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
采用测地线活动轮廓模型检测与跟踪运动目标
被引量：
5
1
作者
徐杨
吴成东
+2 位作者
陈东岳
赵骥
王力
《控制理论与应用》
EI
CAS
CSCD
北大核心
2012年第6期747-753,共7页
水平集几何活动轮廓模型能较好地适应曲线的拓扑变化.为了跟踪和获取刚体和非刚体运动目标的轮廓信息,提出了一种基于改进测地线活动轮廓(GAC)模型和Kalman滤波相结合的算法以检测和跟踪运动目标.该算法首先采用高斯混合模型和背景差分...
水平集几何活动轮廓模型能较好地适应曲线的拓扑变化.为了跟踪和获取刚体和非刚体运动目标的轮廓信息,提出了一种基于改进测地线活动轮廓(GAC)模型和Kalman滤波相结合的算法以检测和跟踪运动目标.该算法首先采用高斯混合模型和背景差分获取目标的运动区域,在运动区域内采用引入距离规则化项的GAC模型进行曲线演化,使改进GAC模型在运动目标的真实轮廓处收敛;然后通过结合Kalman滤波预测目标下一帧的位置,实现对目标轮廓跟踪.实验结果表明,该方法适用于刚体和非刚体目标,在部分遮挡的情况下也能保持良好的检测和跟踪效果.
展开更多
关键词
测地线活动轮廓(GAC)模型
目标检测
目标跟踪
水平集
距离
规则化项
在线阅读
下载PDF
职称材料
基于最小二乘法的标记分布学习
被引量：
5
2
作者
李婵
杨文元
赵红
《郑州大学学报（理学版）》
CAS
北大核心
2017年第4期22-27,共6页
多标记学习在一定程度上解决了标记多义性问题,它主要关注实例对应的相关标记或者无关标记,而标记分布能够反映相关标记对于实例的重要程度.从重构标记分布的思想出发,利用最小二乘法建立模型,提出基于最小二乘法的标记分布学习(lsm-LD...
多标记学习在一定程度上解决了标记多义性问题,它主要关注实例对应的相关标记或者无关标记,而标记分布能够反映相关标记对于实例的重要程度.从重构标记分布的思想出发,利用最小二乘法建立模型,提出基于最小二乘法的标记分布学习(lsm-LDL).首先用特征重构标记,通过变换矩阵使得每一个标记能够表示为特征的一个线性组合;然后用最小二乘法建立优化模型;最后引入L_2范数规则化项,防止过拟合,保证泛化能力.在4个实际的数据集上进行实验,并与3种已有的标记分布学习算法在5种评价指标上进行比较,实验结果表明提出的lsm-LDL算法是有效的.
展开更多
关键词
标记分布
最小二乘
规则化项
L2范数
在线阅读
下载PDF
职称材料
题名
采用测地线活动轮廓模型检测与跟踪运动目标
被引量：
5
1
作者
徐杨
吴成东
陈东岳
赵骥
王力
机构
东北大学信息科学与工程学院
辽宁科技大学软件学院
出处
《控制理论与应用》
EI
CAS
CSCD
北大核心
2012年第6期747-753,共7页
基金
国家自然科学基金资助项目(61005032)
辽宁省教育厅资助项目(L2010202)
文摘
水平集几何活动轮廓模型能较好地适应曲线的拓扑变化.为了跟踪和获取刚体和非刚体运动目标的轮廓信息,提出了一种基于改进测地线活动轮廓(GAC)模型和Kalman滤波相结合的算法以检测和跟踪运动目标.该算法首先采用高斯混合模型和背景差分获取目标的运动区域,在运动区域内采用引入距离规则化项的GAC模型进行曲线演化,使改进GAC模型在运动目标的真实轮廓处收敛;然后通过结合Kalman滤波预测目标下一帧的位置,实现对目标轮廓跟踪.实验结果表明,该方法适用于刚体和非刚体目标,在部分遮挡的情况下也能保持良好的检测和跟踪效果.
关键词
测地线活动轮廓(GAC)模型
目标检测
目标跟踪
水平集
距离
规则化项
Keywords
geodesic active contours model
object detection
object tracking
level set
distance regularization term
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
基于最小二乘法的标记分布学习
被引量：
5
2
作者
李婵
杨文元
赵红
机构
闽南师范大学粒计算重点实验室
出处
《郑州大学学报（理学版）》
CAS
北大核心
2017年第4期22-27,共6页
基金
国家自然科学基金项目(61379049
61379089)
陕西省教育厅专项科研项目(16JK2015)
文摘
多标记学习在一定程度上解决了标记多义性问题,它主要关注实例对应的相关标记或者无关标记,而标记分布能够反映相关标记对于实例的重要程度.从重构标记分布的思想出发,利用最小二乘法建立模型,提出基于最小二乘法的标记分布学习(lsm-LDL).首先用特征重构标记,通过变换矩阵使得每一个标记能够表示为特征的一个线性组合;然后用最小二乘法建立优化模型;最后引入L_2范数规则化项,防止过拟合,保证泛化能力.在4个实际的数据集上进行实验,并与3种已有的标记分布学习算法在5种评价指标上进行比较,实验结果表明提出的lsm-LDL算法是有效的.
关键词
标记分布
最小二乘
规则化项
L2范数
Keywords
label distribution learning
least square
regularization term
L2 norm
分类号
TP181 [自动化与计算机技术—控制理论与控制工程]
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
采用测地线活动轮廓模型检测与跟踪运动目标
徐杨
吴成东
陈东岳
赵骥
王力
《控制理论与应用》
EI
CAS
CSCD
北大核心
2012
5
在线阅读
下载PDF
职称材料
2
基于最小二乘法的标记分布学习
李婵
杨文元
赵红
《郑州大学学报（理学版）》
CAS
北大核心
2017
5
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
