期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
4
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
自适应图正则化稀疏编码算法
1
作者
余沁茹
卢桂馥
李华
《陕西师范大学学报(自然科学版)》
CAS
CSCD
北大核心
2023年第5期75-83,共9页
在GraphSC算法中,拉普拉斯图是预先定义并且固定不变的,并不会参与之后对于字典与稀疏编码的学习过程,而预先定义的拉普拉斯图往往不是最合适的。针对此问题,提出了自适应正则化稀疏编码(graph regularization sparse coding with adapt...
在GraphSC算法中,拉普拉斯图是预先定义并且固定不变的,并不会参与之后对于字典与稀疏编码的学习过程,而预先定义的拉普拉斯图往往不是最合适的。针对此问题,提出了自适应正则化稀疏编码(graph regularization sparse coding with adaptive neighbour,GraphSCAN)算法。该算法使用自适应方法构建合适的局部拉普拉斯图,然后将其加到SC的目标函数中;从而将图的构建和稀疏编码纳入到统一框架中,使得图的构建与稀疏编码的运算同时迭代进行。在CMU人脸数据与COIL20数据上进行的图像聚类实验结果验证了GraphSCAN算法的有效性。
展开更多
关键词
图正则化
稀疏编码
图聚类
自适应聚类
下载PDF
职称材料
自适应图正则化的低秩非负矩阵分解算法
被引量:
1
2
作者
余沁茹
卢桂馥
李华
《智能系统学报》
CSCD
北大核心
2022年第2期325-332,共8页
图正则化(nonnegative matrix factorization,NMF)算法(graph regularization nonnegative matrix factorization,GNMF)仍存在一些不足之处:GNMF算法并没有考虑数据的低秩结构;在GNMF算法中,其拉普拉斯图是使用K近邻(K nearest neighbor...
图正则化(nonnegative matrix factorization,NMF)算法(graph regularization nonnegative matrix factorization,GNMF)仍存在一些不足之处:GNMF算法并没有考虑数据的低秩结构;在GNMF算法中,其拉普拉斯图是使用K近邻(K nearest neighbor,KNN)方法预先定义的,而KNN方法无法总是获得最优图解,从而使得GNMF算法的性能不能达到最优。为此,本文提出了一种自适应图正则化的非负矩阵分解算法(nonnegative low-rank matrix factorization with adaptive graph neighbors,NLMFAN)。一方面,通过引入低秩约束,使得NLMFAN可以获得原始数据集的有效低秩结构;另一方面,设计了一种通过自适应求解相似度矩阵的方法来进行图的构建,即图的构造和矩阵分解的结果被融入一个整体的框架中,使得图中节点的相似性是自动从数据中学习得到的。此外,本文还给出了一种求解NLMFAN的有效算法。在多种数据集上的实验验证了本文所提出的算法的有效性。
展开更多
关键词
聚类
特征提取
降维
流形学习
非负矩阵分解
低秩约束
图正则化
自适应聚类
下载PDF
职称材料
一种基于最大相关熵和局部约束的协同表示分类器
被引量:
1
3
作者
余沁茹
卢桂馥
《智能科学与技术学报》
2021年第3期334-341,共8页
提出一种基于最大相关熵和局部约束的协同表示分类器(CRC/MCCLC),该分类器能同时利用最大相关熵和局部信息。一方面,通过利用最大相关熵准则,CRC/MCCLC不仅在异常值处理上比L1范数鲁棒性更高,还可以使用半二次优化技术进行更有效的计算...
