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
7
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
产生式与判别式线性混合分类器
被引量:
2
1
作者
石洪波
柳亚琴
《模式识别与人工智能》
EI
CSCD
北大核心
2012年第5期865-873,共9页
产生式方法和判别式方法是解决分类问题的两种不同框架,具有各自的优势.为利用两种方法各自的优势,文中提出一种产生式与判别式线性混合分类模型,并设计一种基于遗传算法的产生式与判别式线性混合分类模型的学习算法.该算法将线性混合...
产生式方法和判别式方法是解决分类问题的两种不同框架,具有各自的优势.为利用两种方法各自的优势,文中提出一种产生式与判别式线性混合分类模型,并设计一种基于遗传算法的产生式与判别式线性混合分类模型的学习算法.该算法将线性混合分类器混合参数的学习看作一个最优化问题,以两个基分类器对每个训练数据的后验概率值为数据依据,用遗传算法找出线性混合分类器混合参数的最优值.实验结果表明,在大多数数据集上,产生式与判别式线性混合分类器的分类准确率优于或近似于它的两个基分类器中的优者.
展开更多
关键词
分类
产生式
分类器
判别式分类器
遗传算法
原文传递
基于LDA和SVM的肺结节CT图像自动检测与诊断
被引量:
9
2
作者
曹蕾
黎维娟
冯前进
《南方医科大学学报》
CAS
CSCD
北大核心
2011年第2期324-328,共5页
在已实现疑似肺结节图像分割的基础上,提取肺结节图像多维特征,应用LDA和SVM统计分类器,通过对大量样本的训练,实现对肺结节CT图像的自动检测和诊断。实验结果表明该检测和诊断方法达到了较好的分类效果,是适用于CAD系统的实用方法。
关键词
CAD
线性
判别式分类器
支持向量机
CT图像
肺结节检测
肺结节诊断
下载PDF
职称材料
一种鲁棒的基于集成学习的核相关红外目标跟踪算法
被引量:
5
3
作者
谢涛
吴恩斯
《电子与信息学报》
EI
CSCD
北大核心
2018年第3期602-609,共8页
在红外目标跟踪中,由于目标所处的背景信息复杂多变和目标外观的显著变化,单一的分类器不足以拟合多模态的数据。该文结合核相关滤波器(KCF)将多个核相关分类器通过集成学习整合到一个框架中。利用KCF分类器具有解析解的特点平衡跟踪鲁...
在红外目标跟踪中,由于目标所处的背景信息复杂多变和目标外观的显著变化,单一的分类器不足以拟合多模态的数据。该文结合核相关滤波器(KCF)将多个核相关分类器通过集成学习整合到一个框架中。利用KCF分类器具有解析解的特点平衡跟踪鲁棒性与实时性之间的矛盾,从而解决单个分类器无法处理复杂背景与显著的外观变化问题,并显著提升目标跟踪的性能与稳定性。为了验证算法的有效性,该文利用两个核相关跟踪器联合学习出1个强分类器。大量的定性定量实验表明所提的算法的跟踪性能超过传统的KCF算法,且跟踪速度也超过大多数比较算法。
展开更多
关键词
目标跟踪
集成学习
判别式分类器
核相关跟踪
下载PDF
职称材料
基于非负稀疏协作模型的目标跟踪算法
4
作者
陈思宝
苌江
罗斌
《安徽大学学报(自然科学版)》
CAS
北大核心
2017年第5期17-25,共9页
目标跟踪是计算机视觉研究领域中一个最基本的问题.为解决在复杂场景下目标跟踪效果不佳的问题,作者搭建了一个基于非负稀疏的协作模型,该模型将非负稀疏表示的产生式模型与全局模板判别式模型相结合,并提出了基于非负稀疏协作模型的目...
目标跟踪是计算机视觉研究领域中一个最基本的问题.为解决在复杂场景下目标跟踪效果不佳的问题,作者搭建了一个基于非负稀疏的协作模型,该模型将非负稀疏表示的产生式模型与全局模板判别式模型相结合,并提出了基于非负稀疏协作模型的目标跟踪算法.首先对每一帧图像使用粒子滤波得到若干个候选框,然后再利用非负稀疏协作模型对每一个候选跟踪框进行评分,根据得分最高判为是跟踪目标的候选框.在多个视频序列上的实验结果表明,所提出的方法可以有效地提高目标跟踪的性能.
