检索结果-维普期刊中文期刊服务平台

联合混合范数约束和增量非负矩阵分解的目标跟踪被引量：1: 1; 作者陈芸董西伟荆晓远《计算机工程》 CAS CSCD 北大核心 2015年第12期260-264,共5页; 针对当前目标跟踪算法因光照变化、部分遮挡、姿态变化以及背景杂乱等因素引起的跟踪漂移问题,联合混合范数约束和增量非负矩阵分解,提出一种目标跟踪算法。通过对目标的非负矩阵分解获得其局部结构信息,有效应对局部遮挡,同时达到降维... 展开更多; 关键词增量非负矩阵分解混合范数稀疏表示目标跟踪粒子滤波; 在线阅读下载PDF 职称材料

基于增量非负矩阵分解的合成孔径雷达目标识别被引量：3: 2; 作者张慧党思航崔宗勇《科学技术与工程》北大核心 2017年第12期205-210,共6页; 随着合成孔径雷达(SAR)数据的快速增长,传统的目标识别方法由于不具备增量学习的能力,导致计算代价逐渐增加,从而越来越无法满足实时信息处理的需求。在识别过程中关键的特征提取环节,非负矩阵分解能够获取目标基于部分的特征表示,已被... 展开更多; 关键词增量非负矩阵分解合成孔径雷达目标识别增量学习; 在线阅读下载PDF 职称材料

基于L_(1/2)范数约束增量非负矩阵分解的SAR目标识别: 3; 作者张慧党思航崔宗勇《计算机应用研究》 CSCD 北大核心 2018年第2期628-631,共4页; 增量非负矩阵分解(INMF)随目标样本增加逐渐更新分解模型,能够有效解决NMF算法的计算代价随样本增加而成倍增长的问题。然而INMF在使NMF具备增量学习能力的同时,并未考虑NMF分解矩阵的稀疏性对识别性能的提升作用。针对上述问题,提出基... 展开更多; 关键词增量非负矩阵分解合成孔径雷达目标识别 L1/2范数约束; 在线阅读下载PDF 职称材料

采用增量型非负矩阵分解建模的目标跟踪算法被引量：1: 4; 作者钱诚徐舒畅张三元《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2010年第6期972-977,共6页; 建立鲁棒的外观模型是目标跟踪中的关键问题,为此提出一种基于增量型非负矩阵分解的目标跟踪算法.首先根据转移概率模型在当前帧中预测得到一组图像样本;随后利用非负矩阵分解获取样本在子空间中的坐标向量;在此基础上计算样本与前一帧... 展开更多; 关键词增量型非负矩阵分解目标跟踪相关性子空间模型; 在线阅读下载PDF 职称材料

ODA-IPNMF:一种在线全网络流量异常检测方法被引量：4: 5; 作者柏骏夏靖波 +1 位作者吴吉祥鹿传国《哈尔滨工业大学学报》 EI CAS CSCD 北大核心 2015年第5期104-109,共6页; 为实时、高效地检测网络流量异常,提出一种基于增量投影非负矩阵分解(IPNMF)的全网络流量异常检测方法(ODA-IPNMF).提出一种增量投影非负矩阵算法,该算法不仅具有与PCA相同的表达形式,还能以增量的方式构建正常子空间和异常子空间,进而... 展开更多; 关键词网络异常检测流量矩阵增量投影非负矩阵分解在线检测; 在线阅读下载PDF 职称材料

题名联合混合范数约束和增量非负矩阵分解的目标跟踪被引量：1: 1; 作者陈芸董西伟荆晓远; 机构江苏信息职业技术学院物联网工程系南京邮电大学自动化学院; 出处《计算机工程》 CAS CSCD 北大核心 2015年第12期260-264,共5页; 基金国家自然科学基金资助项目(61272273 61170305) +1 种基金江苏省高等职业院校国内高级访问学者计划基金资助项目(2014FX034); 文摘针对当前目标跟踪算法因光照变化、部分遮挡、姿态变化以及背景杂乱等因素引起的跟踪漂移问题,联合混合范数约束和增量非负矩阵分解,提出一种目标跟踪算法。通过对目标的非负矩阵分解获得其局部结构信息,有效应对局部遮挡,同时达到降维目的。通过稀疏描述下的混合范数约束进一步抑制外界环境的干扰,并利用加速近似梯度算法迭代求解优化问题。为更好地满足实时精准跟踪的需求,应用遮挡检测及在线更新策略读取跟踪目标位置。在粒子滤波跟踪框架中的实验结果显示,相比IVT、多示例学习、Frag和L1APG跟踪算法,该算法的鲁棒性更好。; 关键词增量非负矩阵分解混合范数稀疏表示目标跟踪粒子滤波; Keywords Incremental Non-negative Matrix Factorization（INMF） mixed norm sparse representation object tracking particle filtering; 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

题名基于增量非负矩阵分解的合成孔径雷达目标识别被引量：3: 2; 作者张慧党思航崔宗勇; 机构电子科技大学成都学院电子科技大学电子工程学院; 出处《科学技术与工程》北大核心 2017年第12期205-210,共6页; 基金四川省教育厅科研项目(16ZB0446)资助; 文摘随着合成孔径雷达(SAR)数据的快速增长,传统的目标识别方法由于不具备增量学习的能力,导致计算代价逐渐增加,从而越来越无法满足实时信息处理的需求。在识别过程中关键的特征提取环节,非负矩阵分解能够获取目标基于部分的特征表示,已被成功应用于SAR目标识别领域。然而面对新增样本,采用非负矩阵分解描述SAR目标特征的过程中,会产生重复训练,从而大大降低了识别效率。提出基于增量非负矩阵分解的SAR目标识别方法,实现了基于非负矩阵分解的SAR目标特征表示的增量学习能力,从而大大降低计算代价。针对MSATR数据集的仿真试验结果表明,在保证识别率的基础上,提出的方法能够降低样本训练时间74.7%以上。因此该方法能够适应数据增加的现实需求,并能够为建立具有自主学习能力的SAR目标识别系统提供有效的技术支撑。; 关键词增量非负矩阵分解合成孔径雷达目标识别增量学习; Keywords incremental non-negative matrix factorization synthetic aperture radar target recognition incremental learning; 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

