期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
一种增强差异性的半监督协同分类算法 被引量:9
1
作者 于重重 商利利 +3 位作者 谭励 涂序彦 杨扬 王竞燕 《电子学报》 EI CAS CSCD 北大核心 2013年第1期35-41,共7页
半监督学习中的Tr-i Training算法打破了以往算法对充分冗余视图的限制,并通过利用三个分类器处理标记置信度和样本预测问题提高了标记效率.为进一步增强协同训练过程中分类器之间的差异性以提高性能,本文在其理论基础上提出了一种增强... 半监督学习中的Tr-i Training算法打破了以往算法对充分冗余视图的限制,并通过利用三个分类器处理标记置信度和样本预测问题提高了标记效率.为进一步增强协同训练过程中分类器之间的差异性以提高性能,本文在其理论基础上提出了一种增强差异性的半监督协同分类算法.该算法利用三个不同的分类器进行学习;考虑到分类模型在更新过程中,可能会因随机抽样导致性能恶化,该算法利用基于标记类别的分层抽样法来对已标记样本集进行抽样,并通过基于分类正确率的加权投票法实现了分类器的集成,提高了预测准确率.本文通过实验对所提出算法与Tr-i Training算法做了性能比较,实验结果表明本文所提出的方法在分类问题上具有较好的性能,验证了该算法的有效性和可行性. 展开更多
关键词 半监督协同分类算法 Tr-iTraining算法 增强差异性策略 分层抽样法
在线阅读 下载PDF
双树复小波特征融合的板材压缩感知协同检测与分选 被引量:3
2
作者 李超 张怡卓 +1 位作者 于慧伶 曹军 《电机与控制学报》 EI CSCD 北大核心 2015年第8期81-87,共7页
提出一种对板材表面缺陷和纹理进行协同快速准确检测的算法。根据双树复小波所特有的方向性和时移不变性,研究了板材表面图像的双树复小波特征提取及融合算法,对板材表面图像进行3级双树复小波分解得到40个特征向量,并通过遗传算法优选... 提出一种对板材表面缺陷和纹理进行协同快速准确检测的算法。根据双树复小波所特有的方向性和时移不变性,研究了板材表面图像的双树复小波特征提取及融合算法,对板材表面图像进行3级双树复小波分解得到40个特征向量,并通过遗传算法优选出23个关键特征,优选后的特征能够较为完整地表达板材图像的复杂信息并减小数据冗余。最后采用压缩感知理论,将优选后的特征向量作为样本矩阵列,构造出训练样本数据字典,通过最小残差完成对板材表面信息的分类识别。实验对木材表面存在的弦切纹、径切纹、活结和死结等4类柞木样本进行了检测,正确率分别为91.8%、100%、96.4%和91.8%,该算法能够以95%的平均识别率完成板材表面缺陷、纹理的协同检测。 展开更多
关键词 在线检测 协同分选 双树复小波 遗传融合 压缩感知
在线阅读 下载PDF
基于图像分类与多算法协作的目标跟踪算法 被引量:3
3
作者 郑浩 董明利 潘志康 《计算机工程与应用》 CSCD 北大核心 2018年第4期185-191,共7页
针对目标变化和背景环境的变化,提出了一种基于图像分类的多算法协作的目标跟踪算法,采用融入改进背景加权的尺度方向自适应均值漂移算法与快速压缩算法协作的方式。该算法根据图像变化原因不同将图像分为两类,图像全局变化和目标局部... 针对目标变化和背景环境的变化,提出了一种基于图像分类的多算法协作的目标跟踪算法,采用融入改进背景加权的尺度方向自适应均值漂移算法与快速压缩算法协作的方式。该算法根据图像变化原因不同将图像分为两类,图像全局变化和目标局部感兴趣区域的变化。对由光照、背景相似度和背景模糊引起的图像全局变化,采用快速压缩算法对目标进行跟踪;对由目标本身尺寸、旋转和遮挡引起的目标局部感兴趣区域变化,采用融入改进背景加权尺度方向自适应均值漂移算法对目标进行跟踪。该算法先对图像序列预处理分类,然后选择适合该对应图像变化特点的算法对目标进行跟踪。经实验验证,该算法较之其他流行目标跟踪算法具有更好的鲁棒性。 展开更多
关键词 图像分类 鲁棒性 多算法协作 局部感兴趣区域 全局变化
在线阅读 下载PDF
基于谷物蛋白质序列与PPI网络的功能预测研究
4
作者 王钰 刘静 +2 位作者 管骁 崔双龙 汤杏华 《食品与生物技术学报》 CAS CSCD 北大核心 2023年第4期75-84,共10页
谷物中现存大量未经注释、功能未知的蛋白质,且难以通过实验验证,因此计算方法成为预测谷物蛋白质功能的主流方法之一。作者以玉米、小麦、籼稻、粳稻4种谷物蛋白质为研究对象,利用数据库获取结构域相互作用信息。从蛋白质中较为稳定的... 谷物中现存大量未经注释、功能未知的蛋白质,且难以通过实验验证,因此计算方法成为预测谷物蛋白质功能的主流方法之一。作者以玉米、小麦、籼稻、粳稻4种谷物蛋白质为研究对象,利用数据库获取结构域相互作用信息。从蛋白质中较为稳定的结构域信息出发,结合AdaBoost算法获得蛋白质相互作用信息并构建蛋白质相互作用网络,将其与利用blast所获得的蛋白质序列相似性网络相结合,利用协同分类和多层感知机两种算法实现对谷物蛋白质的功能预测。研究结果显示,两种算法均能较为准确地预测蛋白质功能,其中协同分类在召回率方面表现更优,而多层感知机在准确率方面表现更优。本研究为谷物蛋白质的功能注释提供了新思路、新方法,对谷物的加工与营养研究提供了依据。 展开更多
关键词 蛋白质相互作用网络 结构域 谷物 ADABOOST算法 协同分类 多层感知机
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部