展开更多
关键词
目标跟踪
非负稀疏表示
稀疏协作模型
产生式模型
判别式分类器
下载PDF
职称材料
基于相关滤波的目标跟踪的研究
被引量:
1
5
作者
董艳兵
《电子设计工程》
2018年第20期6-9,13,共5页
大多数现代的跟踪器的核心元素是一个判别式的分类器,这个分类器的任务是去区分目标区域和周围的环境。本文基于基础的相关滤波的方法,并对其进行改进的目的,通过在相关滤波的计算中引入不同的尺度信息,较好的手动设计的特征和更具表示...
大多数现代的跟踪器的核心元素是一个判别式的分类器,这个分类器的任务是去区分目标区域和周围的环境。本文基于基础的相关滤波的方法,并对其进行改进的目的,通过在相关滤波的计算中引入不同的尺度信息,较好的手动设计的特征和更具表示性的深度特征,然后在OTB2013数据库上对这些不同的方法进行实验,得到基于深度特征和多尺度信息的方法比基础的相关滤波的方法的重叠精度(Overlap Precision,OP)提高了16.68%(从62.77%到79.45%),从而验证了这些额外信息的引入可以很大地提升跟踪性能。
展开更多
关键词
目标跟踪
相关滤波
判别式分类器
多尺度
深度特征
下载PDF
职称材料
基于TrAdaBoost的跨脑辨识P300电位研究
被引量:
3
6
作者
徐桂芝
林放
+2 位作者
宫铭鸿
李梦凡
于洪丽
《生物医学工程学杂志》
EI
CAS
CSCD
北大核心
2019年第4期531-540,共10页
P300电位的个体差异导致基于该电位的脑-机交互系统需要每位被试的大量训练数据来构建模式识别模型,引起被试的训练疲劳,并可能由此导致系统性能降低。TrAdaBoost是一种把源领域的知识迁移到目标领域,进而使目标领域能获得更好的学习效...
P300电位的个体差异导致基于该电位的脑-机交互系统需要每位被试的大量训练数据来构建模式识别模型,引起被试的训练疲劳,并可能由此导致系统性能降低。TrAdaBoost是一种把源领域的知识迁移到目标领域,进而使目标领域能获得更好的学习效果的迁移学习方法。本研究针对P300电位的跨脑辨识问题,提出基于TrAdaBoost的线性判别分类算法和支持向量机,将同被试的少量数据训练的分类器与不同被试的大量数据训练的分类器按权重组成融合分类器。与只采用少量同被试数据或者混合不同被试数据来直接进行训练的传统学习方式相比,本文算法在少量样本情况下将准确率分别提高了19.56%和22.25%,信息传输率分别提高了14.69 bits/min和15.76 bits/min,有望提高脑-机交互系统对被试个体差异的泛化能力。
展开更多
关键词
脑-机接口
P300
迁移学习
TrAdaBoost
线性
判别式分类器
支持向量机
原文传递
加权间隔结构化支持向量机目标跟踪算法
被引量:
2
7
作者
江少杰
宁纪锋
李云松
《中国图象图形学报》
CSCD
北大核心
2017年第9期1261-1269,共9页
目的目标在跟踪过程中,各种因素的干扰使得跟踪结果存在不确定性。因此,将跟踪过程中所提取样本的可靠性融入跟踪模型中,有助于克服低可靠性样本对跟踪算法的影响。为此,基于最近的结构化支持向量机(SSVM)跟踪算法,提出一种包含样本置...
