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
5
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
泛化误差界指导的鉴别字典学习
1
作者
徐涛
王晓明
《计算机应用》
CSCD
北大核心
2019年第4期940-948,共9页
在提高字典鉴别能力的过程中,最大间隔字典学习忽视了利用重新获得的数据构建分类器的泛化性能,不仅与最大间隔原理有关,还与包含数据的最小包含球(MEB)半径有关。针对这一事实,提出泛化误差界指导的鉴别字典学习算法GEBGDL。首先,利用...
在提高字典鉴别能力的过程中,最大间隔字典学习忽视了利用重新获得的数据构建分类器的泛化性能,不仅与最大间隔原理有关,还与包含数据的最小包含球(MEB)半径有关。针对这一事实,提出泛化误差界指导的鉴别字典学习算法GEBGDL。首先,利用支持向量机(SVM)的泛化误差上界理论对支持向量引导的字典学习算法(SVGDL)的鉴别条件进行改进;然后,利用SVM大间隔分类原理和MEB半径作为鉴别约束项,促使不同类编码向量间的间隔最大化,并减小包含所有编码向量的MEB半径;最后,为了更充分考虑分类器的泛化性能,采用交替优化策略分别更新字典、编码系数和分类器,进而获得编码向量相对间隔更大的分类器,从而促使字典更好地学习,提升字典鉴别能力。在USPS手写数字数据集,Extended Yale B、AR、ORL三个人脸集, Caltech101、COIL20、COIL100物体数据集中进行实验,讨论了超参数和数据维度对识别率的影响。实验结果表明,在七个图像数据集中,多数情况下所提算法的识别率优于类标签一致K奇异值分解(LC-KSVD)、局部特征和类标嵌入约束字典学习(LCLE-DL)算法、Fisher鉴别字典学习(FDDL)和SVGDL等算法;且在七个数据集中,该算法也取得了比基于稀疏表示的分类(SRC)、基于协作表示的分类(CRC)和SVM更高的识别率。
展开更多
关键词
字典学习
泛化误差界
支持向量机
最小包含球
数字图像分类
下载PDF
职称材料
基于支持向量机泛化误差界的多核学习方法
被引量:
3
2
作者
刘勇
廖士中
《武汉大学学报(理学版)》
CAS
CSCD
北大核心
2012年第2期149-156,共8页
基于支持向量机(SVM)泛化误差界,提出了一种精确且有效的多核学习方法.首先,应用SVM泛化误差界推导多核学习优化形式,并给出求解其目标函数微分的计算公式.然后,设计高效的迭代算法来求解该优化问题.最后,分析了算法的时间复杂度,并基于...
基于支持向量机(SVM)泛化误差界,提出了一种精确且有效的多核学习方法.首先,应用SVM泛化误差界推导多核学习优化形式,并给出求解其目标函数微分的计算公式.然后,设计高效的迭代算法来求解该优化问题.最后,分析了算法的时间复杂度,并基于Rademacher复杂度给出了算法的泛化误差界,该泛化界在基核个数很大时依然有效.在标准数据集上的实验表明,相对于一致组合方法以及当前流行的单核和多核学习方法,所提出的方法具有较高的准确率.
展开更多
关键词
多核学习
泛化误差界
半径间隔
界
张成
界
原文传递
人脸特征选择中的SVM泛化误差估计
被引量:
3
3
作者
李伟红
龚卫国
+1 位作者
杨利平
辜小花
《光学精密工程》
EI
CAS
CSCD
北大核心
2008年第8期1452-1458,共7页
为了研究在人脸特征选择中用支持向量机(SVM)泛化误差界作特征选择判据的有效性问题,结合过滤(Filter)和封装(Wrapper)模型构造了人脸特征选择及识别的新框架,将小波变换(WT)和核主元分析(KPCA)作为Filter模型,最小化SVM的VC维(VC)留一...