题名基于L_(1/2)范数约束增量非负矩阵分解的SAR目标识别: 3; 作者张慧党思航崔宗勇; 机构电子科技大学成都学院电子工程系电子科技大学电子工程学院; 出处《计算机应用研究》 CSCD 北大核心 2018年第2期628-631,共4页; 基金四川省教育厅科研资助项目(16ZB0446); 文摘增量非负矩阵分解(INMF)随目标样本增加逐渐更新分解模型,能够有效解决NMF算法的计算代价随样本增加而成倍增长的问题。然而INMF在使NMF具备增量学习能力的同时,并未考虑NMF分解矩阵的稀疏性对识别性能的提升作用。针对上述问题,提出基于L1/2范数约束的增量非负矩阵分解(L1/2-INMF)算法,并应用于SAR目标识别。L1/2-INMF采用L1/2范数实时约束增量过程中的NMF分解矩阵,能够在不增加计算复杂度的同时,提升识别性能。针对MSTAR数据集的仿真实验结果表明,提出的L1/2-INMF能够解决传统非负矩阵分解方法计算代价随样本增加而增加的问题。; 关键词增量非负矩阵分解合成孔径雷达目标识别 L1/2范数约束; Keywords incremental nonnegative matrix factorization （INMF） synthetic aperture radar （SAR） target recognition L1/2 constraint; 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

题名采用增量型非负矩阵分解建模的目标跟踪算法被引量：1: 4; 作者钱诚徐舒畅张三元; 机构浙江大学计算机科学与技术学院; 出处《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2010年第6期972-977,共6页; 基金国家"九七三"重点基础研究发展计划项目(2009CB320804); 文摘建立鲁棒的外观模型是目标跟踪中的关键问题,为此提出一种基于增量型非负矩阵分解的目标跟踪算法.首先根据转移概率模型在当前帧中预测得到一组图像样本;随后利用非负矩阵分解获取样本在子空间中的坐标向量;在此基础上计算样本与前一帧视频中目标图像在低维坐标向量上的相关性,以具有最大相关性的图像样本作为目标在当前帧中的图像区域;最后以增量的方式完成子空间的在线更新,提高了外观模型的更新效率,且所要求的存储空间大小恒定.实验结果表明,该算法对目标物的外观变化具有良好的自适应性,能够在视频序列中对目标进行稳定的跟踪.; 关键词增量型非负矩阵分解目标跟踪相关性子空间模型; Keywords incremental non-negative matrix factorization object tracking association subspace model; 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ODA-IPNMF:一种在线全网络流量异常检测方法被引量：4: 5; 作者柏骏夏靖波吴吉祥鹿传国; 机构空军工程大学信息与导航学院 [ 空军大连通信士官学校 [; 出处《哈尔滨工业大学学报》 EI CAS CSCD 北大核心 2015年第5期104-109,共6页; 基金国家自然科学基金(61272486) 陕西省科技计划自然基金重点项目(2012JZ8005); 文摘为实时、高效地检测网络流量异常,提出一种基于增量投影非负矩阵分解(IPNMF)的全网络流量异常检测方法(ODA-IPNMF).提出一种增量投影非负矩阵算法,该算法不仅具有与PCA相同的表达形式,还能以增量的方式构建正常子空间和异常子空间,进而利用Shewhart控制图实现全网络流量异常的在线检测.理论分析表明,该方法计算开销远小于NMF-NAD,具有更高的实用价值;模拟网络数据以及实测网络数据实验表明,基于NMF异常检测方法(NMF-NAD和ODAIPNMF)的检测性能优于PCA方法;本文所提ODA-IPNMF与NMF-NAD网络异常检测效果相当,且可在线检测网络异常.; 关键词网络异常检测流量矩阵增量投影非负矩阵分解在线检测; Keywords network anomalies detection traffic matrix incremental projective non-negative matrix factorization online detection; 分类号 TP393 [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	作者	出处	发文年	被引量	操作
1	联合混合范数约束和增量非负矩阵分解的目标跟踪	陈芸董西伟荆晓远	《计算机工程》 CAS CSCD 北大核心	2015	1	在线阅读下载PDF 职称材料
2	基于增量非负矩阵分解的合成孔径雷达目标识别	张慧党思航崔宗勇	《科学技术与工程》北大核心	2017	3	在线阅读下载PDF 职称材料
3	基于L_(1/2)范数约束增量非负矩阵分解的SAR目标识别	张慧党思航崔宗勇	《计算机应用研究》 CSCD 北大核心	2018	0	在线阅读下载PDF 职称材料
4	采用增量型非负矩阵分解建模的目标跟踪算法	钱诚徐舒畅张三元	《计算机辅助设计与图形学学报》 EI CSCD 北大核心	2010	1	在线阅读下载PDF 职称材料
5	ODA-IPNMF:一种在线全网络流量异常检测方法	柏骏夏靖波吴吉祥鹿传国	《哈尔滨工业大学学报》 EI CAS CSCD 北大核心	2015	4	在线阅读下载PDF 职称材料