检索结果-维普期刊中文期刊服务平台

一范数在图像修复中的应用被引量：1: 1; 作者贺文熙丁兴号《计算机工程与应用》 CSCD 北大核心 2010年第19期164-165,188,共3页; 考虑到图像相邻像素具有相关性,修复后的图像能量应为最低状态。定义了复合向量的范数。利用改进的热传导模型进行图像修复。提出的算法既可用来有效地修复划痕,也可用于去除文字,还可以填充较大破损区域。; 关键词邻域一范数图像修复; 在线阅读下载PDF 职称材料

一范数支持向量机的特征提取算法及应用: 2; 作者蔡春周博李杨《统计与决策》 CSSCI 北大核心 2004年第4期18-19,共2页; 关键词一范数支持向量机机器学习方法对偶形式特征提取算法决策函数; 在线阅读下载PDF 职称材料

利用多层受约束一范数优化检测功能磁共振成像中神经活动: 3; 作者李川《中国医学影像技术》 CSCD 北大核心 2010年第7期1354-1357,共4页; 本研究提出利用fMRI中神经信号内在的稀疏性,通过积分器转换,最大期望算法优化对脑fMRI中血流动力学变化建立多层神经信号模型,将检测脑fMRI中神经活动转化为受约束的一范数优化问题。利用空间自适应滤波器,优化结果可以准确地检测出fMR... 展开更多; 关键词磁共振成像一范数优化多层神经信号模型血流动力学; 在线阅读下载PDF 职称材料

基于样本选取和加权KPCA-L1的异常检测: 4; 作者安磊磊邢红杰《计算机应用研究》 CSCD 北大核心 2016年第5期1354-1358,共5页; 为了提高基于一范数的核主成分分析算法(KPCA-L1)处理异常检测问题的速度,提出了基于样本选取和加权KPCA-L1的异常检测方法。该方法从训练集中选取具有代表性的特征子集,然后为所得特征子集中的样本赋予权重,用带有权重的特征子集训练模... 展开更多; 关键词核主成分分析一范数样本选取异常检测; 在线阅读下载PDF 职称材料

题名一范数在图像修复中的应用被引量：1: 1; 作者贺文熙丁兴号; 机构江西理工大学理学院厦门大学信息科学与技术学院; 出处《计算机工程与应用》 CSCD 北大核心 2010年第19期164-165,188,共3页; 文摘考虑到图像相邻像素具有相关性,修复后的图像能量应为最低状态。定义了复合向量的范数。利用改进的热传导模型进行图像修复。提出的算法既可用来有效地修复划痕,也可用于去除文字,还可以填充较大破损区域。; 关键词邻域一范数图像修复; Keywords neighborhood 1 norm image inpainting; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名一范数支持向量机的特征提取算法及应用: 2; 作者蔡春周博李杨; 机构北京联合大学应用文理学院; 出处《统计与决策》 CSSCI 北大核心 2004年第4期18-19,共2页; 关键词一范数支持向量机机器学习方法对偶形式特征提取算法决策函数; 分类号 TP181 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名利用多层受约束一范数优化检测功能磁共振成像中神经活动: 3; 作者李川; 机构阿拉巴马大学电子工程系; 出处《中国医学影像技术》 CSCD 北大核心 2010年第7期1354-1357,共4页; 文摘本研究提出利用fMRI中神经信号内在的稀疏性,通过积分器转换,最大期望算法优化对脑fMRI中血流动力学变化建立多层神经信号模型,将检测脑fMRI中神经活动转化为受约束的一范数优化问题。利用空间自适应滤波器,优化结果可以准确地检测出fMRI中神经活动。通过与目前主流检测方法时间聚类分析、最大相关性方法及图模型推理法对比,本文提出的方法能够以较小的计算复杂度得出精确的结果。; 关键词磁共振成像一范数优化多层神经信号模型血流动力学; Keywords Magnetic resonance imaging L1 Optimization Multi-layer signal model neural Hemodynamics; 分类号 R301.6 [医药卫生—基础医学]; 在线阅读下载PDF 职称材料

题名基于样本选取和加权KPCA-L1的异常检测: 4; 作者安磊磊邢红杰; 机构河北大学计算机科学与技术学院河北大学数学与信息科学学院河北省机器学习与计算智能重点实验室; 出处《计算机应用研究》 CSCD 北大核心 2016年第5期1354-1358,共5页; 基金国家自然科学基金资助项目(60903089 61473111) 河北省自然科学基金资助项目(F2013201060); 文摘为了提高基于一范数的核主成分分析算法(KPCA-L1)处理异常检测问题的速度,提出了基于样本选取和加权KPCA-L1的异常检测方法。该方法从训练集中选取具有代表性的特征子集,然后为所得特征子集中的样本赋予权重,用带有权重的特征子集训练模型,构造加权KPCA-L1。与KPCA-L1相比,该方法能够有效地减小训练集的规模,同时改善了KPCA-L1算法的更新方法。在人工数据集和标准数据集上的实验结果表明,在保证异常检测准确率的前提下,该方法比KPCA-L1具有更快的建模速度。; 关键词核主成分分析一范数样本选取异常检测; Keywords KPCA（kernel principal component analysis） L1 norm sample selection novelty detection; 分类号 TP309.2 [自动化与计算机技术—计算机系统结构] TP301.6 [自动化与计算机技术—计算机系统结构]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	一范数在图像修复中的应用	贺文熙丁兴号	《计算机工程与应用》 CSCD 北大核心	2010	1	在线阅读下载PDF 职称材料
2	一范数支持向量机的特征提取算法及应用	蔡春周博李杨	《统计与决策》 CSSCI 北大核心	2004	0	在线阅读下载PDF 职称材料
3	利用多层受约束一范数优化检测功能磁共振成像中神经活动	李川	《中国医学影像技术》 CSCD 北大核心	2010	0	在线阅读下载PDF 职称材料
4	基于样本选取和加权KPCA-L1的异常检测	安磊磊邢红杰	《计算机应用研究》 CSCD 北大核心	2016	0	在线阅读下载PDF 职称材料