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
结合密度峰值和集成过滤器的自训练算法
1
作者
韩运龙
尚庆生
+1 位作者
赵薇
郭泓
《宜宾学院学报》
2024年第6期15-20,64,共7页
准确选取高置信度样本是提升自训练算法分类性能的关键.针对自训练迭代过程中的误分类样本,提出一种结合密度峰值和集成过滤器的自训练算法:利用密度峰值聚类计算样本的密度和峰值,构建初始高置信度样本集;为了过滤自训练迭代过程中的...
准确选取高置信度样本是提升自训练算法分类性能的关键.针对自训练迭代过程中的误分类样本,提出一种结合密度峰值和集成过滤器的自训练算法:利用密度峰值聚类计算样本的密度和峰值,构建初始高置信度样本集;为了过滤自训练迭代过程中的误分类样本,设计一个集成过滤器,从初始高置信度样本集进一步选择高置信度样本,将其添加进有标签样本集中迭代训练.在9个数据集上与4个相关的自训练算法进行对比实验,结果表明,算法的平均准确率和F分数分别为67.90%和65.54%,其分类性能显著优于对比算法.
展开更多
关键词
自训练
无标签
样本
高
置信
度
样本
密
度
峰值
集成过滤器
下载PDF
职称材料
融合尺度降维和重检测的长期跟踪算法
被引量:
1
2
作者
夏亮
张亚
+1 位作者
黄友锐
贾汉坤
《计算机辅助设计与图形学学报》
EI
CSCD
北大核心
2021年第3期385-394,共10页
针对长期目标跟踪中存在的目标遮挡、尺度变化和光照变化等干扰造成的跟踪失败问题,提出一种融合尺度降维和重检测的长期目标跟踪算法.该算法在长期相关性跟踪算法的平移估计和尺度估计基础上,采用主成分分析降维策略来减少计算量,并建...
针对长期目标跟踪中存在的目标遮挡、尺度变化和光照变化等干扰造成的跟踪失败问题,提出一种融合尺度降维和重检测的长期目标跟踪算法.该算法在长期相关性跟踪算法的平移估计和尺度估计基础上,采用主成分分析降维策略来减少计算量,并建立高置信度样本集;当目标长期遮挡或丢失时,通过自适应阈值来启动在线分类检测器和最佳伙伴相似度匹配,重定位目标位置,并对模板均衡更新.在OTB-2015等标准数据集的部分序列上定量和定性评估的实验结果表明,文中算法的平均距离精度为95.4%,平均重叠成功率为89.2%,平均跟踪速度为23.68帧/s,且在遮挡、尺度变化和光照变化等场景下表现优异,能有效地实现长期目标跟踪.
展开更多
关键词
长期跟踪
相关滤波
主成分分析
高
置信
度
样本
集
最佳伙伴相似
度
下载PDF
职称材料
基于动态阈值和差异性检验的自训练算法
3
作者
吕佳
邱鸿波
肖锋
《智能系统学报》
2024年第4期839-852,共14页
针对自训练算法在迭代训练分类器的过程中存在难以有效选取高置信度样本以及误标记样本错误累积的问题,本文提出了基于动态阈值和差异性检验的自训练算法。引入样本的局部离群因子,据此剔除有标签样本中的离群点以及分类标注无标签样本...
针对自训练算法在迭代训练分类器的过程中存在难以有效选取高置信度样本以及误标记样本错误累积的问题,本文提出了基于动态阈值和差异性检验的自训练算法。引入样本的局部离群因子,据此剔除有标签样本中的离群点以及分类标注无标签样本,依据标注分批次处理无标签样本,以使模型更易选取到高置信度的无标签样本;根据新增伪标签样本的数量和对比隶属度的变化,设计一种动态隶属度阈值函数,提升高置信度样本的质量;定义密集距离度量样本间的差异性,分别计算伪标签样本与同类和不同类样本之间的密集距离之和,从而找出不确定度高的伪标签样本,并将此类样本并入下轮训练的无标签样本集中,缓解误标记样本错误累积的问题。实验结果表明,该算法在12个UCI基准数据集上均取得理想效果。
展开更多
关键词
自训练算法
误标记
样本
高
置信
度
样本
动态阈值
差异性检验
局部离群因子
对比隶属
度
密集距离
下载PDF
职称材料
加权间隔结构化支持向量机目标跟踪算法
被引量:
2
4
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
结合密度峰值和集成过滤器的自训练算法
1
作者
韩运龙
尚庆生
赵薇
郭泓
机构
兰州财经大学信息工程学院
出处
《宜宾学院学报》
2024年第6期15-20,64,共7页
基金
甘肃省自然科学基金项目“深度学习在高原夏菜质量分级中的应用研究”(21JR1RA283)。
文摘
准确选取高置信度样本是提升自训练算法分类性能的关键.针对自训练迭代过程中的误分类样本,提出一种结合密度峰值和集成过滤器的自训练算法:利用密度峰值聚类计算样本的密度和峰值,构建初始高置信度样本集;为了过滤自训练迭代过程中的误分类样本,设计一个集成过滤器,从初始高置信度样本集进一步选择高置信度样本,将其添加进有标签样本集中迭代训练.在9个数据集上与4个相关的自训练算法进行对比实验,结果表明,算法的平均准确率和F分数分别为67.90%和65.54%,其分类性能显著优于对比算法.
