胡学伟
- 作品数：25 被引量：60H指数：7
- 供职机构：南京邮电大学更多>>
- 发文基金：国家自然科学基金甘肃省高等学校研究生导师科研项目计划甘肃省高校基本科研业务费专项资金项目更多>>
- 相关领域：自动化与计算机技术电气工程动力工程及工程热物理更多>>
- 基于邻域关系模糊粗糙集的分类方法研究与应用
- 在数据挖掘、模式识别、机器学习等研究过程中，特征选择能够选择出代表整个数据集信息的子集。与处理完整的数据集相比，使用特征选择方法可以节省处理时间、提升效率。由于粗糙集理论能够处理原始数据集中的不精确、不确定以及模糊性信息...
- 胡学伟
- 关键词：模糊粗糙集医学图像数据挖掘模式识别
- 文献传递
- 基于局部二元模式的人脸识别
- 本文提出了一种基于局部二元模式的人脸识别系统设计方案.采用高斯差分滤波方法以及改进的局部二元模式度量方法,实现实时的人脸检测与识别.在Yale人脸库上的实验结果表明该方法优于其他方法.
- 朱松豪刘佳伟胡学伟
- 关键词：人脸识别图像处理系统设计局部二元模式
- 文献传递
- 基于局部二元模式的人脸识别
- 2013年
- 提出了一种基于局部二元模式的人脸识别系统设计方案。采用高斯差分滤波方法以及改进的局部二元模式度量方法,实现实时的人脸检测与识别。在Yale人脸库上的实验结果表明该方法优于其他方法。
- 朱松豪刘佳伟胡学伟
- 关键词：人脸识别光照变化局部二元模式
- 基于邻域关系模糊粗糙集的医学图像分类研究被引量：9
- 2016年
- 对医学图像进行分类时,特征选择是影响分类准确率的非常重要的因素。针对医学图像的特殊性,以及目前提出的特征选择算法在应用于医学图像分类时效果不够理想等问题,提出一种基于邻域关系的模糊粗糙集模型,基于该模型给出特征选择算法,并将其应用于乳腺X光图像。实验结果表明,同已有的算法相比,该方法能有效选择特征,分类精度有较大的提升。
- 胡学伟蒋芸邹丽李志磊沈健
- 关键词：医学图像分类邻域关系
- 一种图像自动标注方法
- 本发明公开了一种图像自动标注方法，它分为以下三个步骤：第一步，采用仿射传播聚类算法从个人照片集中选出一些代表性图像来描述该类视觉信息，这样可大大减少训练图像数目；第二步，依据视觉信息和语义标注一致性原则，对代表性图像进行...
- 朱松豪邹黎明胡学伟梁志伟
- 文献传递
- 基于光流和时空梯度的局部异常行为检测方法
- 本发明公开了基于光流和时空梯度的局部异常行为检测方法，该方法包括以下步骤：将视频图像分成时空块；利用基于半参数模型的统计方法检测最有可能发生异常行为的区域；利用单元格最大光流能量法和局部最近邻描述符，确认可疑区域是否真实...
- 朱松豪师哲孙成建胡学伟
- 文献传递
- 基于决策树对支持向量机的医学图像分类新方法被引量：9
- 2016年
- 针对传统对支持向量机多类分类算法(Multi-TWSVM)中出现的模糊性问题,提出了一种基于遗传算法的决策树对支持向量机(GA-DTTSVM)多类分类算法。GA-DTTSVM用遗传算法对特征数据建立决策树,通过构建决策树可以分离样本的模糊区域,提高模糊区域样本的识别率。在决策树的每个节点上用对支持向量机(TWSVM)训练分类器,最后用训练的分类器进行分类和预测。实验结果表明,与决策树对支持向量机(DTTSVM)多类分类算法以及Multi-TWSVM相比,GA-DTTSVM多类分类算法具有较高的分类精度和较快的训练速度。
- 邹丽蒋芸陈娜沈健胡学伟李志磊
- 关键词：遗传算法
- 一种基于轨迹关联的多目标跟踪方法
- 本发明公开了一种基于轨迹关联的多目标跟踪方法，该方法包括以下步骤：首先，基于场景自适应方法生成局部轨迹，实现检测响应与原有轨迹关联；然后，基于增量线性判决的表观模型，实现全局轨迹关联；最后，基于非线性运动模型，实现轨迹片...
- 朱松豪师哲胡学伟
- 文献传递
- 变精度复合粗糙集模型及其应用
- 2016年
- 针对复合信息系统中的噪声数据以及复合粗糙集近似边界要求严格等问题,对复合粗糙集模型进行了扩展,提出变精度复合粗糙集模型。在该模型中,通过设置阈值参数β(0.5<β≤1),定义了基于矩阵方法的变精度复合粗糙集的β-上近似、β-下近似、β-正区域、β-负区域、β-边界区域、β-精确度和β-粗糙度等概念;同时,对变精度复合粗糙集的相关性质进行了研究。最后,通过实例说明了该模型在信息处理中的应用,进一步说明该模型具有一定的容错性,抗干扰能力增强,应用范围扩大。
- 赵静蒋芸李志磊胡学伟
- 关键词：变精度粗糙集近似算子
- 基于边缘检测的多类别医学图像分类方法被引量：9
- 2016年
- 针对乳腺X光医学图像多类分类精度普遍较低的问题,提出了一种基于边缘检测的医学图像多类分类新方法。首先对乳腺X光医学图像进行预处理包括图像去噪和图像增强,再通过边缘检测方法,获取乳腺X光医学图像中的肿块区域,对检测到的肿块区域使用灰度共生矩阵提取特征,对于提取到的特征,采用支持向量机(Support vector machine,SVM)的方法进行分类;对于检测不到肿块区域的乳腺X光医学图像可直接分类为无乳腺癌(即正常)类。实验结果表明,与传统的支持向量机多类分类算法相比,基于边缘检测的医学图像多类分类新方法在乳腺X光医学图像上具有更高的分类精度。
- 沈健蒋芸张亚男胡学伟
- 关键词：多类分类边缘检测灰度共生矩阵支持向量机