为了研究在人脸特征选择中用支持向量机(SVM)泛化误差界作特征选择判据的有效性问题,结合过滤(Filter)和封装(Wrapper)模型构造了人脸特征选择及识别的新框架,将小波变换(WT)和核主元分析(KPCA)作为Filter模型,最小化SVM的VC维(VC)留一法(LOO)误差界及支持向量span误差界作为Wrapper模型的特征选择判据;通过递归特征排除法(RFE)在UMIST人脸图像库上进行人脸特征选择及识别实验。实验结果表明:判据为VC维的LOO误差界和支持向量span误差界时,特征维数可以分别降低到80和70,而分类识别率仍然能达到94%以上,表明本文所提出的特征选择判据和特征搜索策略是解决人脸特征选择问题的一种有效方法。
展开更多
关键词
SVM
泛化误差界
人脸特征选择
Filter模型
Wrapper模型
递归特征排除法
下载PDF
职称材料
半径间隔界驱动卷积神经网络模型的图像识别
被引量:
1
4
作者
肖遥
蒋琦
+2 位作者
王晓明
杜亚军
黄增喜
《西华大学学报(自然科学版)》
CAS
2021年第2期71-81,共11页
基于支持向量机(SVM)的卷积神经网络(CNN)模型结合了大间隔原理,在图像识别中表现出了优异的泛化性能。然而,该方法忽视了一个关键:SVM的泛化性能不仅取决于不同类之间的间隔,还与所有样本的最小包含球(MEB)的半径有关。针对这一事实,...
基于支持向量机(SVM)的卷积神经网络(CNN)模型结合了大间隔原理,在图像识别中表现出了优异的泛化性能。然而,该方法忽视了一个关键:SVM的泛化性能不仅取决于不同类之间的间隔,还与所有样本的最小包含球(MEB)的半径有关。针对这一事实,文章提出一种基于半径间隔界(RMB)驱动的CNN模型的图像特征提取和识别的方法。与传统CNN模型相比,该模型采用基于SVM泛化误差界的策略来指导CNN深度模型学习和相应分类器构建,不仅考虑了不同类别之间的间隔,还考虑了MEB的半径。该模型能提高深度卷积模型的泛化能力而不会额外增加网络的复杂度,还能够应用于不同的深度模型中而不受限于某一特定的网络结构。在多个数据集上的实验结果表明,相比于基于Sofmax损失的CNN模型、基于中心损失的CNN模型以及基于SVM的CNN模型,该模型能够提取到鉴别性更强的图像特征,取得更高的识别率。
展开更多
关键词
图像识别
卷积神经网络
支持向量机
泛化误差界
半径间隔
界
下载PDF
职称材料
面向回归任务的数值型标签噪声过滤算法
被引量:
7
5
作者
姜高霞
王文剑
《计算机研究与发展》
EI
CSCD
北大核心
2022年第8期1639-1652,共14页
回归任务中的数值型标签噪声可能误导模型训练,进而弱化模型泛化能力.作为一种常用的标签噪声处理技术,噪声过滤通过去除误标记样本来降低噪声水平,但无法保证过滤后模型能够获得更好的泛化表现.一些过滤算法过于关注噪声水平,以至于大...
回归任务中的数值型标签噪声可能误导模型训练,进而弱化模型泛化能力.作为一种常用的标签噪声处理技术,噪声过滤通过去除误标记样本来降低噪声水平,但无法保证过滤后模型能够获得更好的泛化表现.一些过滤算法过于关注噪声水平,以至于大量无噪样本也被去除.尽管已有样本过滤框架能够平衡样本去除量和噪声水平,但其形式过于复杂不利于直观理解和实际应用.根据无噪回归任务中的学习理论提出了面向数值型标签噪声数据的泛化误差界,从而明确了影响模型泛化能力的关键数据因素(数据量和噪声水平).在此基础上提出一种可解释的噪声过滤框架,其目标是以较小的样本去除代价最大程度地降低噪声水平.针对噪声估计问题,从理论上分析了噪声与覆盖区间关键指标(中心和半径)之间的变化趋势,进而构建了相对噪声估计方法.此方法与所提框架结合形成了相对噪声过滤(relative noise filtering,RNF)算法.在标准数据集和年龄估计数据上均验证了算法的有效性.实验结果表明:该算法能够适应各类噪声数据,显著提升模型泛化能力.在年龄估计数据上RNF算法检测出一些标签噪声数据,有效提升了数据质量和模型预测性能.