提出一种基于最大相关熵和局部约束的协同表示分类器(CRC/MCCLC),该分类器能同时利用最大相关熵和局部信息。一方面,通过利用最大相关熵准则,CRC/MCCLC不仅在异常值处理上比L1范数鲁棒性更高,还可以使用半二次优化技术进行更有效的计算;另一方面,CRC/MCCLC通过使用局部信息得到近似稀疏表示,以此从训练样本中获得更多的判别信息。在ORL、Yale以及AR人脸数据集等图像数据集上的实验结果验证了CRC/MCCLC方法的有效性。
展开更多
关键词
人脸识别
协同表示
稀疏表示
最大相关熵
局部约束
下载PDF
职称材料
基于干净数据的流形正则化非负矩阵分解
4
作者
李华
卢桂馥
余沁茹
《计算机应用》
CSCD
北大核心
2021年第12期3492-3498,共7页
现有的非负矩阵分解(NMF)算法往往基于欧氏距离来设计目标函数,对噪声比较敏感。为了增强算法的鲁棒性,提出一种基于干净数据的流形正则化非负矩阵分解(MRNMF/CD)算法。在MRNMF/CD算法中,把低秩约束、流形正则化和NMF技术无缝地融为一体...
现有的非负矩阵分解(NMF)算法往往基于欧氏距离来设计目标函数,对噪声比较敏感。为了增强算法的鲁棒性,提出一种基于干净数据的流形正则化非负矩阵分解(MRNMF/CD)算法。在MRNMF/CD算法中,把低秩约束、流形正则化和NMF技术无缝地融为一体,使算法性能较为优异。首先,通过添加低秩约束,MRNMF/CD可以从噪声数据中恢复干净数据,并获得数据的全局结构;其次,为了利用数据的局部几何结构信息,MRNMF/CD把流形正则化融入目标函数中。此外,还提出了一种求解MRNMF/CD的迭代算法,并从理论上分析了该求解算法的收敛性。在ORL、Yale和COIL20数据集上的实验结果表明,MRNMF/CD算法比现有的k-means、主成分分析(PCA)、NMF和图正则化非负矩阵分解(GNMF)算法具有更好的识别准确性。
展开更多
关键词
低秩约束
非负矩阵分解
流形正则化
鲁棒性
干净数据
下载PDF
职称材料
题名
自适应图正则化稀疏编码算法
1
作者
余沁茹
卢桂馥
李华
机构
芜湖职业技术学院
安徽工程大学计算机与信息学院
出处
《陕西师范大学学报(自然科学版)》
CAS
CSCD
北大核心
2023年第5期75-83,共9页
基金
国家自然科学基金(61976005,61772277)
安徽省自然科学基金(1908085MF183)。
文摘
在GraphSC算法中,拉普拉斯图是预先定义并且固定不变的,并不会参与之后对于字典与稀疏编码的学习过程,而预先定义的拉普拉斯图往往不是最合适的。针对此问题,提出了自适应正则化稀疏编码(graph regularization sparse coding with adaptive neighbour,GraphSCAN)算法。该算法使用自适应方法构建合适的局部拉普拉斯图,然后将其加到SC的目标函数中;从而将图的构建和稀疏编码纳入到统一框架中,使得图的构建与稀疏编码的运算同时迭代进行。在CMU人脸数据与COIL20数据上进行的图像聚类实验结果验证了GraphSCAN算法的有效性。
关键词
图正则化
稀疏编码
图聚类
自适应聚类
Keywords
graph regularization
sparse coding
image clustering
adaptive clustering
分类号
TP391 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
自适应图正则化的低秩非负矩阵分解算法
被引量:
1
2
作者
余沁茹
卢桂馥
李华
机构
安徽工程大学计算机与信息学院
出处
《智能系统学报》
CSCD
北大核心
2022年第2期325-332,共8页
基金
国家自然科学基金项目(61976005,61772277)
安徽省自然科学基金项目(1908085MF183).
