题名 实数与二进制编码GA种群多样性统一数学模型
被引量：3
1
作者
赵红 李滢 肖文洁
机构
南京 晓庄 学院 信息工程学院 南京晓庄学院可信云计算与大数据分析重点实验室
出处
《计算机工程与科学》
CSCD
北大核心
2016年第6期1177-1182,共6页
基金
国家自然科学基金(61202136) 江苏省高校自然科学研究项目(13KJD520007) +1 种基金 可信云计算与大数据分析重点实验室资助项目 未来网络前瞻性研究项目(BY2013095-3-11)
文摘
针对GA早熟收敛问题研究中存在的种群多样性定义缺乏统一性和普适性问题,基于GA基因层次种群多样性的本质,建立了实数和二进制编码的GA层次多样性的统一数学模型。首先,将实数编码GA的种群矩阵等效变换成与二进制编码GA种群矩阵相同的形式。其次,定义了类随机变量的概念及其特性指标:数学期望、偏离度以及方差;在此基础上建立了适于两种编码的种群多样性的统一模型,并给出了该模型的进化矩阵和图形化两种表示方法。对GA测试函数的仿真分析表明,该模型可以有效地体现和分析GA进化过程中种群多样性的变化趋势以及各基因位的收敛过程和收敛结果。最后,指出了进一步的分析思路和方向。
关键词
GA 实数和二进制编码 种群多样性 基因层次 基因位 类随机变量 进化矩阵
Keywords
GA real and binary codes population diversity gene level gene homologous random variable evolution matrix
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
题名 图像分割中改进空间约束贝叶斯网络模型的应用
被引量：3
2
作者
张海艳 高尚兵
机构
淮阴工学院 计算 机与软件工程学院 江苏省物联网移动互联技术工程实验室 (淮阴工学院 ) 南京晓庄学院可信云计算与大数据分析重点实验室
出处
《计算机应用》
CSCD
北大核心
2017年第3期823-826,831,共5页
基金
国家自然科学基金资助项目(61402192) 可信云计算与大数据分析重点实验室资助项目~~
文摘
针对马尔可夫链蒙特卡罗方法普遍存在的迭代收敛性问题,在具有空间平滑约束的高斯混合模型条件上提出改进空间约束贝叶斯网络模型并在图像分割领域进行具体应用。所提模型应用隐狄利克雷分布(LDA)概率密度模型和高斯-马尔可夫定理的随机域参数混合过程来实现参数平滑。所提方法根据空间信息先验平滑变换操作,在待处理像素点的上下文混合结构中引入LDA符合多项式分布,用来替换传统期望最大化算法中映射操作。LDA参数采用闭合形式将有利于准确估计最大后验概率(MAP)框架与上下文混合结构的相关比例。实验结果表明,应用PRI、Vo I、GCE和BDE指标进行效果比较,该方法比联合系统工程组(JSEG)、当前变换矩阵(CTM)和最大后验概率-最大似然法(MM)方法的图像分割应用效果较好,高斯噪声对于该算法的鲁棒性影响较小。
关键词
隐狄利克雷分布 期望最大化方法 贝叶斯模型 高斯混合模型 图像分割
Keywords
Latent Dirichlet Allocation （LDA） Expectation Maximization （EM） method Bayesian model Gaussian Mixture Model （GMM） image segmentation
分类号
TP391.413
[自动化与计算机技术—计算机应用技术]
题名 多流形的非监督线性差分投影算法
被引量：1
3
作者
杨章静 万鸣华 王巧丽 张凡龙 杨国为
机构
南京 审计大学工学院 南京 理工大学高维信息智能感知与系统教育部重点 实验室 南京晓庄学院可信云计算与大数据分析重点实验室 南昌航空大学江西省图像处理与模式识别重点 实验室
出处
《计算机科学与探索》
CSCD
北大核心
2016年第11期1577-1586,共10页
基金
江苏省属高校自然科学基金Nos.15KJB520018 12KJA63001 +4 种基金 国家自然科学基金Nos.61503195 61462064 61203243 61272077 高维信息智能感知与系统教育部重点实验室(南京理工大学)基金No.30920140122006~~
文摘