目的目标在跟踪过程中,各种因素的干扰使得跟踪结果存在不确定性。因此,将跟踪过程中所提取样本的可靠性融入跟踪模型中,有助于克服低可靠性样本对跟踪算法的影响。为此,基于最近的结构化支持向量机(SSVM)跟踪算法,提出一种包含样本置信度的加权间隔结构化支持向量机跟踪模型(WMSSVM),以增强SSVM跟踪算法性能。方法首先,基于打分和位置重合率估计样本可靠性;其次,建立WMSSVM模型处理具有不同置信度的跟踪样本训练问题,并采用对偶坐标下降优化算法求解跟踪模型。结果在包含100个视频的OTB100跟踪数据集上进行测试,提出的WMSSVM跟踪器与基准跟踪器Scale-DLSSVM相比,在精准度和成功率两个指标上分别提高了1%和2%。与最近的跟踪算法相比,提出的方法也表现出更好的性能。结论本文首次将样本的可靠性融入结构化支持向量机跟踪模型,并提出一种基于加权间隔的结构化支持向量机跟踪模型及其优化求解方法,在包含100个视频序列的跟踪数据集上验证了提出方法的有效性,本文提出的算法能够适应复杂场景下的跟踪任务,并在背景混杂、目标形变、遮挡、运动模糊、目标出界、快速位移等类别的视频中表现出优异的性能。
展开更多
关键词
目标跟踪
结构化支持向量机
样本置信度
判别式分类器
原文传递
题名
产生式与判别式线性混合分类器
被引量:
2
1
作者
石洪波
柳亚琴
机构
山西财经大学信息管理学院
出处
《模式识别与人工智能》
EI
CSCD
北大核心
2012年第5期865-873,共9页
基金
国家自然科学基金(No.60873100)
山西省自然科学基金(No.2009011017-4)资助项目
文摘
产生式方法和判别式方法是解决分类问题的两种不同框架,具有各自的优势.为利用两种方法各自的优势,文中提出一种产生式与判别式线性混合分类模型,并设计一种基于遗传算法的产生式与判别式线性混合分类模型的学习算法.该算法将线性混合分类器混合参数的学习看作一个最优化问题,以两个基分类器对每个训练数据的后验概率值为数据依据,用遗传算法找出线性混合分类器混合参数的最优值.实验结果表明,在大多数数据集上,产生式与判别式线性混合分类器的分类准确率优于或近似于它的两个基分类器中的优者.
关键词
分类
产生式
分类器
判别式分类器
遗传算法
Keywords
Classification, Generative Classifier, Discriminative Classifier, Genetic Algorithm
分类号
TP181 [自动化与计算机技术—控制理论与控制工程]
原文传递
题名
基于LDA和SVM的肺结节CT图像自动检测与诊断
被引量:
9
2
作者
曹蕾
黎维娟
冯前进
机构
南方医科大学生物医学工程学院
出处
《南方医科大学学报》
CAS
CSCD
北大核心
2011年第2期324-328,共5页
基金
广东省产学研项目(cgzhzd0714)
广东省科技计划项目(2007B010400058)
文摘
在已实现疑似肺结节图像分割的基础上,提取肺结节图像多维特征,应用LDA和SVM统计分类器,通过对大量样本的训练,实现对肺结节CT图像的自动检测和诊断。实验结果表明该检测和诊断方法达到了较好的分类效果,是适用于CAD系统的实用方法。
关键词
CAD
线性
判别式分类器
支持向量机
CT图像
肺结节检测
肺结节诊断
Keywords
computer-aided diagnosis
linear discriminant analysis
support vector machines
CT images
lung nodule detection
lung nodule diagnosis
分类号
R319 [医药卫生—基础医学]
R816.4 [医药卫生—放射医学]
下载PDF
职称材料
题名
一种鲁棒的基于集成学习的核相关红外目标跟踪算法
被引量:
5
3
作者
谢涛
吴恩斯
机构
西南大学计算机与信息科学学院
重庆师范大学教务处
出处
《电子与信息学报》
EI
CSCD
北大核心
2018年第3期602-609,共8页
基金
教育部-中国移动科研基金(MCM20160405)~~
文摘
