稀疏标签传播:一种鲁棒的领域适应学习方法

稀疏表示因其所具有的鲁棒性,在模式分类领域逐渐得到关注.研究了一种基于稀疏保留模型的新颖领域适应学习方法,并提出一种鲁棒的稀疏标签传播领域适应学习(sparse label propagation domain adaptation learning,简称SLPDAL)算法.SLPDAL通过将目标领域数据进行稀疏重构,以实现源领域数据标签向目标领域平滑传播.具体来讲,SLPDAL算法分为3步:首先,基于领域间数据分布均值差最小化准则寻求一个优化的核空间,并将领域数据嵌入到该核空间;然后,在该嵌入核空间,基于l₁-范最小化准则计算各领域数据的核稀疏重构系数;最后,通过保留领域数据间核稀疏重构系数约束,实现源领域数据标签向目标领域的传播.最后,将SLPDAL算法推广到多核学习框架,提出一个SLPDAL多核学习模型.在鲁棒人脸识别、视频概念检测和文本分类等领域适应学习任务上进行比较实验,所提出的方法取得了优于或可比较的学习性能.     

基于ISE 的核密度估计和随机置换的单一或协同特征的选择方法

针对数据的特征存在单一和协同特征的选择问题,基于平方误差标准核密度估计和随机置换理论,首先提出一种针对单一特征的特征选择方法(FSKDE-RP);然后,针对协同特征的情况,通过拓展随机置换理论,提出多维协同特征选择算法(SFSKDE-MRP),并利用核神经网络(KNN)分类器的分类精度选择最优特征子集.在模拟数据和真实数据集上的实验结果表明了所提出算法的有效性.     

用两层分类算法进行视频烟雾检测

为提高视频烟雾检测的准确性,提出一种基于概率的两层最近邻自适应度量分类算法(PTLNN)来进行烟雾检测.该算法以最小化平均绝对误差为原则,结合AdaBoost和KNN算法的优势,充分考虑局部和全局的样本分布,能明显提升分类精度.采用离散余弦变换(DCT)和离散小波变换(DWT)两种方式对烟雾特征进行提取,并验证算法性能.通过与传统算法的对比实验发现,采用离散余弦变换并结合PTLNN算法在视频烟雾检测方面具有更好的效果,既满足实时性要求又提高了检测精度.     

基于聚类、空间分集和轨迹连续的实时定位算法

针对多样本消除接收信号强度其时域浮动易造成定位的更新率下降和实时性降低的问题,首先在定位阶段利用空间分集技术,建立相邻位置信号强度的矢量队列来计算当前位置的强度;然后利用轨迹的连续性质,消除时域浮动产生的定位误差,同时通过对指纹数据库进行聚类,在对目标定位时只需在较小的聚类集合中进行少量计算,无需遍历整个数据库,且计算量不随指纹数据库的增大而增加,极大地降低了计算量;最后进行了实验仿真,结果表明该算法能有效减小运算量和定位误差。     

基于图像识别的文字快速录入系统

为有效地改进将实体处理成字符型文本文档的一般问题：算法局限性及运算量大、字符切分不准确、存储显示问题,提出基于图像识别的文字快速录入系统设计。系统将纸质文本资料扫描成图像文件,分析处理字符图像,自动识别获取文字信息及版面信息,储存成文本文档形式发送回上位机,完成图像信息的快速录入。数字图像处理技术是与国计民生紧密相连的一门应用学科,无论在理论上还是实践上都存在着巨大的潜力。     

基于GIS的乌江流域新安江模型参数率定

为了使新安江模型的运用更能真实反映流域的基本特征及产汇流机理,利用地理信息系统空间分析的功能,由数字高程模型导出乌江武隆以上流域的流域排水网,并在此基础上提取汇流长度及坡度等地形特征值。在地理信息系统平台上,计算出流域下垫面的植被、土壤、地貌等特征值,并将其与流域模型参数建立相关关系。结果表明,各流域模拟的确定性系数及模拟精度均较高。因此,预报结果更加合理,理论依据也更加可靠。     

翻转教学方式的认识与实践探索

翻转教学方式的认识翻转教学方式将在线学习所要的现代新型教学元素与传统教学合理元素进行整合,利用混合学习模式,形成个性化、定制化、差异化的课程教学,从而让学生获取综合素质的提升。1.翻转教学方式翻转的要素(1)翻转了传统的教学理念尽管新课程改革多年,但就目前的教学模式,不少课堂依旧"以教师为中     

HSV自适应混合高斯模型的运动目标检测

在目前的计算机视觉应用中,从视频序列中提取出运动目标是一个研究热点。针对传统方法在复杂多变环境下不能很好地检测出运动目标且运算量较大的问题,根据HSV颜色空间的特点,提出了一种基于HSV颜色空间的自适应混合高斯背景建模和阴影消除的方法。首先,在传统的混合高斯背景建模的基础上,引入了一种新的混合高斯模型高斯成分个数的自适应选择策略以提高建模的效率。其次,根据阴影在HSV向量空间的特点,融入了一种新的阴影消除方法,以检测出带阴影的运动目标。该方法能够快速准确地建立背景模型,准确分割前景目标。与传统的阴影消除方法相比,该方法可以在不需要设置阂值的情况下,对运动目标的阴影进行很好的消除,有很好的鲁棒性和实用性。     

基于矢量尺度的图像滤波

对于医学图像滤波来说,很重要的一点就是滤波后的图像应该尽可能地保留图像中的边缘和细节特征.但通常在滤波过程中,在消除噪声的同时会模糊图像中一些重要的结构信息.在最近几年中,基于尺度的滤波方法已经有效地应用在灰度图像的滤波中.现把基于尺度的方法推广到矢量(彩色)图像的滤波中.在传统滤波方法(矢量中值滤波、基本矢量方向滤波和方向距离滤波)基础上,相应地提出了3种基于球尺度的矢量滤波器.新的滤波方法能根据图像中像素的尺度信息,在图像边缘和细节附近,即区域边界执行较小的平滑,而在区域内部进行较大的平滑,从而能够自适应地控制滤波过程.实验结果表明,所提出的滤波方法与传统滤波方法相比,在消除噪声的同时更能够保留图像中的边缘和细节特征.     

基于IHS的高分辨率遥感影像自适应融合算法

在分析几种IHS算法的基础上,提出了一种适合于高分辨率遥感影像的自适应加权融合算法。该算法基于快速IHS变换,从亮度成份构成和空间细节注入程度两个方面加以改进,采用相关系数来调整权重,避免了人工指定权重带来的主观因素偏差,在提高影像空间细节和光谱保持之间取得了较好的均衡,同时还具备了高计算效率。通过融合实验并与几种改进的IHS算法的对比分析,该算法均优于其他几种改进算法。