针对非监督线性差分投影(unsupervised linear differential projection,ULDP)在特征提取过程中存在的不足,提出了基于多流形的非监督线性差分投影(multi-manifold unsupervised linear differential projection,MULDP)算法,并将其应用于人脸识别中。MULDP首先构造出多流形局部近邻图和多流形最大全局方差,然后通过多目标最优化问题求解出嵌入在高维空间的低维流形。这种映射不仅能表示全局结构,还能表示局部结构。该算法可以得到嵌入在高维空间的低维流形,更好地实现了局部与全局结构信息的有效保持。在ORL、Yale及AR人脸库上的实验结果验证了所提算法的优越性。
关键词
人脸识别 特征提取 多流形 非监督线性差分投影(ULDP)
Keywords
face recognition feature extraction multi-manifold unsupervised linear differential projection (ULDP)
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
题名 基于最大边界准则的稀疏局部嵌入特征提取方法
被引量：4
4
作者
刘毛溪 万鸣华 孙成立 王巧丽
机构
南昌航空大学江西省图像处理与模式识别重点 实验室 南昌航空大学信息工程学院 南京 理工大学高维信息智能感知与系统教育部重点 实验室 南京晓庄学院可信云计算与大数据分析重点实验室
出处
《计算机应用研究》
CSCD
北大核心
2017年第5期1560-1564,共5页
基金
国家自然科学基金资助项目(61462064 61272077 +5 种基金 61203243 61262019 61362031) 高维信息智能感知与系统教育部重点实验室(南京理工大学)基金资助项目(30920140122006) 中国博士后基金资助项目(2014T70453 2013M530223)
文摘
针对局部线性嵌入算法(LLE)无法利用样本的鉴别信息,最大边界准则算法(MMC)对非线性数据处理能力较弱的不足,提出一种基于最大间距准则的稀疏局部嵌入(SLE/MMC)特征提取算法。在保持局部近邻的前提下,首先在类内紧致图中使同类样本尽可能地聚集在一起;然后在类间惩罚图中使不同类别的样本尽可能分离;最后使用弹性网回归算法得到一个最优的稀疏投影矩阵。为了避免小样本问题,采用MMC的形式构造目标函数。在ORL、Yale以及UMIST人脸库上的实验结果可以看到,同其他几种方法(PCA、LLE和MMC)相比,SLE/MMC具有更高的识别率,表明该方法具有更高效的特征提取能力。
关键词
特征提取 局部线性嵌入 最大边界准则 弹性网回归
Keywords
feature extraction local linear embedding maximum margin criterion elastic net regression
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
题名 无监督的稀疏差分嵌入特征提取方法
被引量：4
5
作者
刘毛溪 万鸣华 孙成立 王巧丽
机构
南昌航空大学江西省图像处理与模式识别重点 实验室 南昌航空大学信息工程学院 南京 理工大学高维信息智能感知与系统教育部重点 实验室 南京晓庄学院可信云计算与大数据分析重点实验室
出处
《小型微型计算机系统》
CSCD
北大核心
2017年第5期1134-1138,共5页
基金
国家自然科学基金项目(61462064 61272077 +5 种基金 61203243 61262019 61362031)资助 高维信息智能感知与系统教育部重点实验室(南京理工大学)基金项目(30920140122006)资助 中国博士后基金项目(2014T70453 2013M530223)资助
文摘
人脸数据中的有效特征是提高识别率的关键,因此特征提取是人脸识别领域的重要步骤.为了能够同时保留人脸数据的局部结构和全局结构,并得到一个更具有解释性的结果,综合主成分分析算法和局部线性嵌入算法,并加入稀疏约束,提出一种无监督的稀疏差分嵌入(Unsupervised Sparse Difference Embedding,USDE)的特征提取方法.在满足局部最小嵌入和全局最大方差的同时,使用弹性网回归算法得到一个稀疏特征向量.在ORL人脸库、AR人脸库以及UMIST人脸库上的实验结果表明,同其他几种方法相比,USDE具有更好的效果.
关键词
特征提取 主成分分析 局部线性嵌入 弹性网回归
Keywords
feature extraction principal component analysis locally linear embedding elastic net regression
分类号
TP391
[自动化与计算机技术—计算机应用技术]