在红外目标跟踪中,由于目标所处的背景信息复杂多变和目标外观的显著变化,单一的分类器不足以拟合多模态的数据。该文结合核相关滤波器(KCF)将多个核相关分类器通过集成学习整合到一个框架中。利用KCF分类器具有解析解的特点平衡跟踪鲁棒性与实时性之间的矛盾,从而解决单个分类器无法处理复杂背景与显著的外观变化问题,并显著提升目标跟踪的性能与稳定性。为了验证算法的有效性,该文利用两个核相关跟踪器联合学习出1个强分类器。大量的定性定量实验表明所提的算法的跟踪性能超过传统的KCF算法,且跟踪速度也超过大多数比较算法。
关键词
目标跟踪
集成学习
判别式分类器
核相关跟踪
Keywords
Object tracking
Ensemble learning
Discriminant classifier
Kernelized correlation tracking
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
基于非负稀疏协作模型的目标跟踪算法
4
作者
陈思宝
苌江
罗斌
机构
安徽大学计算机科学与技术学院
出处
《安徽大学学报(自然科学版)》
CAS
北大核心
2017年第5期17-25,共9页
基金
国家自然科学基金资助项目(61202228
61671018)
文摘
目标跟踪是计算机视觉研究领域中一个最基本的问题.为解决在复杂场景下目标跟踪效果不佳的问题,作者搭建了一个基于非负稀疏的协作模型,该模型将非负稀疏表示的产生式模型与全局模板判别式模型相结合,并提出了基于非负稀疏协作模型的目标跟踪算法.首先对每一帧图像使用粒子滤波得到若干个候选框,然后再利用非负稀疏协作模型对每一个候选跟踪框进行评分,根据得分最高判为是跟踪目标的候选框.在多个视频序列上的实验结果表明,所提出的方法可以有效地提高目标跟踪的性能.
关键词
目标跟踪
非负稀疏表示
稀疏协作模型
产生式模型
判别式分类器
Keywords
object tracking
non-negative sparse representation
sparsity-based collaborativemodel
generative model
discriminative classifier
分类号
TP18 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
基于相关滤波的目标跟踪的研究
被引量:
1
5
作者
董艳兵
机构
中国科学院上海微系统与信息技术研究所
上海科技大学信息科学与技术学院
中国科学院大学
出处
《电子设计工程》
2018年第20期6-9,13,共5页
文摘
大多数现代的跟踪器的核心元素是一个判别式的分类器,这个分类器的任务是去区分目标区域和周围的环境。本文基于基础的相关滤波的方法,并对其进行改进的目的,通过在相关滤波的计算中引入不同的尺度信息,较好的手动设计的特征和更具表示性的深度特征,然后在OTB2013数据库上对这些不同的方法进行实验,得到基于深度特征和多尺度信息的方法比基础的相关滤波的方法的重叠精度(Overlap Precision,OP)提高了16.68%(从62.77%到79.45%),从而验证了这些额外信息的引入可以很大地提升跟踪性能。
关键词
目标跟踪
相关滤波
判别式分类器
多尺度
深度特征
Keywords
object tracking
correlation filter
discriminative classifier
multi-scale
deep feature
分类号
TN919 [电子电信—通信与信息系统]
下载PDF
职称材料
题名
基于TrAdaBoost的跨脑辨识P300电位研究
被引量:
3
6
作者
徐桂芝
林放
宫铭鸿
李梦凡
于洪丽
机构
河北工业大学电气工程学院省部共建电工装备可靠性与智能化国家重点实验室
河北工业大学电气工程学院河北省电磁场与电器可靠性重点实验室
出处
《生物医学工程学杂志》
EI
CAS
CSCD
北大核心
2019年第4期531-540,共10页
基金
国家自然科学基金(51737003,51677053,61806070,51877068)
河北省自然科学基金(F2018202088)
文摘
