-
题名基于字典学习的非线性降维方法
被引量：10
- 1
-
-
作者
郑思龙
李元祥
魏宪
彭希帅
-
机构
上海交通大学航空航天学院
慕尼黑工业大学电气与计算机工程系
-
出处
《自动化学报》
EI
CSCD
北大核心
2016年第7期1065-1076,共12页
-
基金
国家自然科学基金(U1406404
61331015
41174164)资助~~
-
文摘
目前,众多的数据降维(Dimensionality reduction,DR)方法 (如经典的PCA(Principle component analysis),ISOMAP(Isometric mapping))能够使降维后的数据保留原始信号的重要特征,但是从降维后的数据中很好地恢复出原始信号仍旧是一个挑战.近年来,稀疏表示(Sparse representation,SR)在信号重构研究中受到广泛关注,信号可以利用过完备字典中少数原子的线性组合来描述.本文提出一种基于字典学习的非线性降维方法.从高维输入信号到低维特征的降维过程中,期望一些重要的几何特征(内积、距离和夹角)得以保留,同时又能够从低维数据中恢复出原始信号.为达此目的,本文采用CDL(Concentrated dictionary learning)算法训练一个字典对(高维字典D和低维字典P),使高维原始信号的能量能够聚集于低维子空间中.字典D用来获取稀疏表示系数,字典P是D的直接降维采样,CDL算法能够保证P聚集D中的大部分能量.这样,信号的降维与恢复问题就转变为字典对的训练问题,信号的降维即为从D到P的能量保留过程.实验表明:CDL可在RIP(Restricted isomery property)条件的限制之外具有一定的信号重建能力,能在更低的维度条件下恢复图像,优于传统的压缩感知方法.此外,在噪声较大的情况下,CDL图像压缩效果优于JPEG2000.
-
关键词
数据降维
稀疏表示
压缩感知
字典学习
-
Keywords
Dimensionality reduction （DR）, sparse representation （SR）, compressed sensing （CS）, dictionary learning
-
分类号
TN911.7
[电子电信—通信与信息系统]
-
-
题名深度置信网络模型的机载多光谱数据罂粟识别
被引量：5
- 2
-
-
作者
陆永帅
李元祥
彭希帅
-
机构
上海交通大学航空航天学院
-
出处
《遥感信息》
CSCD
北大核心
2017年第4期98-103,共6页
-
文摘
针对传统识别算法在罂粟植物地块识别上精度不足的问题,提出了基于深度置信网络模型的机载多光谱数据罂粟识别算法,采用模拟人脑多层结构的方式,可以对数据自动地进行特征提取,挖掘内在联系,建立更准确的识别模型;同时将随机隐退过程引入到罂粟识别的深度网络中,避免了传统神经网络因为随机初始化而陷入局部最优解的情况。无人机航拍数据的实验表明,在小样本罂粟训练集的情况下,与支持向量机和传统神经网络方法相比,基于随机隐退的深度置信网络模型可取得更好的识别结果。
-
关键词
罂粟识别
多光谱数据
深度置信网络
深度学习
随机隐退
-
Keywords
poppy detection
multispectral data
deep belief network
deep learning
dropout
-
分类号
TP75
[自动化与计算机技术—检测技术与自动化装置]
-
