金诚
- 作品数：5 被引量：13H指数：3
- 供职机构：浙江大学计算机科学与技术学院更多>>
- 发文基金：浙江省自然科学基金国家自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于无监督特征选择的高光谱图像分类方法
- 2018年
- 在高光谱图像分类中,丰富的数据提升了其地物识别能力。然而,由于样本特征数大且有标记训练样本点少,导致"维度灾难"问题。本文提出一种基于无监督特征选择的高光谱图像分类方法,该方法同时考虑数据的流形嵌入映射和稀疏表达,将特征选择问题转化为一个优化问题,数据的流形嵌入和稀疏表达作为约束项加入目标函数。设计了三个目标函数,第一个目标函数描述流形学习的局部性原则,第二个目标函数将原始样本点回归到低维嵌入空间,第三个目标函数对回归系数进行正则化。针对目标函数非凸的问题,用迭代的方法来解这个约束优化问题,给出了解该优化问题的算法。优选特征用于参与后续的分类识别任务。在真实的高光谱数据集上的实验表明,新方法能够提高分类的精度。
- 彭艳斌邱薇薇郑志军李晓勇潘志刚金诚
- 关键词：图像
- 基于近邻图正则化的高光谱图像特征选择方法被引量：1
- 2019年
- 高光谱图像分类是近年来的研究热点。其数据的高维性引发了"维度灾难"问题。数据降维成为解决问题的关键。针对高光谱数据有标记训练样本点匮乏的特点,提出用无监督的特征选择方法对高光谱数据进行降维。该方法能够同时保持原始高光谱数据的判别能力和局部几何结构。为了保持判别能力,用所选特征对原始高光谱数据进行重构,利用重构误差最小化将特征选择问题转化为优化问题。为了保持局部几何结构,建立近邻图,并将其转化为正则项加入目标函数中。通过迭代梯度下降方法解此优化问题,得出优选特征子集参与高光谱图像分类识别任务。在真实数据集上的实验表明,新方法能够提高分类识别的精度。
- 彭艳斌郑志军邱薇薇李晓勇潘志刚金诚
- 关键词：高光谱图像降维
- 基于流形波段选择的高光谱图像分类被引量：4
- 2016年
- 为解决高光谱图像中高维数据和有标记训练样本不足的矛盾导致"维度灾难"问题,提出一种无监督的基于流形学习的波段选择(MLBS)方法。首先通过流形学习方法,得到原始数据的流形嵌入映射;然后通过LASSO优化过程,运用顺向坐标下降算法,得到原始波段对每个流形结构维度的贡献度;最后统计每个波段的贡献度,选取贡献度大的波段形成波段子集。用真实的AVIRIS高光谱图像对算法进行仿真实验的结果表明,本文方法在小样本下的高光谱地物分类识别问题上具有良好的效果。
- 彭艳斌郑志军潘志刚李晓勇金诚
- 关键词：高光谱图像波段选择流形学习
- 基于流形正则化非负矩阵分解的高光谱数据降维被引量：4
- 2018年
- 采用基于流形正则化非负矩阵分解(MR-NMF)的高光谱数据降维方法。新方法通过构建样本的近邻图描述数据几何结构,然后将其作为正则项加入NMF的目标函数中进行组合优化。在真实的高光谱数据集HYDICE上进行的实验结果表明,新方法能够提高高光谱图像分类的精度。
- 彭艳斌苏先创邱薇薇郑志军潘志刚李晓勇金诚
- 关键词：高光谱图像流形学习
- 在线社交网络控制实验的现状与展望被引量：4
- 2020年
- 在线社交网络已发展成为一个独特的电子生态系统,其应用深刻影响着人们生活的方方面面。由于在线社交网络特性复杂,分析在线社交网络形成和变化中的规律成为当前计算机科学、社会学和物理学的一项挑战。传统上,在线社交网络实证研究主要采用计算机辅助的被动数据获取和分析方式。近年来,在真实大规模在线社交网络上直接进行控制实验从而主动获取数据并开展分析研究的方式广受关注。评述了这一领域的研究进展,包括:社交网络控制实验的主要研究模式;控制实验方法在社交网络结构、信息传播、行为和心理学等领域取得的主要成果以及主要实验工具的适用条件和局限性。最后,展望了人工智能技术在社交网络控制实验中的应用潜力,分析了智能算法对降低实验成本和提高实验效率的作用。
- 金诚金诚闵勇闵勇金小刚葛滢
- 关键词：人工智能
