期刊文献+
共找到6篇文章
< 1 >
每页显示 20 50 100
基于稀疏自表示及流形正则化的无监督特征选择
1
作者 刘杰 谭文静 李占山 《东北大学学报(自然科学版)》 CSCD 北大核心 2024年第12期1706-1716,共11页
基于自表示的无监督特征选择能够处理未标记数据且不受伪标签影响.为了令此类方法同时具有良好的鲁棒性、保留样本局部结构、能选出最具代表性的特征,提出了一种新的方法,并设计了一个对应的迭代优化算法来计算其目标函数.该方法先对样... 基于自表示的无监督特征选择能够处理未标记数据且不受伪标签影响.为了令此类方法同时具有良好的鲁棒性、保留样本局部结构、能选出最具代表性的特征,提出了一种新的方法,并设计了一个对应的迭代优化算法来计算其目标函数.该方法先对样本异常值进行识别和处理,然后将传统的自表示模型与非凸稀疏约束和流形正则结合形成目标模型,再将预处理后的数据放入模型进行特征选择,最后使用所选特征进行聚类.将所提方法在9个真实数据集上与7种方法进行对比实验,实验结果表明,所提方法可以有效解决无监督特征选择问题. 展开更多
关键词 无监督特征选择 自表示 鲁棒 稀疏 流形正则化
在线阅读 下载PDF
基于可扩展的自表示学习波段选择算法在近红外光谱回归建模中的影响研究 被引量:5
2
作者 郭拓 梁小娟 +3 位作者 马晋芳 袁凯 葛发欢 肖环贤 《分析测试学报》 CAS CSCD 北大核心 2022年第8期1214-1220,共7页
该文提出了一种基于可扩展的自表示学习(SOP-SRL)波段选择与偏最小二乘(PLS)建模的定量模型分析方法,以安胎丸指标含量阿魏酸、黄芩苷和汉黄芩苷为研究对象,通过SOP-SRL选取代表性波段,采用PLS建立近红外光谱回归模型,并与相关系数法(CC... 该文提出了一种基于可扩展的自表示学习(SOP-SRL)波段选择与偏最小二乘(PLS)建模的定量模型分析方法,以安胎丸指标含量阿魏酸、黄芩苷和汉黄芩苷为研究对象,通过SOP-SRL选取代表性波段,采用PLS建立近红外光谱回归模型,并与相关系数法(CC)、正则化自表示学习算法(RSR)和稀疏子空间聚类法(SSC)3种波段选择算法的建模结果进行对比,以校正决定系数(R_(c)^(2))、校正均方根误差(RMSECV)、预测决定系数(R_(p)^(2))和预测均方根误差(RMSEP)为评价标准,对回归模型的预测性能进行评估。结果显示,SOP-SRL在3种数据集上均取得了较好的结果,建模波段从全波长的800分别减少到70、67、87;RMSEP分别从0.0801、6.3495、0.7425下降到0.0653、3.6208、0.4073,分别下降了18%、43%、45%;相应的R_(p)^(2)分别从0.9119、0.8794、0.9158提高到0.9388、0.9526、0.9701,分别提高了3%、8%、6%。结果表明,经SOP-SRL波长选择后模型的预测能力相比于其他几种算法得到显著提升,基于SOP-SRL的PLS模型可以实现安胎丸指标含量的快速检测。 展开更多
关键词 近红外光谱 波段选择 可扩展的自表示学习方法(SOP-SRL) 偏最小二乘法(PLS) 指标含量测定
在线阅读 下载PDF
基于稀疏自表示的模糊聚类图像分割算法 被引量:3
3
作者 张宝军 张丽丹 +1 位作者 吴成茂 田妮花 《西安邮电大学学报》 2018年第3期52-58,共7页
为了提高噪声污染图像分割的鲁棒性,提出一种基于稀疏自表示的模糊C均值聚类图像分割算法。该算法首先将图像过分割为超像素,以超像素作为图像基元,对每一块超像素进行特征提取,所有超像素的特征组成图像的特征矩阵;其次建立特征矩阵的... 为了提高噪声污染图像分割的鲁棒性,提出一种基于稀疏自表示的模糊C均值聚类图像分割算法。该算法首先将图像过分割为超像素,以超像素作为图像基元,对每一块超像素进行特征提取,所有超像素的特征组成图像的特征矩阵;其次建立特征矩阵的稀疏自表示模型,将其以自身为字典时的表示系数作为表示样本间相关性的判别特征矩阵;最后利用模糊C均值聚类算法聚类图像的判别特征矩阵,得到图像的分割结果。对人造图像、自然图像和遥感图像添加高斯噪声和椒盐噪声,实验结果表明,改进算法对噪声污染的图像有较好的分割质量,有一定的抗噪鲁棒性。 展开更多
关键词 图像分割 模糊C-均值聚类 超像素 稀疏自表示
在线阅读 下载PDF
非负拉格朗日松弛优化的子空间聚类算法
4
作者 朱东霞 贾洪杰 黄龙霞 《西安电子科技大学学报》 EI CAS CSCD 北大核心 2024年第1期100-113,共14页
传统的子空间聚类和谱聚类中普遍使用谱松弛方法聚类,需要先计算拉普拉斯矩阵的特征向量。特征向量中包含负数,根据元素的正负可以直接得到二类聚类的结果。对于多类聚类问题,需要递归地进行二划分,或在特征向量空间中使用k-means算法聚... 传统的子空间聚类和谱聚类中普遍使用谱松弛方法聚类,需要先计算拉普拉斯矩阵的特征向量。特征向量中包含负数,根据元素的正负可以直接得到二类聚类的结果。对于多类聚类问题,需要递归地进行二划分,或在特征向量空间中使用k-means算法聚类,分配类簇标签是间接的,这种后处理的聚类方式会增加聚类结果的不稳定性。针对谱松弛的问题,提出了一种非负拉格朗日松弛优化的子空间聚类算法,在目标函数中集成了自表示学习和秩约束。通过非负拉格朗日松弛来求解相似性矩阵和隶属矩阵,并保持隶属矩阵的非负性。在这种情况下,原来的隶属矩阵就变成了类簇的后验概率,当算法收敛时,只需将数据点分配给具有最大后验概率的类簇,即可得到聚类结果。与已有的子空间聚类和谱聚类方法相比,所提出的算法设计了新的优化规则,可以实现类簇标签的直接分配,不需要额外的聚类步骤。最后,给出了算法的收敛性证明。在5个基准聚类数据集上的大量实验表明,所提算法的聚类性能优于近几年来的子空间聚类方法。 展开更多
关键词 聚类算法 自表示 优化 非负拉格朗日松弛 子空间聚类
在线阅读 下载PDF
Single Image Super-Resolution by Clustered Sparse Representation and Adaptive Patch Aggregation
5
作者 黄伟 肖亮 +2 位作者 韦志辉 费选 王凯 《China Communications》 SCIE CSCD 2013年第5期50-61,共12页
