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
核迁移稀疏编码算法在跨域图像分类中的应用
被引量:
1
1
作者
孙登第
孟欠欠
马云鹏
《微电子学与计算机》
CSCD
北大核心
2018年第10期29-35,共7页
针对非线性分布的数据样本在原始特征空间可分性较差的问题,文中提出一种基于核迁移稀疏编码的跨域图像分类方法,并应用于图像分类.首先将图像特征和字典映射到一个高维的再生核希尔伯特空间,使得线性不可分问题变为线性可分问题.然后...
针对非线性分布的数据样本在原始特征空间可分性较差的问题,文中提出一种基于核迁移稀疏编码的跨域图像分类方法,并应用于图像分类.首先将图像特征和字典映射到一个高维的再生核希尔伯特空间,使得线性不可分问题变为线性可分问题.然后在高维特征空间中对每个样本数据进行表示.文中算法不仅有效地处理非线性结构数据,而且考虑了源域和目标域的分布差异以及几何结构信息,获得更为鲁棒的稀疏表达,提高跨域图像分类精度.
展开更多
关键词
稀疏编码
核方法
基学习
非线性
下载PDF
职称材料
基于kinect三维骨骼节点的动作识别方法
被引量:
8
2
作者
朱大勇
郭星
吴建国
《计算机工程与应用》
CSCD
北大核心
2018年第20期152-158,共7页
近年来,基于人体动作识别的应用场景越来越广泛。为了更好的识别效果,提出了一种基于人体三维骨骼节点的动作识别方法。用Kinect等设备获取人体骨骼关节点三维数据信息,以人体臀部为原点重新建立人体坐标系;提取人体关键骨骼的数据信息...
近年来,基于人体动作识别的应用场景越来越广泛。为了更好的识别效果,提出了一种基于人体三维骨骼节点的动作识别方法。用Kinect等设备获取人体骨骼关节点三维数据信息,以人体臀部为原点重新建立人体坐标系;提取人体关键骨骼的数据信息,定义人体动作特征向量;根据动作表达式用行为树构造动作序列,实现识别。通过对5种定义的动作与其他算法做比较实验,表明提出的方法识别率较高,推广性较强。
展开更多
关键词
动作识别
骨骼数据
特征向量
行为树
下载PDF
职称材料
一种改进的萤火虫算法
被引量:
12
3
作者
左仲亮
郭星
李炜
《微电子学与计算机》
CSCD
北大核心
2018年第2期61-66,共6页
为了克服原始萤火虫算法(Glowworm swarm optimization,GSO)对于高维、多峰函数寻优精度不高和后期收敛速度较慢的问题.为此,有针对性地提出了一种改进的动态步长萤火虫优化算法,在整个迭代期间,萤火虫的算法步长呈非线性递减.在寻优初...
为了克服原始萤火虫算法(Glowworm swarm optimization,GSO)对于高维、多峰函数寻优精度不高和后期收敛速度较慢的问题.为此,有针对性地提出了一种改进的动态步长萤火虫优化算法,在整个迭代期间,萤火虫的算法步长呈非线性递减.在寻优初期保持着一个相对较大的步长进行搜索,增强其全局寻优能力,在算法后期保持一个较小的移动步长,增强其局部搜索能力.此外将原始萤火虫算法在Nit集合为0时不移动,改成试探性向外随机移动策略.采用该算法的改进思想,能在一定的程度上避免算法因为过早的成熟而陷入局部最优,并且改进的算法比原始萤火虫算法有着更好的收敛精度.通过与原始GSO和改进算法ASGSO做对比,Matlab实验仿真表明,此改进算法在一定程度上提高了收敛速度和寻优精度.
展开更多
关键词
萤火虫算法
多峰函数
动态步长
下载PDF
职称材料
基于knee points的改进多目标人工蜂群算法
被引量:
4
4
作者
刘明辉
李炜
《计算机工程与应用》
CSCD
北大核心
2018年第2期40-47,共8页
传统的人工蜂群算法(Artificial Bee Colony algorithm,ABC)及其在多目标上的扩展(Multi Objective Artificial Bee Colony algorithm,MOABC)存在着在高维、多峰函数情况下收敛速度变慢、后期容易陷入局部最优以及寻优精度丢失等问题。...
传统的人工蜂群算法(Artificial Bee Colony algorithm,ABC)及其在多目标上的扩展(Multi Objective Artificial Bee Colony algorithm,MOABC)存在着在高维、多峰函数情况下收敛速度变慢、后期容易陷入局部最优以及寻优精度丢失等问题。基于knee points提高收敛性和分布性的特点,设计了一种快速识别knee point的算法并将其应用到多目标人工蜂群算法中,提出了一种基于knee points的改进多目标人工蜂群算法(Kn MOABC)。算法在迭代过程中考虑pareto支配关系的同时,优先选择knee point作为下一代个体,极大地增强了算法的收敛速度,同时,在knee point识别算法中加入自适应的策略以保持良好的分布性。实验结果表明,Kn MOABC的性能优于三个最新的多目标人工蜂群对比算法。
展开更多
关键词
多目标人工蜂群算法
高维多峰函数
KNEE
POINTS
自适应识别策略
下载PDF
职称材料
题名
核迁移稀疏编码算法在跨域图像分类中的应用
被引量:
1
1
作者
孙登第
孟欠欠
马云鹏
机构
安徽大学计算机与科学与技术学院
安徽大学
计算
智能与信号处理重点实验室
出处
《微电子学与计算机》
CSCD
北大核心
2018年第10期29-35,共7页
基金
国家自然科学基金(61402002)
国家重点研究发展计划(2015CB351705)
文摘
针对非线性分布的数据样本在原始特征空间可分性较差的问题,文中提出一种基于核迁移稀疏编码的跨域图像分类方法,并应用于图像分类.首先将图像特征和字典映射到一个高维的再生核希尔伯特空间,使得线性不可分问题变为线性可分问题.然后在高维特征空间中对每个样本数据进行表示.文中算法不仅有效地处理非线性结构数据,而且考虑了源域和目标域的分布差异以及几何结构信息,获得更为鲁棒的稀疏表达,提高跨域图像分类精度.
