【摘 要】
：
传统的基于稀疏编码的图像分类算法没有考虑不同特征之间的关系。针对这一不足,该文提出了一种新的词典学习算法。该算法考虑特征所处的多个流形空间上的拓扑结构,并显式地对其进行建模,然后将该模型嵌入到稀疏编码算法中构造多流形上的词典优化目标函数。为求解该优化问题,还提出了使用坐标下降的方法,同时给出了收敛性分析。在图像分类3个基准数据集上的实验结果表明,提出的算法分类性能超过了基于传统稀疏编码的算法。这也
论文部分内容阅读
传统的基于稀疏编码的图像分类算法没有考虑不同特征之间的关系。针对这一不足,该文提出了一种新的词典学习算法。该算法考虑特征所处的多个流形空间上的拓扑结构,并显式地对其进行建模,然后将该模型嵌入到稀疏编码算法中构造多流形上的词典优化目标函数。为求解该优化问题,还提出了使用坐标下降的方法,同时给出了收敛性分析。在图像分类3个基准数据集上的实验结果表明,提出的算法分类性能超过了基于传统稀疏编码的算法。这也进一步证明了该算法的有效性。
其他文献
采用开顶式气室法(Open-top Chamber,OTC)模拟升温,分别于升温1a和升温2a后,测定崇明东滩围垦湿地代表植物——芦苇快速生长期叶片的光响应进程,分析最大净光合速率(Pmax)、暗呼吸速率(Rd)、表观量子效率(AQY)、光补偿点(LCP)、光饱和点(LSP)等光合参数对升温时间的累积响应。结果表明:与对照样地相比,升温1a后,Pmax、LSP显著增加,Rd、LCP显著降低,表现出
Fast inversion of source rupture process for significant earthquake is introduced and applied to earthquake emergency response. We retrieve and use the apparent source time functions (ASTFs) to stabil
Earthquake rupture process generally involves several faults activities instead of a single fault.A new method using both fuzzy clustering and principal component analysis makes it possible to reconst
Magnetic induction tomography(MIT) is one of the newest industrial process imaging techniques.Main industrial applications of the MIT imaging are in high conductive flow imaging.However,recently it ha
针对光弹性应力计条纹图像人工判读存在的问题,首先,在不同级数的条纹图像颜色变化最明显的方向上提取RGB颜色变化的色差向量作为样本,计算待识别条纹图像与样本空间的相关系数,得到初步识别的级数。其次,由于工程实际中条纹图像难以与样本完全一致,使得不同方向得到的初步识别的级数并不一定相同,因此,采用模糊推理方法对初步识别的级数进行综合分析,确定最终条纹图像的级数。实际应用表明,该方法具有较好的识别精度。
In this paper, a new design of multi-parallel-beam (MPB) collimators with projection multiplexing is proposed. In the MPB system, two different oblique parallel channels are introduced in a convention
开发了基于图形处理器(GPU)的Cholesky分解并行算法,应用于模态计算程序中,对计算进行加速.算例测试表明该算法相对串行算法计算性能大幅提升,且加速比随矩阵阶数增加而增加,与串行程序相比加速比可达到19.6,此时GPU浮点运算能力达到298Gflops.GPU程序固有频率计算结果与Abaqus计算结果的误差在2%以内,具有足够的计算精度.
近年来,基于稀疏表示的分类技术(SRC)在图像分类和目标识别中取得了巨大的成功。在该框架中,过完备基的学习和多类分类器(通常为支持向量机SVM)的训练是最关键的两个步骤。但在目前的许多方法中,这两个模块的构建过程都是相互独立的。该文针对以上问题,提出了一种用于稀疏表示的最大间隔字典学习算法,将两类SVM分类器的损失函数项的平方及分类间隔作为正则项与稀疏字典的学习过程进行了整合,并提出相应的坐标轮换
行人检测在智能监控和辅助驾驶等方面有广泛的应用。当前行人检测中主流特征是梯度方向直方图(HOG),但其计算耗时导致检测速度慢。该文提出了一种新的颜色自相似度特征(CSSF),在颜色通道上计算两个选定的矩形块的比值衡量自相似性。首先,CSSF在描述行人的结构信息的同时避免了耗时的方向梯度计算,具有速度快的优点。其次,CSSF是标量特征,能高效快速与AdaBoost级联分类器结合学习行人检测器。再次,
张量值图像在数字图像处理中有很重要的作用,传统的线性插值方法只考虑了被插值点与采样点的位置关系,没有考虑采样点张量自身信息,在插值过程中容易造成边缘模糊。该文提出了一种Riemann度量框架下的各向异性插值方法,由张量场的梯度信息得到局部结构张量,用来确定邻域采样点的权重,依此构建自适应插值核函数,在Rie-mann度量框架下对邻域采样点加权求和得到被插值点张量值。该方法容易实现且效率高,这在含大