A Single Image Super-Resolution (SISR) reconstruction method that uses clustered sparse representation and adaptive patch aggregation is proposed. First, we randomly extract image patch pairs from the training images,... A Single Image Super-Resolution (SISR) reconstruction method that uses clustered sparse representation and adaptive patch aggregation is proposed. First, we randomly extract image patch pairs from the training images, and divide these patch pairs into different groups by K-means clustering. Then, we learn an over-complete sub-dictionary pair offline from corresponding group patch pairs. For a given low-resolution patch, we adaptively select one sub-dictionary to reconstruct the high resolution patch online. In addition, non-local self-similarity and steering kernel regression constraints are integrated into patch aggregation to improve the quality of the recovered images. Experiments show that the proposed method is able to realize state-of-the-art performance in terms of both objective evaluation and visual perception. 展开更多
关键词 super-resolution sparse representation non-local means steering kernel regression patch aggregation
在线阅读 下载PDF
Multi-domain Boundary Element Method with Dissipation
6
作者 Xiaobo Chen (12) xiao-bo.chen@bureauveritas.com Wenyang Duan (3) 《Journal of Marine Science and Application》 2012年第1期18-23,共6页
The wave diffraction and radiation around a floating body is considered within the framework of the linear potential theory in a fairly perfect fluid. The fluid domain extended infinitely in the horizontal directions ... The wave diffraction and radiation around a floating body is considered within the framework of the linear potential theory in a fairly perfect fluid. The fluid domain extended infinitely in the horizontal directions but is limited by the sea bed, the body hull, and the part of the free surface excluding the body waterplane, and is subdivided into two subdomains according to the body geometry. The two subdomains are connected by a control surface in fluid. In each subdomain, the velocity potential is described by using the usual boundary integral representation involving Green functions. The boundary integral equations are then established by satisfying the boundary conditions and the continuous condition of the potential and the normal derivation across the control surface. This multi-domain boundary element method (MDBEM) is particularly interesting for bodies with a hull form including moonpools to which the usual BEM presents singularities and slow convergence of numerical results. The application of the MDBEM to study the resonant motion of a water column in moonpools shows that the MDBEM provides an efficient and reliable prediction method. 展开更多
关键词 multi-domain boundary element method (MDBEM) fairly perfect fluid moonpool resonance DISSIPATION
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部