期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
自然图像稀疏编码模型研究综述
被引量：
1
1
作者
邹柏贤
苗军
《郑州大学学报（工学版）》
CAS
北大核心
2013年第3期106-111,共6页
根据建模出发点的不同,把各种建模方法分为模拟视觉系统模型、统计分析模型两大类方法.根据不同的目标、不同的模型特征和结构,把模拟视觉系统的稀疏编码模型分又为最大似然概率、目标函数优化、Gabor小波基函数、超完备基、神经网络、...
根据建模出发点的不同,把各种建模方法分为模拟视觉系统模型、统计分析模型两大类方法.根据不同的目标、不同的模型特征和结构,把模拟视觉系统的稀疏编码模型分又为最大似然概率、目标函数优化、Gabor小波基函数、超完备基、神经网络、分层稀疏编码六类模型.根据模型学习方法的不同,统计分析模型又分为独立分析、非负矩阵分解以及特定特征的稀疏编码3种模型.针对上述各种模型进行了介绍、分析和研究,并归纳总结不同方法的主要特点,最后进行了展望.
展开更多
关键词
稀疏编码模型
模拟视觉
模型
统计分析
模型
在线阅读
下载PDF
职称材料
基于稀疏表示和低秩逼近的自适应异常事件检测算法
被引量：
2
2
作者
周晓雨
余博思
丁恩杰
《南京理工大学学报》
EI
CAS
CSCD
北大核心
2016年第6期666-673,共8页
针对传统异常事件检测算法没有考虑视频数据低秩特性的问题,提出了基于低秩稀疏编码模型的字典学习算法。对提取的多尺度三维时空梯度特征进行K-均值聚类。利用低秩稀疏编码模型进行每一个特征聚类的字典学习。通过迭代聚类和字典学习...
针对传统异常事件检测算法没有考虑视频数据低秩特性的问题,提出了基于低秩稀疏编码模型的字典学习算法。对提取的多尺度三维时空梯度特征进行K-均值聚类。利用低秩稀疏编码模型进行每一个特征聚类的字典学习。通过迭代聚类和字典学习获取所有的正常行为模式。采用公共数据集UCSD Ped1和Avenue检测该算法的性能。与社会力(SF)、混合概率主成分分析(MPPCA)、社会力-混合概率主成分分析(SF-MPPCA)、混合动态纹理(MDT),Adam、子空间(Suspace)、稀疏组合学习框架(SCLF)7种方法对比,该文算法具有较高的正确率和较强的实时性。
展开更多
关键词
稀疏
表示
低秩逼近
异常事件检测
低秩
稀疏编码模型
字典学习
K-均值聚类
在线阅读
下载PDF
职称材料
题名
自然图像稀疏编码模型研究综述
被引量：
1
1
作者
邹柏贤
苗军
机构
北京联合大学应用文理学院
中国科学院计算技术研究所智能信息处理重点实验室
出处
《郑州大学学报（工学版）》
CAS
北大核心
2013年第3期106-111,共6页
基金
国家自然科学基金资助项目(61272320
60970087)
+2 种基金
北京市教委项目(KM201111417004)
北京联合大学人才强校计划(BPHR2012E01
BPHR2012A01)
文摘
根据建模出发点的不同,把各种建模方法分为模拟视觉系统模型、统计分析模型两大类方法.根据不同的目标、不同的模型特征和结构,把模拟视觉系统的稀疏编码模型分又为最大似然概率、目标函数优化、Gabor小波基函数、超完备基、神经网络、分层稀疏编码六类模型.根据模型学习方法的不同,统计分析模型又分为独立分析、非负矩阵分解以及特定特征的稀疏编码3种模型.针对上述各种模型进行了介绍、分析和研究,并归纳总结不同方法的主要特点,最后进行了展望.
关键词
稀疏编码模型
模拟视觉
模型
统计分析
模型
Keywords
sparse coding model, vision model, statistical analysis model
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
题名
基于稀疏表示和低秩逼近的自适应异常事件检测算法
被引量：
2
2
作者
周晓雨
余博思
丁恩杰
机构
中国矿业大学物联网(感知矿山)研究中心
江苏省财经职业技术学院机械电子与信息工程学院
南京理工大学计算机科学与工程学院
出处
《南京理工大学学报》
EI
CAS
CSCD
北大核心
2016年第6期666-673,共8页
基金
淮安市科技支撑计划(HAS2014023)
文摘
针对传统异常事件检测算法没有考虑视频数据低秩特性的问题,提出了基于低秩稀疏编码模型的字典学习算法。对提取的多尺度三维时空梯度特征进行K-均值聚类。利用低秩稀疏编码模型进行每一个特征聚类的字典学习。通过迭代聚类和字典学习获取所有的正常行为模式。采用公共数据集UCSD Ped1和Avenue检测该算法的性能。与社会力(SF)、混合概率主成分分析(MPPCA)、社会力-混合概率主成分分析(SF-MPPCA)、混合动态纹理(MDT),Adam、子空间(Suspace)、稀疏组合学习框架(SCLF)7种方法对比,该文算法具有较高的正确率和较强的实时性。
关键词
稀疏
表示
低秩逼近
异常事件检测
低秩
稀疏编码模型
字典学习
K-均值聚类
Keywords
sparse representation
low rank approximation
abnormal event detection
low rank sparse coding model
dictionary learning
K-means clustering
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
题名
作者
出处
发文年
被引量
操作
1
自然图像稀疏编码模型研究综述
邹柏贤
苗军
《郑州大学学报（工学版）》
CAS
北大核心
2013
1
在线阅读
下载PDF
职称材料
2
基于稀疏表示和低秩逼近的自适应异常事件检测算法
周晓雨
余博思
丁恩杰
《南京理工大学学报》
EI
CAS
CSCD
北大核心
2016
2
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