展开更多
关键词
数值型标签噪声
回归
噪声过滤
泛化误差界
相对噪声
下载PDF
职称材料
题名
泛化误差界指导的鉴别字典学习
1
作者
徐涛
王晓明
机构
西华大学计算机与软件工程学院
西华大学机器人研究中心
出处
《计算机应用》
CSCD
北大核心
2019年第4期940-948,共9页
基金
国家自然科学基金资助项目(61532009)
教育部春晖计划项目(Z2015102)
四川省教育厅自然科学重点项目(11ZA004)~~
文摘
在提高字典鉴别能力的过程中,最大间隔字典学习忽视了利用重新获得的数据构建分类器的泛化性能,不仅与最大间隔原理有关,还与包含数据的最小包含球(MEB)半径有关。针对这一事实,提出泛化误差界指导的鉴别字典学习算法GEBGDL。首先,利用支持向量机(SVM)的泛化误差上界理论对支持向量引导的字典学习算法(SVGDL)的鉴别条件进行改进;然后,利用SVM大间隔分类原理和MEB半径作为鉴别约束项,促使不同类编码向量间的间隔最大化,并减小包含所有编码向量的MEB半径;最后,为了更充分考虑分类器的泛化性能,采用交替优化策略分别更新字典、编码系数和分类器,进而获得编码向量相对间隔更大的分类器,从而促使字典更好地学习,提升字典鉴别能力。在USPS手写数字数据集,Extended Yale B、AR、ORL三个人脸集, Caltech101、COIL20、COIL100物体数据集中进行实验,讨论了超参数和数据维度对识别率的影响。实验结果表明,在七个图像数据集中,多数情况下所提算法的识别率优于类标签一致K奇异值分解(LC-KSVD)、局部特征和类标嵌入约束字典学习(LCLE-DL)算法、Fisher鉴别字典学习(FDDL)和SVGDL等算法;且在七个数据集中,该算法也取得了比基于稀疏表示的分类(SRC)、基于协作表示的分类(CRC)和SVM更高的识别率。
关键词
字典学习
泛化误差界
支持向量机
最小包含球
数字图像分类
Keywords
dictionary learning
generalization error bound
Support Vector Machine(SVM)
Minimum Enclosing Ball(MEB)
digital image classification
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
基于支持向量机泛化误差界的多核学习方法
被引量:
3
2
作者
刘勇
廖士中
机构
天津大学计算机科学与技术学院
出处
《武汉大学学报(理学版)》
CAS
CSCD
北大核心
2012年第2期149-156,共8页
基金
国家自然科学基金(61070044)
天津市自然科学基金(11JCYBJC00700)资助项目
文摘
基于支持向量机(SVM)泛化误差界,提出了一种精确且有效的多核学习方法.首先,应用SVM泛化误差界推导多核学习优化形式,并给出求解其目标函数微分的计算公式.然后,设计高效的迭代算法来求解该优化问题.最后,分析了算法的时间复杂度,并基于Rademacher复杂度给出了算法的泛化误差界,该泛化界在基核个数很大时依然有效.在标准数据集上的实验表明,相对于一致组合方法以及当前流行的单核和多核学习方法,所提出的方法具有较高的准确率.
关键词
多核学习
泛化误差界
半径间隔
界
张成
界
Keywords
multiple kernel learning
generalization error bound
radius-margin bound
span bound
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
人脸特征选择中的SVM泛化误差估计
被引量:
3
3
作者
李伟红
龚卫国
杨利平
辜小花
机构
重庆大学光电技术及系统教育部重点实验室
出处
《光学精密工程》
EI
CAS
CSCD
北大核心
2008年第8期1452-1458,共7页
基金
国防"十一五"基础科研基金资助项目(No.C10020060355)
国家863高技术研究发展计划资助项目(No.2007AA01Z423)
重庆市科技攻关研究项目(No.CSTC2007AC2018)
文摘
为了研究在人脸特征选择中用支持向量机(SVM)泛化误差界作特征选择判据的有效性问题,结合过滤(Filter)和封装(Wrapper)模型构造了人脸特征选择及识别的新框架,将小波变换(WT)和核主元分析(KPCA)作为Filter模型,最小化SVM的VC维(VC)留一法(LOO)误差界及支持向量span误差界作为Wrapper模型的特征选择判据;通过递归特征排除法(RFE)在UMIST人脸图像库上进行人脸特征选择及识别实验。实验结果表明:判据为VC维的LOO误差界和支持向量span误差界时,特征维数可以分别降低到80和70,而分类识别率仍然能达到94%以上,表明本文所提出的特征选择判据和特征搜索策略是解决人脸特征选择问题的一种有效方法。
关键词
SVM
泛化误差界
人脸特征选择
Filter模型
Wrapper模型
递归特征排除法
Keywords
Support Vector Machine(SVM) generalization error
