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
2
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
基于高斯增量降维与流形Boltzmann优化的人体运动形态估计
被引量:
3
1
作者
李万益
孙季丰
《电子学报》
EI
CAS
CSCD
北大核心
2017年第12期3060-3069,共10页
为了从多视角轮廓图像估计出含空间位置信息的三维人体运动形态,该文提出高斯增量降维与流形Boltzmann优化(GIDRMBO)算法.该算法把表示三维人体运动形态的高维数据分成表示空间位置信息和姿态信息两段子向量后,用高斯增量降维模型(GIDRM...
为了从多视角轮廓图像估计出含空间位置信息的三维人体运动形态,该文提出高斯增量降维与流形Boltzmann优化(GIDRMBO)算法.该算法把表示三维人体运动形态的高维数据分成表示空间位置信息和姿态信息两段子向量后,用高斯增量降维模型(GIDRM)分别对其样本进行降维,建立相应的低维空间及映射关系,然后在相应的低维空间使用流形Boltzmann优化算法来对轮廓匹配目标函数进行优化,从而实现估计.其中,所提算法分别利用了两段子向量样本的低维数据作为先验信息,可较好的避免陷入局部最优区域进行搜索,最终生成与各视角原始运动图像匹配且含空间位置信息的三维人体运动形态.经仿真实验验证,所提算法与常用粒子滤波算法相比,其估计误差小,并且还能起到消除轮廓数据歧义和克服短时遮挡的作用.
展开更多
关键词
高斯
增量降维
模型
流形Boltzmann优化
人体运动形态
轮廓图像
子向量
下载PDF
职称材料
基于自适应聚类流形学习的增量样本降维与识别
被引量:
2
2
作者
杨静林
唐林波
+1 位作者
宋丹
赵保军
《系统工程与电子技术》
EI
CSCD
北大核心
2015年第1期199-205,共7页
为了解决局部线性嵌入(locally linear embedding,LLE)流形学习算法无法自适应确定重构区间和不能进行增量学习等问题,提出了一种自适应聚类增量LLE(clustering adaptively incremental LLE,C-LLE)目标识别算法。该算法通过建立高维非...
为了解决局部线性嵌入(locally linear embedding,LLE)流形学习算法无法自适应确定重构区间和不能进行增量学习等问题,提出了一种自适应聚类增量LLE(clustering adaptively incremental LLE,C-LLE)目标识别算法。该算法通过建立高维非线性样本集的局部线性结构聚类模型,对聚类后的类内样本采用线性重构,解决了LLE算法样本重构邻域无法自适应确定的问题;通过构建降维矩阵,解决了LLE算法无法单独对增量进行降维和无法利用增量对目标进行识别的问题。实验表明,本文算法能够准确提取高维样本集的低维流形结构,具有较小的增量降维误差和良好的目标识别性能。
展开更多
关键词
流形学习
局部线性嵌入
增量降维
目标识别
分裂聚类
下载PDF
职称材料
题名
基于高斯增量降维与流形Boltzmann优化的人体运动形态估计
被引量:
3
1
作者
李万益
孙季丰
机构
华南理工大学电子与信息学院
广东第二师范学院计算机科学系
出处
《电子学报》
EI
CAS
CSCD
北大核心
2017年第12期3060-3069,共10页
基金
国家自然科学基金(No.61202292)
广东省自然科学基金(No.9151064101000037)
广东省普通高校青年创新人才项目(No.2016KQNCX111)
文摘
为了从多视角轮廓图像估计出含空间位置信息的三维人体运动形态,该文提出高斯增量降维与流形Boltzmann优化(GIDRMBO)算法.该算法把表示三维人体运动形态的高维数据分成表示空间位置信息和姿态信息两段子向量后,用高斯增量降维模型(GIDRM)分别对其样本进行降维,建立相应的低维空间及映射关系,然后在相应的低维空间使用流形Boltzmann优化算法来对轮廓匹配目标函数进行优化,从而实现估计.其中,所提算法分别利用了两段子向量样本的低维数据作为先验信息,可较好的避免陷入局部最优区域进行搜索,最终生成与各视角原始运动图像匹配且含空间位置信息的三维人体运动形态.经仿真实验验证,所提算法与常用粒子滤波算法相比,其估计误差小,并且还能起到消除轮廓数据歧义和克服短时遮挡的作用.
关键词
高斯
增量降维
模型
流形Boltzmann优化
人体运动形态
轮廓图像
子向量
Keywords
Gaussion incremental dimension reduction model ( GIDRM )
manifold Boltzmann optimization
humanmot ion
silhouettes
sub vector
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
基于自适应聚类流形学习的增量样本降维与识别
被引量:
2
2
作者
杨静林
唐林波
宋丹
赵保军
机构
北京理工大学信息与电子学院
北京电子工程总体研究所
出处
《系统工程与电子技术》
EI
CSCD
北大核心
2015年第1期199-205,共7页
文摘
为了解决局部线性嵌入(locally linear embedding,LLE)流形学习算法无法自适应确定重构区间和不能进行增量学习等问题,提出了一种自适应聚类增量LLE(clustering adaptively incremental LLE,C-LLE)目标识别算法。该算法通过建立高维非线性样本集的局部线性结构聚类模型,对聚类后的类内样本采用线性重构,解决了LLE算法样本重构邻域无法自适应确定的问题;通过构建降维矩阵,解决了LLE算法无法单独对增量进行降维和无法利用增量对目标进行识别的问题。实验表明,本文算法能够准确提取高维样本集的低维流形结构,具有较小的增量降维误差和良好的目标识别性能。
关键词
流形学习
局部线性嵌入
增量降维
目标识别
分裂聚类
Keywords
manifold learning
locally linear embedding (LLE)
incremental dimension reduction
objectrecognition
mitotic 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
作者
出处
发文年
被引量
操作
1
基于高斯增量降维与流形Boltzmann优化的人体运动形态估计
李万益
孙季丰
《电子学报》
EI
CAS
CSCD
北大核心
2017
3
下载PDF
职称材料
2
基于自适应聚类流形学习的增量样本降维与识别
杨静林
唐林波
宋丹
赵保军
《系统工程与电子技术》
EI
CSCD
北大核心
2015
2
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