期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
融合词典特征的Bi-LSTM-WCRF中文人名识别 被引量:7
1
作者 成于思 施云涛 《中文信息学报》 CSCD 北大核心 2020年第4期69-76,共8页
受限于标注语料的领域和规模以及类别不均衡,中文人名识别性能偏低。相比人名识别训练语料,人名词典获取较为容易,利用词典提升人名识别性能有待进一步研究。该文提取人名词典特征,融入到双向长短期记忆(Bi-LSTM)网络模型中,在损失函数... 受限于标注语料的领域和规模以及类别不均衡,中文人名识别性能偏低。相比人名识别训练语料,人名词典获取较为容易,利用词典提升人名识别性能有待进一步研究。该文提取人名词典特征,融入到双向长短期记忆(Bi-LSTM)网络模型中,在损失函数中提高人名标签权重,设计加权条件随机场(WCRF)。从人名词典中获取姓和名相关的特征信息,Bi-LSTM网络捕获句子中上下文信息,WCRF提高人名识别的召回率。在《人民日报》语料和工程法律领域语料上进行实验,结果表明:在领域测试语料上,与基于隐马尔可夫模型的方法相比,人名识别的F1值提高18.34%,与传统Bi-LSTM-CRF模型相比,召回率提高15.53%,F1提高8.83%。WCRF还可以应用到其他类别不均衡的序列标注或分类问题中。 展开更多
关键词 人名识别 双向长短期记忆网络 加权条件随机场 词典特征
在线阅读 下载PDF
基于动作子空间和权重条件随机场的行为识别 被引量:2
2
作者 王智文 蒋联源 +4 位作者 王宇航 欧阳浩 张灿龙 黄镇谨 王鹏涛 《电子科技大学学报》 EI CAS CSCD 北大核心 2017年第2期412-418,共7页
针对单目视频中的人类行为识别,提出了基于动作子空间与权重条件随机场的行为识别方法。该方法结合了基于特征提取的核主分量分析(KPCA)与基于运动建模的权重条件随机场(WCRF)模型。探讨了通过非线性降维行为空间的基本结构,并在运动轨... 针对单目视频中的人类行为识别,提出了基于动作子空间与权重条件随机场的行为识别方法。该方法结合了基于特征提取的核主分量分析(KPCA)与基于运动建模的权重条件随机场(WCRF)模型。探讨了通过非线性降维行为空间的基本结构,并在运动轨迹投影过程中保留清晰的时间顺序,使人体轮廓数据表示更紧凑。WCRF通过多种交互途径对时间序列建模,从而提高了信息共享的联合精确度,具有超越生成模型的优势(如放宽观察之间独立性的假设,有效地将重叠的特征和远距离依存关系合并起来的能力)。实验结果表明,该行为识别方法不仅能够准确地识别随时间、区域内外人员变化的人类行为,而且对噪声和其他因素鲁棒性强。 展开更多
关键词 人类行为识别 人体轮廓提取与表示 核主分量分析 非线性降维 权重条件随机场
在线阅读 下载PDF
基于空间约束加权条件稀疏表示高光谱图像分类 被引量:2
3
作者 陈善学 屈龙瑶 胡灿 《系统工程与电子技术》 EI CSCD 北大核心 2016年第2期442-449,共8页
为了充分利用稀疏表示分类信息和高光谱图像的空间信息,提出结合马尔可夫随机场的加权条件稀疏表示高光谱图像分类算法。该算法对稀疏表示分解后的残差向量建立条件稀疏表示模型,在计算残差向量的类别归属时引入频段方差信息;利用光谱... 为了充分利用稀疏表示分类信息和高光谱图像的空间信息,提出结合马尔可夫随机场的加权条件稀疏表示高光谱图像分类算法。该算法对稀疏表示分解后的残差向量建立条件稀疏表示模型,在计算残差向量的类别归属时引入频段方差信息;利用光谱信息散度从信息熵的角度挖掘重构光谱中的类别鉴定信息;在期望最大化算法模型中,将条件稀疏模型与光谱信息散度模型相结合,使算法具备迭代自更新的能力;将马尔可夫随机场引入加权条件稀疏表示算法,在算法时间复杂度不变的情况下,对高光谱图像的空间信息予以提取。仿真结果表明,该算法能够有效地提高分类精度,且在不同试验数据下具备良好的稳定性。 展开更多
关键词 图像处理 高光谱图像分类 加权条件稀疏表示 马尔可夫随机场
在线阅读 下载PDF
结合自适应空间与CRF的遥感影像变化检测
4
作者 杨景玉 吴磊 +1 位作者 王阳萍 杜晓刚 《计算机应用研究》 CSCD 北大核心 2020年第5期1592-1596,共5页
提出了一种结合自适应空间与条件随机场(CRF)的新框架用于高分辨率遥感影像变化检测,解决了两幅影像配准误差造成的噪声和条件随机场产生的过平滑问题。通过加权自适应空间(WAS)获取差异图像消除了因配准误差造成的部分噪声,采用基于形... 提出了一种结合自适应空间与条件随机场(CRF)的新框架用于高分辨率遥感影像变化检测,解决了两幅影像配准误差造成的噪声和条件随机场产生的过平滑问题。通过加权自适应空间(WAS)获取差异图像消除了因配准误差造成的部分噪声,采用基于形态学重构的FCM聚类方法(MFCM)构建CRF一阶势减少了斑点噪声;引入带光谱-空间约束的模型改进CRF二阶势,进一步提高了算法的抗噪性能并可防止过平滑现象。与现有方法相比,该算法的检测精度、虚检率和漏检率都得到明显改进,同时较好地保留了边缘信息。 展开更多
关键词 高分辨率遥感影像 变化检测 加权自适应空间 形态学重构 条件随机场 光谱-空间约束
在线阅读 下载PDF
全卷积网络结合改进的条件随机场-循环神经网络用于SAR图像场景分类 被引量:8
5
作者 汤浩 何楚 《计算机应用》 CSCD 北大核心 2016年第12期3436-3441,共6页
传统合成孔径雷达(SAR)图像基于粗分割像素块提取相关特征,后接支持向量机(SVM)和马尔可夫随机场(MRF)或条件随机场(CRF)进行分类,该方法存在同一像素块内部不同类别像素的误差,而且只考虑邻近区域未充分用到全局信息和结构信息。故考... 传统合成孔径雷达(SAR)图像基于粗分割像素块提取相关特征,后接支持向量机(SVM)和马尔可夫随机场(MRF)或条件随机场(CRF)进行分类,该方法存在同一像素块内部不同类别像素的误差,而且只考虑邻近区域未充分用到全局信息和结构信息。故考虑基于像素点引入全卷积网络(FCN),以ESAR卫星图像为样本,基于像素点级别构建卷积网络进行训练,得到各像素的初始类别分类概率。为了考虑全局像素类别的影响后接CRF-循环神经网络(CRF-RNN),利用FCN得到的初始概率,结合CRF结构得到全局像素类别转移结果,之后进行RNN的迭代进一步优化实验结果。由于基于像素点和考虑了全局信息与结构信息,克服了传统分类的部分缺点,使正确率较传统SVM或CRF方法平均提高了约6.5个百分点。由于CRF-RNN的距离权重是用高斯核人为拟合的,不能随实际训练样本来改变和确定,故存在一定误差,针对该问题提出可训练的全图距离权重卷积网络来改进CRF-RNN,最终实验结果表明改进后方法的正确率较未改进的CRF-RNN又提高了1.04个百分点。 展开更多
关键词 全卷积网络 条件随机场-循环神经网络 全局信息 全图距离权重
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部