facial feature selectionl Filter approach
Wrapper approach
Recursive Feature Elimination(RFE)
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
半径间隔界驱动卷积神经网络模型的图像识别
被引量:
1
4
作者
肖遥
蒋琦
王晓明
杜亚军
黄增喜
机构
西华大学计算机与软件工程学院
西华大学机器人研究中心
出处
《西华大学学报(自然科学版)》
CAS
2021年第2期71-81,共11页
基金
国家自然科学基金资助项目(61602390)。
文摘
基于支持向量机(SVM)的卷积神经网络(CNN)模型结合了大间隔原理,在图像识别中表现出了优异的泛化性能。然而,该方法忽视了一个关键:SVM的泛化性能不仅取决于不同类之间的间隔,还与所有样本的最小包含球(MEB)的半径有关。针对这一事实,文章提出一种基于半径间隔界(RMB)驱动的CNN模型的图像特征提取和识别的方法。与传统CNN模型相比,该模型采用基于SVM泛化误差界的策略来指导CNN深度模型学习和相应分类器构建,不仅考虑了不同类别之间的间隔,还考虑了MEB的半径。该模型能提高深度卷积模型的泛化能力而不会额外增加网络的复杂度,还能够应用于不同的深度模型中而不受限于某一特定的网络结构。在多个数据集上的实验结果表明,相比于基于Sofmax损失的CNN模型、基于中心损失的CNN模型以及基于SVM的CNN模型,该模型能够提取到鉴别性更强的图像特征,取得更高的识别率。
关键词
图像识别
卷积神经网络
支持向量机
泛化误差界
半径间隔
界
Keywords
image recognition
convolutional neural network(CNN)
support vector machine(SVM)
generalization error bound
radius margin bound(RMB)
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
面向回归任务的数值型标签噪声过滤算法
被引量:
7
5
作者
姜高霞
王文剑
机构
山西大学计算机与信息技术学院
计算智能与中文信息处理教育部重点实验室(山西大学)
出处
《计算机研究与发展》
EI
CSCD
北大核心
2022年第8期1639-1652,共14页
基金
国家自然科学基金项目(U21A20513,62076154,61906113,U1805263)
山西省国际合作重点研发计划项目(201903D421050)
山西省高等学校科技创新项目(2020L0007)。
文摘
回归任务中的数值型标签噪声可能误导模型训练,进而弱化模型泛化能力.作为一种常用的标签噪声处理技术,噪声过滤通过去除误标记样本来降低噪声水平,但无法保证过滤后模型能够获得更好的泛化表现.一些过滤算法过于关注噪声水平,以至于大量无噪样本也被去除.尽管已有样本过滤框架能够平衡样本去除量和噪声水平,但其形式过于复杂不利于直观理解和实际应用.根据无噪回归任务中的学习理论提出了面向数值型标签噪声数据的泛化误差界,从而明确了影响模型泛化能力的关键数据因素(数据量和噪声水平).在此基础上提出一种可解释的噪声过滤框架,其目标是以较小的样本去除代价最大程度地降低噪声水平.针对噪声估计问题,从理论上分析了噪声与覆盖区间关键指标(中心和半径)之间的变化趋势,进而构建了相对噪声估计方法.此方法与所提框架结合形成了相对噪声过滤(relative noise filtering,RNF)算法.在标准数据集和年龄估计数据上均验证了算法的有效性.实验结果表明:该算法能够适应各类噪声数据,显著提升模型泛化能力.在年龄估计数据上RNF算法检测出一些标签噪声数据,有效提升了数据质量和模型预测性能.
关键词
数值型标签噪声
回归
噪声过滤
泛化误差界
相对噪声
Keywords
numerical label noise
regression
noise filtering
generalization error bound
relative noise
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
作者
出处
发文年
被引量
操作
1
泛化误差界指导的鉴别字典学习
徐涛
王晓明
《计算机应用》
CSCD
北大核心
2019
0
下载PDF
职称材料
2
基于支持向量机泛化误差界的多核学习方法
刘勇
廖士中
《武汉大学学报(理学版)》
CAS
CSCD
北大核心
2012
3
原文传递
3
人脸特征选择中的SVM泛化误差估计
李伟红
龚卫国
杨利平
辜小花
《光学精密工程》
EI
CAS
CSCD
北大核心
2008
3
下载PDF
职称材料
4
半径间隔界驱动卷积神经网络模型的图像识别
肖遥
蒋琦
王晓明
杜亚军
黄增喜
《西华大学学报(自然科学版)》
CAS
2021
1
下载PDF
职称材料
5
面向回归任务的数值型标签噪声过滤算法
姜高霞
王文剑
《计算机研究与发展》
EI
CSCD
北大核心
2022
7
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