关键词
稀疏编码
核方法
基学习
非线性
Keywords
sparse coding
kernel method
basis learning
non-linear
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kinect三维骨骼节点的动作识别方法
被引量:
8
2
作者
朱大勇
郭星
吴建国
机构
安徽大学
智能嵌入式
技术
研究中心
安徽大学计算机与科学与技术学院
出处
《计算机工程与应用》
CSCD
北大核心
2018年第20期152-158,共7页
基金
国家科技支撑计划(No.2015BAK24B00)
文摘
近年来,基于人体动作识别的应用场景越来越广泛。为了更好的识别效果,提出了一种基于人体三维骨骼节点的动作识别方法。用Kinect等设备获取人体骨骼关节点三维数据信息,以人体臀部为原点重新建立人体坐标系;提取人体关键骨骼的数据信息,定义人体动作特征向量;根据动作表达式用行为树构造动作序列,实现识别。通过对5种定义的动作与其他算法做比较实验,表明提出的方法识别率较高,推广性较强。
关键词
动作识别
骨骼数据
特征向量
行为树
Keywords
action recognition
skeleton data
feature vector
behavior tree
分类号
TP301.6 [自动化与计算机技术—计算机系统结构]
下载PDF
职称材料
题名
一种改进的萤火虫算法
被引量:
12
3
作者
左仲亮
郭星
李炜
机构
安徽大学
计算
智能与信号处理重点实验室
安徽大学计算机与科学与技术学院
出处
《微电子学与计算机》
CSCD
北大核心
2018年第2期61-66,共6页
文摘
为了克服原始萤火虫算法(Glowworm swarm optimization,GSO)对于高维、多峰函数寻优精度不高和后期收敛速度较慢的问题.为此,有针对性地提出了一种改进的动态步长萤火虫优化算法,在整个迭代期间,萤火虫的算法步长呈非线性递减.在寻优初期保持着一个相对较大的步长进行搜索,增强其全局寻优能力,在算法后期保持一个较小的移动步长,增强其局部搜索能力.此外将原始萤火虫算法在Nit集合为0时不移动,改成试探性向外随机移动策略.采用该算法的改进思想,能在一定的程度上避免算法因为过早的成熟而陷入局部最优,并且改进的算法比原始萤火虫算法有着更好的收敛精度.通过与原始GSO和改进算法ASGSO做对比,Matlab实验仿真表明,此改进算法在一定程度上提高了收敛速度和寻优精度.
关键词
萤火虫算法
多峰函数
动态步长
Keywords
GSO
multi peak function
dynamic step
分类号
TP391.9 [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knee points的改进多目标人工蜂群算法
被引量:
4
4
作者
刘明辉
李炜
机构
安徽大学
计算
智能与信号处理重点实验室
安徽大学计算机与科学与技术学院
出处
《计算机工程与应用》
CSCD
北大核心
2018年第2期40-47,共8页
基金
国家科技支撑计划(No.2015BAK24B00)
文摘
传统的人工蜂群算法(Artificial Bee Colony algorithm,ABC)及其在多目标上的扩展(Multi Objective Artificial Bee Colony algorithm,MOABC)存在着在高维、多峰函数情况下收敛速度变慢、后期容易陷入局部最优以及寻优精度丢失等问题。基于knee points提高收敛性和分布性的特点,设计了一种快速识别knee point的算法并将其应用到多目标人工蜂群算法中,提出了一种基于knee points的改进多目标人工蜂群算法(Kn MOABC)。算法在迭代过程中考虑pareto支配关系的同时,优先选择knee point作为下一代个体,极大地增强了算法的收敛速度,同时,在knee point识别算法中加入自适应的策略以保持良好的分布性。实验结果表明,Kn MOABC的性能优于三个最新的多目标人工蜂群对比算法。
关键词
多目标人工蜂群算法
高维多峰函数
KNEE
POINTS
自适应识别策略
Keywords
multi-objective artificial bee colony algorithm
high-dimensional and multimodal functions
knee points
adaptive identification strategy
分类号
TP751 [自动化与计算机技术—检测技术与自动化装置]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
核迁移稀疏编码算法在跨域图像分类中的应用
孙登第
孟欠欠
马云鹏
《微电子学与计算机》
CSCD
北大核心
2018
1
下载PDF
职称材料
2
基于kinect三维骨骼节点的动作识别方法
朱大勇
郭星
吴建国
《计算机工程与应用》
CSCD
北大核心
2018
8
下载PDF
职称材料
3
一种改进的萤火虫算法
左仲亮
郭星
李炜
《微电子学与计算机》
CSCD
北大核心
2018
12
下载PDF
职称材料
4
基于knee points的改进多目标人工蜂群算法
刘明辉
李炜
《计算机工程与应用》
CSCD
北大核心
2018
4
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