文摘
图正则化(nonnegative matrix factorization,NMF)算法(graph regularization nonnegative matrix factorization,GNMF)仍存在一些不足之处:GNMF算法并没有考虑数据的低秩结构;在GNMF算法中,其拉普拉斯图是使用K近邻(K nearest neighbor,KNN)方法预先定义的,而KNN方法无法总是获得最优图解,从而使得GNMF算法的性能不能达到最优。为此,本文提出了一种自适应图正则化的非负矩阵分解算法(nonnegative low-rank matrix factorization with adaptive graph neighbors,NLMFAN)。一方面,通过引入低秩约束,使得NLMFAN可以获得原始数据集的有效低秩结构;另一方面,设计了一种通过自适应求解相似度矩阵的方法来进行图的构建,即图的构造和矩阵分解的结果被融入一个整体的框架中,使得图中节点的相似性是自动从数据中学习得到的。此外,本文还给出了一种求解NLMFAN的有效算法。在多种数据集上的实验验证了本文所提出的算法的有效性。
关键词
聚类
特征提取
降维
流形学习
非负矩阵分解
低秩约束
图正则化
自适应聚类
Keywords
cluster
feature extraction
dimensionality reduction
manifold learning
nonnegative matrix factorization
low-rank constrain
graph regularization
adaptive clustering
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
一种基于最大相关熵和局部约束的协同表示分类器
被引量:
1
3
作者
余沁茹
卢桂馥
机构
安徽工程大学计算机与信息学院
出处
《智能科学与技术学报》
2021年第3期334-341,共8页
基金
国家自然科学基金资助项目(No.61976005,No.61772277)
安徽省自然科学基金资助项目(No.1908085MF183)。
文摘
提出一种基于最大相关熵和局部约束的协同表示分类器(CRC/MCCLC),该分类器能同时利用最大相关熵和局部信息。一方面,通过利用最大相关熵准则,CRC/MCCLC不仅在异常值处理上比L1范数鲁棒性更高,还可以使用半二次优化技术进行更有效的计算;另一方面,CRC/MCCLC通过使用局部信息得到近似稀疏表示,以此从训练样本中获得更多的判别信息。在ORL、Yale以及AR人脸数据集等图像数据集上的实验结果验证了CRC/MCCLC方法的有效性。
关键词
人脸识别
协同表示
稀疏表示
最大相关熵
局部约束
Keywords
face recognition
collaborative representation
sparse representation
maximum correntropy criterion
locality constraint
分类号
TP931.4 [自动化与计算机技术]
下载PDF
职称材料
题名
基于干净数据的流形正则化非负矩阵分解
4
作者
李华
卢桂馥
余沁茹
机构
安徽工程大学计算机与信息学院
出处
《计算机应用》
CSCD
北大核心
2021年第12期3492-3498,共7页
基金
国家自然科学基金面上项目(61976005)。
文摘
现有的非负矩阵分解(NMF)算法往往基于欧氏距离来设计目标函数,对噪声比较敏感。为了增强算法的鲁棒性,提出一种基于干净数据的流形正则化非负矩阵分解(MRNMF/CD)算法。在MRNMF/CD算法中,把低秩约束、流形正则化和NMF技术无缝地融为一体,使算法性能较为优异。首先,通过添加低秩约束,MRNMF/CD可以从噪声数据中恢复干净数据,并获得数据的全局结构;其次,为了利用数据的局部几何结构信息,MRNMF/CD把流形正则化融入目标函数中。此外,还提出了一种求解MRNMF/CD的迭代算法,并从理论上分析了该求解算法的收敛性。在ORL、Yale和COIL20数据集上的实验结果表明,MRNMF/CD算法比现有的k-means、主成分分析(PCA)、NMF和图正则化非负矩阵分解(GNMF)算法具有更好的识别准确性。
关键词
低秩约束
非负矩阵分解
流形正则化
鲁棒性
干净数据
Keywords
low rank constraint
Nonnegative Matrix Factorization(NMF)
manifold regularization
robustness
clean data
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
自适应图正则化稀疏编码算法
余沁茹
卢桂馥
李华
《陕西师范大学学报(自然科学版)》
CAS
CSCD
北大核心
2023
0
下载PDF
职称材料
2
自适应图正则化的低秩非负矩阵分解算法
余沁茹
卢桂馥
李华
《智能系统学报》
CSCD
北大核心
2022
1
下载PDF
职称材料
3
一种基于最大相关熵和局部约束的协同表示分类器
余沁茹
卢桂馥
《智能科学与技术学报》
2021
1
下载PDF
职称材料
4
基于干净数据的流形正则化非负矩阵分解
李华
卢桂馥
余沁茹
《计算机应用》
CSCD
北大核心
2021
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部