P300电位的个体差异导致基于该电位的脑-机交互系统需要每位被试的大量训练数据来构建模式识别模型,引起被试的训练疲劳,并可能由此导致系统性能降低。TrAdaBoost是一种把源领域的知识迁移到目标领域,进而使目标领域能获得更好的学习效果的迁移学习方法。本研究针对P300电位的跨脑辨识问题,提出基于TrAdaBoost的线性判别分类算法和支持向量机,将同被试的少量数据训练的分类器与不同被试的大量数据训练的分类器按权重组成融合分类器。与只采用少量同被试数据或者混合不同被试数据来直接进行训练的传统学习方式相比,本文算法在少量样本情况下将准确率分别提高了19.56%和22.25%,信息传输率分别提高了14.69 bits/min和15.76 bits/min,有望提高脑-机交互系统对被试个体差异的泛化能力。
关键词
脑-机接口
P300
迁移学习
TrAdaBoost
线性
判别式分类器
支持向量机
Keywords
brain-computer interface
P300
transfer learning
TrAdaBoost
linear discriminant analysis classifier
support vector machine
分类号
R318 [医药卫生—生物医学工程]
TP181 [自动化与计算机技术—控制理论与控制工程]
原文传递
题名
加权间隔结构化支持向量机目标跟踪算法
被引量:
2
7
作者
江少杰
宁纪锋
李云松
机构
西北农林科技大学信息工程学院
西安电子科技大学综合业务网理论及关键技术国家重点实验室
出处
《中国图象图形学报》
CSCD
北大核心
2017年第9期1261-1269,共9页
基金
西安电子科技大学综合业务网理论及关键技术国家重点实验室开放基金项目(ISN17-08)
文摘
目的目标在跟踪过程中,各种因素的干扰使得跟踪结果存在不确定性。因此,将跟踪过程中所提取样本的可靠性融入跟踪模型中,有助于克服低可靠性样本对跟踪算法的影响。为此,基于最近的结构化支持向量机(SSVM)跟踪算法,提出一种包含样本置信度的加权间隔结构化支持向量机跟踪模型(WMSSVM),以增强SSVM跟踪算法性能。方法首先,基于打分和位置重合率估计样本可靠性;其次,建立WMSSVM模型处理具有不同置信度的跟踪样本训练问题,并采用对偶坐标下降优化算法求解跟踪模型。结果在包含100个视频的OTB100跟踪数据集上进行测试,提出的WMSSVM跟踪器与基准跟踪器Scale-DLSSVM相比,在精准度和成功率两个指标上分别提高了1%和2%。与最近的跟踪算法相比,提出的方法也表现出更好的性能。结论本文首次将样本的可靠性融入结构化支持向量机跟踪模型,并提出一种基于加权间隔的结构化支持向量机跟踪模型及其优化求解方法,在包含100个视频序列的跟踪数据集上验证了提出方法的有效性,本文提出的算法能够适应复杂场景下的跟踪任务,并在背景混杂、目标形变、遮挡、运动模糊、目标出界、快速位移等类别的视频中表现出优异的性能。
关键词
目标跟踪
结构化支持向量机
样本置信度
判别式分类器
Keywords
object tracking
structured support vector machine
sample confidence
discriminative classifier
分类号
TP301.6 [自动化与计算机技术—计算机系统结构]
原文传递
题名
作者
出处
发文年
被引量
操作
1
产生式与判别式线性混合分类器
石洪波
柳亚琴
《模式识别与人工智能》
EI
CSCD
北大核心
2012
2
原文传递
2
基于LDA和SVM的肺结节CT图像自动检测与诊断
曹蕾
黎维娟
冯前进
《南方医科大学学报》
CAS
CSCD
北大核心
2011
9
下载PDF
职称材料
3
一种鲁棒的基于集成学习的核相关红外目标跟踪算法
谢涛
吴恩斯
《电子与信息学报》
EI
CSCD
北大核心
2018
5
下载PDF
职称材料
4
基于非负稀疏协作模型的目标跟踪算法
陈思宝
苌江
罗斌
《安徽大学学报(自然科学版)》
CAS
北大核心
2017
0
下载PDF
职称材料
5
基于相关滤波的目标跟踪的研究
董艳兵
《电子设计工程》
2018
1
下载PDF
职称材料
6
基于TrAdaBoost的跨脑辨识P300电位研究
徐桂芝
林放
宫铭鸿
李梦凡
于洪丽
《生物医学工程学杂志》
EI
CAS
CSCD
北大核心
2019
3
原文传递
7
加权间隔结构化支持向量机目标跟踪算法
江少杰
宁纪锋
李云松
《中国图象图形学报》
CSCD
北大核心
2017
2
原文传递
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