关键词
自训练
无标签
样本
高
置信
度
样本
密
度
峰值
集成过滤器
Keywords
self-training
unlabelled sample
high-confidence sample
density peak
integrated filters
分类号
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
融合尺度降维和重检测的长期跟踪算法
被引量:
1
2
作者
夏亮
张亚
黄友锐
贾汉坤
机构
安徽理工大学深部煤矿采动响应与灾害防控国家重点实验室
安徽理工大学电气与信息工程学院
出处
《计算机辅助设计与图形学学报》
EI
CSCD
北大核心
2021年第3期385-394,共10页
基金
国家自然科学基金面上项目(61772033).
文摘
针对长期目标跟踪中存在的目标遮挡、尺度变化和光照变化等干扰造成的跟踪失败问题,提出一种融合尺度降维和重检测的长期目标跟踪算法.该算法在长期相关性跟踪算法的平移估计和尺度估计基础上,采用主成分分析降维策略来减少计算量,并建立高置信度样本集;当目标长期遮挡或丢失时,通过自适应阈值来启动在线分类检测器和最佳伙伴相似度匹配,重定位目标位置,并对模板均衡更新.在OTB-2015等标准数据集的部分序列上定量和定性评估的实验结果表明,文中算法的平均距离精度为95.4%,平均重叠成功率为89.2%,平均跟踪速度为23.68帧/s,且在遮挡、尺度变化和光照变化等场景下表现优异,能有效地实现长期目标跟踪.
关键词
长期跟踪
相关滤波
主成分分析
高
置信
度
样本
集
最佳伙伴相似
度
Keywords
long-term tracking
correlation filtering
principal component analysis
high confidence sample set
best-buddies similarity
分类号
TP391.41 [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
基于动态阈值和差异性检验的自训练算法
3
作者
吕佳
邱鸿波
肖锋
机构
重庆师范大学计算机与信息科学学院
出处
《智能系统学报》
2024年第4期839-852,共14页
基金
国家自然科学基金重大项目(11991024)
重庆市教委“成渝地区双城经济圈建设”科技创新项目(KJCX2020024)
重庆市高校创新研究群体资助项目(CXQT20015).
文摘
针对自训练算法在迭代训练分类器的过程中存在难以有效选取高置信度样本以及误标记样本错误累积的问题,本文提出了基于动态阈值和差异性检验的自训练算法。引入样本的局部离群因子,据此剔除有标签样本中的离群点以及分类标注无标签样本,依据标注分批次处理无标签样本,以使模型更易选取到高置信度的无标签样本;根据新增伪标签样本的数量和对比隶属度的变化,设计一种动态隶属度阈值函数,提升高置信度样本的质量;定义密集距离度量样本间的差异性,分别计算伪标签样本与同类和不同类样本之间的密集距离之和,从而找出不确定度高的伪标签样本,并将此类样本并入下轮训练的无标签样本集中,缓解误标记样本错误累积的问题。实验结果表明,该算法在12个UCI基准数据集上均取得理想效果。
关键词
自训练算法
误标记
样本
高
置信
度
样本
动态阈值
差异性检验
局部离群因子
对比隶属
度
密集距离
Keywords
self-training algorithm
mislabeled samples
high-confidence samples
dynamic threshold
difference test
local outlier factor
contrast membership
dense distance
分类号
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
加权间隔结构化支持向量机目标跟踪算法
被引量:
2
4
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
结合密度峰值和集成过滤器的自训练算法
韩运龙
尚庆生
赵薇
郭泓
《宜宾学院学报》
2024
0
下载PDF
职称材料
2
融合尺度降维和重检测的长期跟踪算法
夏亮
张亚
黄友锐
贾汉坤
《计算机辅助设计与图形学学报》
EI
CSCD
北大核心
2021
1
下载PDF
职称材料
3
基于动态阈值和差异性检验的自训练算法
吕佳
邱鸿波
肖锋
《智能系统学报》
2024
下载PDF
职称材料
4
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