-
题名基于低秩表示的非负张量分解算法
- 1
-
-
作者
刘亚楠
刘路路
罗斌
-
机构
合肥师范学院计算机学院
安徽大学计算机科学与技术学院
-
出处
《计算机应用研究》
CSCD
北大核心
2016年第1期300-303,共4页
-
基金
高校省级优秀青年人才基金重点项目(2011SQRL129ZD)
安徽省高校自然科学研究重点项目(KJ2013A217)
-
文摘
为了提高图像分类准确率,提出了一种基于低秩表示的非负张量分解算法。作为压缩感知理论的推广和发展,低秩表示将矩阵的秩作为一种稀疏测度,由于矩阵的秩反映了矩阵的固有特性,所以低秩表示能有效地分析和处理矩阵数据,把低秩表示引入到张量模型中,即引入到非负张量分解算法中,进一步扩展非负张量分解算法。实验结果表明,所提算法与其他相关算法相比,分类结果较好。
-
关键词
图像分类
低秩表示
非负
张量分解
-
Keywords
image classification
low rank representation
non-negative
tensor decomposition
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
TP301.6
[自动化与计算机技术—计算机系统结构]
-
-
题名基于隐式低秩非负矩阵分解模型的人脸识别方法
- 2
-
-
作者
杨国亮
龚曼
-
机构
江西理工大学电气工程与自动化学院
-
出处
《传感器与微系统》
CSCD
2020年第3期57-60,63,共5页
-
基金
国家自然科学基金资助项目(61763015,51365017,61305019)。
-
文摘
针对非负矩阵分解(NMF)具有一定的稀疏性,但不足以进行有效的分类的问题,为了获得特征提取过程中缺失的高维数据结构信息和隐藏信息,提高非负矩阵分解的低秩性与稀疏性,提出一种基于隐式低秩表示的非负矩阵分解模型(NLatMF)。该模型将隐式低秩算法提取的原始数据非负的低秩部分和隐式部分应用于非负矩阵分解,更有效地解决了分类问题。将该模型用于图像分类,通过在Yaleface等人脸数据库上仿真,结果表明:新模型有效提高了识别率。
-
关键词
非负矩阵分解
特征提取
隐式低秩表示
稀疏性
图像分类
-
Keywords
non-negative matrix factorization(NMF)
feature extraction
latent low-rank representation
sparseness
image classification
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名基于多特征融合矩阵分解的胃镜图像病灶检测
- 3
-
-
作者
杨国亮
黄剑琛
-
机构
江西理工大学电气工程与自动化学院
-
出处
《现代电子技术》
2022年第3期69-72,共4页
-
基金
国家自然科学基金项目(61363011)
江西省自然科学基金项目(20151BAB207024)。
-
文摘
胃镜检查过程中,医生通过内窥镜对病变部位的疾病诊断全靠医生的个人经验判断,给医生造成巨大的工作压力,因此提出一种基于稀疏约束的隐低秩表示模型的改进算法。在矩阵融合的基础算法中引入稀疏约束的隐低秩表示模型,提取数据的主特征和隐含特征来获取更多图像信息,应对样本数量较少的情况,并且采用加权非负稀疏表示分类方法(WNSLRRC)区分干扰区域和病灶区域,以图像隐含特征作为依据的加权低秩模型能更好地获得图像数据的全局结构。经过实验证明,该检测方法对病灶区域检测精度较高,具有一定的实用性,并且算法具有较好的抗扰性。
-
关键词
非负低秩矩阵分解
胃镜图像
多特征融合
隐低秩表示
加权非负稀疏低秩表示分类
病灶检测
全局性
稀疏约束
-
Keywords
non⁃negative low⁃rank matrix factorization
gastroscope image
multi⁃feature fusion
LatLRR
WNSLRRC
lesion detection
global
sparse constraint
-
分类号
TN911.73-34
[电子电信—通信与信息系统]
-
