-
题名基于低秩稀疏表示的加权增量目标跟踪算法
- 1
-
-
作者
应艳丽
张家树
瞿遥
-
机构
西南交通大学信息科学与技术学院
-
出处
《计算机工程》
CAS
CSCD
北大核心
2016年第1期248-253,共6页
-
文摘
现实中目标物体所处背景往往受到遮挡、光照变化等复杂环境的影响,容易导致跟踪漂移。为提高目标跟踪的精确度,以加权增量主成分分析算法为模板更新机制,提出一种新的目标跟踪算法。通过主成分分析基向量模板和平方模板对变化的目标外观进行线性表示,把目标跟踪问题视为低秩稀疏优化问题,求解低秩稀疏解,得到候选目标重构系数,将基于重构误差后验概率最小的跟踪目标作为当前跟踪结果,并在增量主成分分析算法更新基向量模板过程中,对每个跟踪目标进行加权,从而有效抑制低质量目标样本的影响。实验结果表明,与增量视觉跟踪算法、最小软阈值跟踪算法等相比,该算法在复杂环境的目标跟踪中具有较好的鲁棒性。
-
关键词
目标跟踪算法
低秩稀疏表示
平方模板
增量主成分分析
加权增量
重构系数
-
Keywords
object tracking algorithm
Low-rank Sparse Representation（LRSR）
square template
Incremental Principal Component Analysis（IPCA）
weighted increment
reconstruction coefficient
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于增量加权的不平衡漂移数据流分类算法
被引量：2
- 2
-
-
作者
蔡博
张海清
李代伟
向筱铭
于曦
邓钧予
-
机构
成都信息工程大学软件工程学院
成都信息工程大学四川省信息化应用支撑软件工程技术研究中心
四川省气象探测数据中心
成都大学斯特灵学院
-
出处
《计算机应用研究》
CSCD
北大核心
2024年第3期854-860,共7页
-
基金
欧盟资助项目(598649-EPP-1-2018-1-FR-EPPKA2-CBHE-JP)
国家自然科学基金资助项目(61602064)
+1 种基金
四川省科技厅资助项目(2021YFH0107,2022YFS0544,2022NSFSC0571)
成都信息工程大学科技创新能力提升计划资助项目(KYQN202223)。
-
文摘
概念漂移是数据流学习领域中的一个难点问题,同时数据流中存在的类不平衡问题也会严重影响算法的分类性能。针对概念漂移和类不平衡的联合问题,在基于数据块集成的方法上引入在线更新机制,结合重采样和遗忘机制提出了一种增量加权集成的不平衡数据流分类方法(incremental weighted ensemble for imbalance learning,IWEIL)。该方法以集成框架为基础,利用基于可变大小窗口的遗忘机制确定基分类器对窗口内最近若干实例的分类性能,并计算基分类器的权重,随着新实例的逐个到达,在线更新IWEIL中每个基分器及其权重。同时,使用改进的自适应最近邻SMOTE方法生成符合新概念的新少数类实例以解决数据流中类不平衡问题。在人工数据集和真实数据集上进行实验,结果表明,相比于DWMIL算法,IWEIL在HyperPlane数据集上的G-mean和recall指标分别提升了5.77%和6.28%,在Electricity数据集上两个指标分别提升了3.25%和6.47%。最后,IWEIL在安卓应用检测问题上表现良好。
-
关键词
数据流
不平衡数据
概念漂移
增量加权
集成学习
-
Keywords
data streams
imbalance data
concept drift
incremental weight
ensemble learning
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名加权模块度增量引导下的层次社区发现算法
被引量：1
- 3
-
-
作者
张霄宏
郝浩宇
任杰成
王海涛
-
机构
河南理工大学计算机科学与技术学院
-
出处
《小型微型计算机系统》
CSCD
北大核心
2023年第7期1479-1485,共7页
-
基金
国家自然科学基金项目(61972134)资助。
-
文摘
模块度优化层次社区发现算法可以快速挖掘网络中不同密度的社区,对研究网络的功能和演化机制具有重要意义.然而,由于在迭代过程中仅合并模块度增量最大的社区,其收敛速度受到了制约;此外,在社区合并过程中过度强调社区之间的连接强度而忽略了社区之间的相似性,其划分结果的准确度也受到了制约.针对以上问题,提出了加权模块度增量引导下的层次社区发现算法.该算法引入了社区相似度权重,并结合模块度增量构建加权模块度增量,通过优化加权模块度增量划分层次社区;同时,在社区划分过程中引入可调合并阈值,动态调整每轮迭代中合并的社区数量,以优化算法的收敛速度.在不同规模的真实数据集和人工数据集上的实验结果验证了本文方法的正确性和有效性.
-
关键词
复杂网络
层次社区发现
模块度
加权模块度增量
可调合并阈值
-
Keywords
complex network
hierarchical community detection
modularity
weighted modularity increments
adjustable mergence threshold
-
分类号
TP274
[自动化与计算机技术—检测技术与自动化装置]
-
