排序方式: 共有16条查询结果,搜索用时 15 毫秒
1.
为了快速更好地进行彩色图像分割,以图像的颜色、纹理及空间位置作为综合特征,基于t混合模型,提出了一种自适应的图像分割方法,即先采用贪婪的EM(Greedy EM)算法估计混合模型的参数,然后根据贝叶斯最小错误率准则对图像进行分割。由于t混合模型的稳健性和Greedy EM算法对于数据的初始化不敏感,且能收敛到全局最优,因此与其他的方法相比,不仅速度提高,而且能取得更好的分割结果。 相似文献
2.
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。 相似文献
3.
4.
5.
在基于稀疏表示分类的模式识别中,字典学习(DL) 可以为稀疏表示获得更为精简的数据表示。最近的基于Fisher判别的字典学习(FDDL)可以学 习到更加判别的稀疏字典,使得稀疏表示分类具有很强的识别性能。核空间变换可以学习到 非线性结构信息,这对判别分类非常有用。为了充分利用 核空间特性以学习更加判别的稀疏字典来提升最终的识别性能,在FDDL的基础上,提出了两 种核化的稀疏表示DL方法。首先原始训练数据被投影到高维核空间,进行基于Fisher 判别的核稀 疏表示DLFDKDL;其次在稀疏系数上附加核Fisher约束,进行基于核Fisher判别的核稀疏表 示DL(KFDKDL),使得所学习的字典具有更强的判别能力。在多个公开的图像数据库上的稀疏 表示分类实验结果验证了所提出的FDKDL和KFDKDL方法的有效性。 相似文献
6.
探索用图谱方法嵌入和聚类非加权图,以图的邻接矩阵主要特征向量来定义邻接矩阵的特征模.对每个特征模,我们计算谱特征向量,包括特征模周界、特征模体积、Cheeger常数、模间邻接矩阵和模间边界距离.用两种对比方法嵌入这些向量到一个模式空间:1)用谱模式特征的协方差矩阵的主成分分析(PCA)和独立分量分析(ICA);2)两类模式向量在L2范数下的多维尺度变换方法(MDS).另外,我们在三维多面体的二维图像中用角点特征来表示邻近图,以描述不同嵌入方法的聚类效果. 相似文献
7.
异方差线性判别分析(HLDA)因在语音识别中起到了巨大的特征去相关作用而被广泛利用。然而在训练数据不足或特征维数较高时,HLDA易出现不稳定性和小样本问题。根据特征的矩阵表示形式,提出了一种结构受限的HLDA。首先用二维线性判别分析(2DLDA)压缩矩阵形式的特征,然后作一维的HLDA。通过分析我们指出,二维的特征变换实际上是一种结构受限的一维特征变换。在RM库上的实验,受限HLDA对常规HLDA的词识别错误相对下降12.39%;在TIMIT库上的实验,受限HLDA对常规HLDA的音素识别错误相对下降4.43%。 相似文献
8.
针对1 030组混凝土抗压强度试验数据,通过天牛须搜寻算法(BAS)来训练多层神经网络(MLP),并与混合复杂进化方法(SCE)-MLP、多元宇宙优化算法(MVO)-MLP这2种耦合模型算法进行对比分析,得到可用于预测混凝土抗压强度的算法模型.结果表明:BAS可以显著提高MLP的训练精度和预测精度,该算法比SCE-MLP、MVO-MLP耦合模型算法更快、更准确;与人工神经网络(ANN)和支持向量机(SVM)个体学习算法相比,元启发式算法在混凝土抗压强度预测方便表现出良好的优越性.同时讨论了BAS-MLP模型中与训练数据集数量和输入变量数量相关的因素,发现使用1 030组数据的80%即可获得良好的预测结果. 相似文献
9.
10.
采用t混合模型建立图像的颜色,纹理及空间位置特征的联合分布,及改进的分裂—融合EM算法(SMEM)估计混合模型的参数,根据贝叶斯最小错误率准则对图像进行分割。由于t混合模型的稳健性和改进的SMEM算法对于数据的初始化不敏感,能收敛到全局最优,且能自适应的的选择分割的数目,因此该方法能取得更好的分割结果。 相似文献