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
样本分块稀疏表示判决式目标跟踪
1
作者
侯跃恩
李伟光
《计算机应用研究》
CSCD
北大核心
2018年第8期2510-2513,2531,共5页
为了提高目标跟踪算法的鲁棒性和准确性,提出了一种粒子滤波框架下的样本分块稀疏表示判决式跟踪算法。算法在首帧提取目标模板和背景模板,并将这些模板进行分块,构建模板字典。然后将候选目标进行分块处理,并使用模板字典稀疏重构候选...
为了提高目标跟踪算法的鲁棒性和准确性,提出了一种粒子滤波框架下的样本分块稀疏表示判决式跟踪算法。算法在首帧提取目标模板和背景模板,并将这些模板进行分块,构建模板字典。然后将候选目标进行分块处理,并使用模板字典稀疏重构候选目标分块,从而获得候选目标的稀疏系数和残差,进而构建一款贝叶斯分类器。分类器的输入为候选目标稀疏系数和残差中提取的相似度信息,输出为候选目标与真实目标的相似度。分类器通过跟踪过程中获得的正负样本进行训练,使之能够适应目标和背景的变化。最后,将所提算法在八组具有挑战性的视频中进行测试,平均跟踪误差为5.9个像素,跟踪成功率为89%。与选取的三种先进的算法比较,所提算法具有更高的鲁棒性和准确性。
展开更多
关键词
粒子滤波
样本分块
稀疏表示
分类器
下载PDF
职称材料
模式识别中的支持向量机方法
被引量:
118
2
作者
杜树新
吴铁军
《浙江大学学报(工学版)》
EI
CAS
CSCD
北大核心
2003年第5期521-527,共7页
针对模式识别问题,描述了支持向量机的基本思想,着重讨论了ν-SVM、最小二乘SVM、加权SVM和直接SVM等新的支持向量机方法,用于降低训练时间和减少计算复杂性的海量样本数据训练算法分块法、分解法,提高泛化能力的模型选择方法,以及逐一...
针对模式识别问题,描述了支持向量机的基本思想,着重讨论了ν-SVM、最小二乘SVM、加权SVM和直接SVM等新的支持向量机方法,用于降低训练时间和减少计算复杂性的海量样本数据训练算法分块法、分解法,提高泛化能力的模型选择方法,以及逐一鉴别法、一一区分法、M-ary分类法、一次性求解等多类别分类方法.最后给出了污水生化处理过程运行状态监控的多类别分类实例.作为结构风险最小化准则的具体实现,支持向量机具有全局最优性和较好的泛化能力.
展开更多
关键词
模式识别
支持向量机
泛化能力
分类方法
海量
样本
数据训练算法
分块
法
分解法
模型选择方法
下载PDF
职称材料
题名
样本分块稀疏表示判决式目标跟踪
1
作者
侯跃恩
李伟光
机构
嘉应学院计算机学院
华南理工大学机械工程学院
出处
《计算机应用研究》
CSCD
北大核心
2018年第8期2510-2513,2531,共5页
基金
国家"863"计划资助项目(2015AA043005)
国家高等教育教学改革重点项目(JYJG20170109)
文摘
为了提高目标跟踪算法的鲁棒性和准确性,提出了一种粒子滤波框架下的样本分块稀疏表示判决式跟踪算法。算法在首帧提取目标模板和背景模板,并将这些模板进行分块,构建模板字典。然后将候选目标进行分块处理,并使用模板字典稀疏重构候选目标分块,从而获得候选目标的稀疏系数和残差,进而构建一款贝叶斯分类器。分类器的输入为候选目标稀疏系数和残差中提取的相似度信息,输出为候选目标与真实目标的相似度。分类器通过跟踪过程中获得的正负样本进行训练,使之能够适应目标和背景的变化。最后,将所提算法在八组具有挑战性的视频中进行测试,平均跟踪误差为5.9个像素,跟踪成功率为89%。与选取的三种先进的算法比较,所提算法具有更高的鲁棒性和准确性。
关键词
粒子滤波
样本分块
稀疏表示
分类器
Keywords
particle filter
sample blocking
sparse representation
classifier
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
模式识别中的支持向量机方法
被引量:
118
2
作者
杜树新
吴铁军
机构
工业控制技术国家重点实验室浙江大学智能系统与决策研究所
出处
《浙江大学学报(工学版)》
EI
CAS
CSCD
北大核心
2003年第5期521-527,共7页
文摘
针对模式识别问题,描述了支持向量机的基本思想,着重讨论了ν-SVM、最小二乘SVM、加权SVM和直接SVM等新的支持向量机方法,用于降低训练时间和减少计算复杂性的海量样本数据训练算法分块法、分解法,提高泛化能力的模型选择方法,以及逐一鉴别法、一一区分法、M-ary分类法、一次性求解等多类别分类方法.最后给出了污水生化处理过程运行状态监控的多类别分类实例.作为结构风险最小化准则的具体实现,支持向量机具有全局最优性和较好的泛化能力.
关键词
模式识别
支持向量机
泛化能力
分类方法
海量
样本
数据训练算法
分块
法
分解法
模型选择方法
Keywords
Algorithms
Monitoring
Optimization
Sewage treatment
分类号
O235 [理学—运筹学与控制论]
TP181 [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
作者
出处
发文年
被引量
操作
1
样本分块稀疏表示判决式目标跟踪
侯跃恩
李伟光
《计算机应用研究》
CSCD
北大核心
2018
0
下载PDF
职称材料
2
模式识别中的支持向量机方法
杜树新
吴铁军
《浙江大学学报(工学版)》
EI
CAS
CSCD
北大核心
2003
118
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