 殷新春关键词:不平衡数据 支持向量机 多任务学习 局部几何保持的Laplacian代价敏感支持向量机 被引量:1 2018年 不平衡数据广泛存在于现实生活中,代价敏感学习能有效解决这一问题。然而,当数据的标记信息有限或不足时,代价敏感学习分类器的分类精度大大下降,分类性能得不到保证。针对这一情况,该文提出了一种局部几何保持的Laplacian代价敏感支持向量机(LPCS-LapSVM),该模型基于半监督学习框架,将代价敏感学习和类内局部保持散度的思想引入其中,从考虑内在可分辨信息和样本的局部几何分布两方面来提高代价敏感支持向量机在标记信息有限的场景中的分类性能。UCI数据集上的实验结果表明了该算法的有效性。 周国华 周国华 宋洁关键词:代价敏感学习 半监督学习 层次型非线性子空间字典学习 2022年 为了提高遥感图像场景分类的准确率,提出层次型非线性子空间字典学习(HNSDL)方法.用所提方法训练多层网络模型学习多层非线性变换.将遥感图像投影到子空间中,构建稀疏编码和投影编码的局部信息保持项,在保持局部结构信息的同时最小化样本的类内差异,增强模型的分类识别能力.在模型目标式求解中,使用交替学习算法求解子空间和字典的联合学习任务,使所有参数同时达到最优解.在Ucmerced、Google和WHU-RS数据集上进行实验设计和测试,结果表明所提方法在遥感图像的多种场景分类上均表现出较高的分类准确率. 周国华 周国华 倪彤光 倪彤光关键词:遥感图像分类 子空间学习 字典学习