【摘 要】
：
针对采用松弛-量化策略的深度哈希方法面临的二值码离散优化的难题,提出一种端到端的基于成对标签的哈希方法来学习更具有判别力的哈希码,通过优化损失函数来解决离散优化丢失信息的问题。引入锚点哈希码概念,以汉明空间中的锚点作为监督信息训练AlexNet网络,将表示图片的二值码拟合至各锚点附近,使用优化后的损失函数计算分类误差和锚点误差,使哈希函数生成具有强判别力的哈希码。在CIFOR-10数据集和Imag
【机 构】
：
新疆大学软件学院,新疆大学信息科学与工程学院,新疆大学软件工程技术重点实验室
【基金项目】
：
国家自然科学基金项目(61862060、61562078、61462079、61562086),国家科技部科技支撑基金项目(2015BAH02F01)。
论文部分内容阅读
针对采用松弛-量化策略的深度哈希方法面临的二值码离散优化的难题,提出一种端到端的基于成对标签的哈希方法来学习更具有判别力的哈希码,通过优化损失函数来解决离散优化丢失信息的问题。引入锚点哈希码概念,以汉明空间中的锚点作为监督信息训练AlexNet网络,将表示图片的二值码拟合至各锚点附近,使用优化后的损失函数计算分类误差和锚点误差,使哈希函数生成具有强判别力的哈希码。在CIFOR-10数据集和ImageNet-100数据集上实验,检索精度优于当前主流方法。
其他文献
针对传统樽海鞘群算法寻优精度低、易于陷入局部最优的问题,提出基于混沌映射与动态学习的自适应樽海鞘群算法。引入改进混沌Tent映射实现种群初始化,确保更加均匀的搜索空间;设计基于Logistic映射的领导者更新机制,有效增强种群多样性;利用基于动态学习的追随者更新机制,使算法跳出局部最优,提升全局搜索能力;设计领导者/追随者规模的自适应调整机制,有效均衡种群的局部开发和全局勘探能力。实验结果表明,该算法在收敛速度、寻优精度及寻优成功率上均有大幅提升。
针对人脸表情识别过程中,误差逆向传播算法(back propagation,BP)对深度信念网络(deep belief network,DBN)微调时容易陷入极值点局部极小和收敛时间过长的问题,提出基于BP算法微调DBN的改进方法。对表情进行多特征提取并降维,利用所提方法对降维后特征进行学习,采用共轭梯度算法解决BP算法和DBN结合存在的问题。实例仿真计算结果表明,所提方法精度高于支持向量机、基
针对多视点视图匹配存在的不足,提出一种多视点法平面与视差空间及聚合成本最优化的改进PMS算法。设计多视点视图优化框架,推导出视点聚合成本函数;结合多视点聚合成本函数最优化方法,设计法平面与视差及聚合成本最优化的改进PMS算法,给出算法步骤;对提出的算法在不同噪声下的角度误差、相同噪声不同视点数的角度误差和相同噪声不同视点数的执行时间等方面,进行仿真实验。实验结果表明,所提出的改进PMS算法具有一定
基于循环神经网络的RNNoise语音增强算法在非稳态噪声环境中有着优良的噪声抑制效果,但在应对未知噪声时,存在增益估计偏差、频带增益估计过平滑的问题,而基于统计模型的MMSE-LSA语音增强算法,在噪声估计不准确的情况下,也能取得良好的噪声抑制效果。为结合两者的优良特性,将RNNoise中的频带增益估计转换为频带先验信噪比作为神经网络的输入特征,结合基音检测算法修正谐波增益,提出一种可抗非稳态噪声的实时语音增强算法MMSE-RNNoise。对比实验验证了改进算法的可行性,其实时语音增强性能有了一定提升。
基于"学习者-监督者"的间接学习机制,提出多阶段监督的软迁移学习方法来实现跨网络结构学习,使神经网络对人体行为的建模能力能在不同结构的网络中传递和重用。根据数据特征在不同网络层级上的不同特性,引入两种有效的特征差异度量函数,降低不同网络结构提取的特征之间的差异。在UCF101和HMDB51数据集上进行实验,其结果表明,多阶段监督的方法能大大增强网络的特征提取能力,提高网络的分类准确率,可视化的分析
以周负荷数据为用户用电行为分析的视角较通常使用日负荷数据更符合用户客观用电周期规律,提出一种面向用户周负荷数据聚类方法,通过改进的近邻相似度图聚类避免计算过程中维度增高导致的相似一致化,优化计算的时间与空间复杂度,实现用户用电特征准确快速提取,相较常见的K-means和DBSCAN等方法聚类效果更佳,使用逐段聚集平均降维表示,便于后续分析。以某省大工业用户用电数据作为仿真算例进行验证。
为解决传统图像拼接方法对含噪无人机(UAV)图像的拼接存在严重图像畸变的问题,提出一种基于欧拉弹性模型与加速稳健特征(SURF)算法的含噪无人机图像拼接方法。将欧拉弹性能量模型应用在无人机图像拼接的去噪预处理环节,通过SURF算法进行特征点的提取、描述与匹配,通过随机抽样一致性(RANSAC)算法进一步去除错误的特征匹配点,运用加权平均融合算法实现对含噪无人机图像的无缝拼接。实验结果表明,相比传统
需求侧管理的主要目的是允许对消费者能源需求进行控制和调度,主要是利用云进行操作,但由于物理距离和数据量大,会造成延迟问题,雾计算的出现缓解了这些问题,因此提出一种可用于能源需求调度的云-雾计算架构,实现降低智能建筑的总能源成本。主要工作包括两部分:基于分布式和博弈的需求调度方法,以及用于选择将执行此分布式方法的雾节点的模型。仿真结果表明,雾化体系结构的集成有助于在确定最佳需求计划的同时减少延迟。
为提高对发酵过程中质量变量的预测精度,解决发酵数据非线性的问题,提出一种基于核二次互信息回归的质量预测模型。将非线性过程数据核映射至高维特征空间,使其线性可分;基于高维特征空间,使用Renyi二次熵与二次互信息定义目标函数提取过程特征,建立过程特征与质量变量间的回归模型;二次互信息可衡量变量间的非线性关系。仿真实验及大肠杆菌发酵生产数据的实验结果表明,该方法具有较高质量预测精度,对非线性数据有较强处理能力。
针对由于风速变化因素复杂导致的风速预测模型准确率低的问题,提出一种多特征嵌入的Seq2Seq(序列到序列)风速预测模型。以Seq2Seq为基础,将影响风速的多种因素数据进行多特征嵌入编码,实现对未来若干个小时风速的预测。通过准确率、预测评分和平均绝对误差等指标的实验评价,验证Seq2Seq模型相比当前最优模型达到了更好的预测稳定性,风速多特征嵌入编码方法的加入显著提高了Seq2Seq模型的预测准确性。实验结果验证了该模型的有效性。