检索结果-维普期刊中文期刊服务平台

基于CCIPCA和ICA降维的文本分类研究被引量：2: 1; 作者何海斌李新福赵蕾蕾《计算机工程与应用》 CSCD 北大核心 2008年第29期150-152,167,共4页; 文本分类中采用向量空间模型来表达文本特征,维数巨大,关键是对高维的特征集进行降维处理,而一般的分解算法无法处理大规模的高维问题。采用CCIPCA与ICA相结合的特征提取方法可以有效地实现文本特征降维。实验结果表明降维提高了分类器... 展开更多; 关键词文本分类特征降维直观无协方差增量主元分析独立成分分析支持向量机; 在线阅读下载PDF 职称材料

基于CCIPCA-LSSVM的文本自动分类算法: 2; 作者张鸿彦《科学技术与工程》北大核心 2013年第10期2704-2709,共6页; 特征具有高维、稀疏性。为提高了文本自动分类准确率,针对PCA提取特征需要对大规模文本进行批处理,影响文本的准确率等,提出一种基于增量主元分析方法(CCIPCA)和最二小乘向量机(LSSVM)相结合的文本自动分类算法(CCIPCA-LSSVM)。首先通... 展开更多; 关键词文本分类特征提取最小二乘支持向量机增量主元分析方法粒子群优化算法; 在线阅读下载PDF 职称材料

动态纹理背景的建模: 3; 作者何莎费树岷《计算机应用》 CSCD 北大核心 2009年第B12期241-243,共3页; 针对室外条件下动态纹理背景,采用自回归运动平均(ARMA)模型建立背景模型,并引入快速增量主元分析(IPCA)算法对模型进行降维,并辨识其中参数,实现最大似然估计。运用增量主元分析算法,不需要估算协方差矩阵,直接可以递增地得到特征向量... 展开更多; 关键词动态纹理背景建模自回归运动平均模型增量主元分析子空间系统辨识; 在线阅读下载PDF 职称材料

两种改进的IPCA算法被引量：1: 4; 作者李晨李庆风范剑波《计算机应用与软件》 CSCD 北大核心 2014年第6期303-307,共5页; 随着互联网的迅速发展以及随之带来的数据量指数级增长,与协方差矩阵计算无关的增量式主元分析方法相对传统的批处理方式的主元分析方法更加具有优势。针对现有的增量式主元分析方法中存在的误差积累问题,提出两种改进算法。实验表明,... 展开更多; 关键词主元分析增量式主元分析协方差矩阵无关人脸识别; 在线阅读下载PDF 职称材料

题名基于CCIPCA和ICA降维的文本分类研究被引量：2: 1; 作者何海斌李新福赵蕾蕾; 机构河北大学数学与计算机学院; 出处《计算机工程与应用》 CSCD 北大核心 2008年第29期150-152,167,共4页; 基金国家自然科学基金No.60772073 河北省自然科学基金No.F2006001020 河北省教育厅科学基金No.2005347~~; 文摘文本分类中采用向量空间模型来表达文本特征,维数巨大,关键是对高维的特征集进行降维处理,而一般的分解算法无法处理大规模的高维问题。采用CCIPCA与ICA相结合的特征提取方法可以有效地实现文本特征降维。实验结果表明降维提高了分类器的效率和效果。; 关键词文本分类特征降维直观无协方差增量主元分析独立成分分析支持向量机; Keywords text categorization dimension reduction Candid Covariance-free Incremental Principal Component Analysis（CCIPCA） Independent Components Analysis（ICA） Support Vector Machine（SVM）; 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

题名基于CCIPCA-LSSVM的文本自动分类算法: 2; 作者张鸿彦; 机构河南工程学院软件学院; 出处《科学技术与工程》北大核心 2013年第10期2704-2709,共6页; 文摘特征具有高维、稀疏性。为提高了文本自动分类准确率,针对PCA提取特征需要对大规模文本进行批处理,影响文本的准确率等,提出一种基于增量主元分析方法(CCIPCA)和最二小乘向量机(LSSVM)相结合的文本自动分类算法(CCIPCA-LSSVM)。首先通过互信法选择文本特征,然后采用CCIPCA高维文本特征进行提取,降低特征维数,消除冗余特征,最后采用LSSVM对提取特征进行学习,并通过粒子群算法对分类器优化,建立最优文本自动分类模型。仿真结果表明,相对于其它文本分类算法,CCIPCA-LSSVM提高了文本分类准确率和召回率,解决了文本特征提取过程存在的难题。; 关键词文本分类特征提取最小二乘支持向量机增量主元分析方法粒子群优化算法; Keywords text categorization features abstract least squares support vector machines candid in- cremental principal component analysis particle swarm optimization algorithm; 分类号 TP311.56 [自动化与计算机技术—计算机软件与理论]; 在线阅读下载PDF 职称材料

题名动态纹理背景的建模: 3; 作者何莎费树岷; 机构东南大学自动化学院; 出处《计算机应用》 CSCD 北大核心 2009年第B12期241-243,共3页; 文摘针对室外条件下动态纹理背景,采用自回归运动平均(ARMA)模型建立背景模型,并引入快速增量主元分析(IPCA)算法对模型进行降维,并辨识其中参数,实现最大似然估计。运用增量主元分析算法,不需要估算协方差矩阵,直接可以递增地得到特征向量和奇异值,计算出样本序列的主要元素。完成参数辨识后,ARMA模型可以合成无限长度的预测图像序列。最后,仿真实验证明了算法的有效性。; 关键词动态纹理背景建模自回归运动平均模型增量主元分析子空间系统辨识; Keywords dynamic textures background modeling Autoregressive Moving Average （ARMA） model Incremental Principal Component Analysis （IPCA） subspace system identification; 分类号 TP391.41 [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

题名两种改进的IPCA算法被引量：1: 4; 作者李晨李庆风范剑波; 机构宁波工程学院电子与信息工程学院; 出处《计算机应用与软件》 CSCD 北大核心 2014年第6期303-307,共5页; 文摘随着互联网的迅速发展以及随之带来的数据量指数级增长,与协方差矩阵计算无关的增量式主元分析方法相对传统的批处理方式的主元分析方法更加具有优势。针对现有的增量式主元分析方法中存在的误差积累问题,提出两种改进算法。实验表明,两种改进算法显著提升了主元估计值的收敛性以及特征值估计值的收敛性,这对于增量式主元分析方法的现实应用是很有意义的。; 关键词主元分析增量式主元分析协方差矩阵无关人脸识别; Keywords Principal component analysis Incremental principal component analysis Covariance matrix-free Face recognition; 分类号 TP391.4 [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