检索结果-维普期刊中文期刊服务平台

稀疏认知学习、计算与识别的研究进展被引量：18: 1; 作者焦李成赵进 +2 位作者杨淑媛刘芳谢雯《计算机学报》 EI CSCD 北大核心 2016年第4期835-852,共18页; 稀疏认知学习、计算与识别是近年来受到国际学术界广泛关注的学术前沿领域,这一新的学习、计算与识别范式将对机器学习、模式识别、计算智能以及大数据等领域的研究产生变革性的影响.为能更好地把握其发展规律,本文以生物视觉稀疏认知... 展开更多; 关键词稀疏编码结构化稀疏层次化稀疏视觉皮层稀疏认知学习计算与识别认知计算机器学习人工智能; 在线阅读下载PDF 职称材料

采用流形近邻传播聚类的极化SAR图像分类被引量：4: 2; 作者刘璐靳少辉 +1 位作者焦李成刘帅《信号处理》 CSCD 北大核心 2016年第2期135-141,共7页; 针对传统近邻传播(Affinity Propagation,AP)聚类算法使用欧式距离构建相似度矩阵,不能有效描述极化SAR数据复杂分布的问题,本文提出一种新的基于联合流形距离的AP聚类算法(CMD-AP)用于极化SAR图像分类。首先将待分类极化SAR图像分割成... 展开更多; 关键词图像分类极化合成孔径雷达流形学习近邻传播聚类超像素; 在线阅读下载PDF 职称材料

稀疏非负矩阵分解下的遥感图像融合被引量：7: 3; 作者李红刘芳张凯《西安电子科技大学学报》 EI CAS CSCD 北大核心 2016年第2期193-198,共6页; 为了降低多光谱图像与全色图像融合过程中的光谱扭曲和空间失真,提出了一种稀疏非负矩阵分解的融合新方法.首先从全色图像学习出一个高分辨字典和相应的低分辨字典,然后构造多光谱图像的稀疏非负矩阵分解模型,在低分辨字典下获得光谱系... 展开更多; 关键词遥感图像融合非负矩阵分解稀疏正则; 在线阅读下载PDF 职称材料

嵌入标签语义的元特征再学习和重加权小样本目标检测被引量：6: 4; 作者李鹏芳刘芳 +4 位作者李玲玲刘旭冯志玺焦李成熊怡梦《计算机学报》 EI CAS CSCD 北大核心 2022年第12期2561-2575,共15页; 小样本目标检测(Few-Shot Object Detection,FSOD)中新类相对基类样本少,且新类和基类目标类别不同,导致FSOD方法存在学习到的新类特征判别性不强的问题.为了增强新类元特征的可分性,本文提出了一种嵌入标签语义的元特征再学习和重加权... 展开更多; 关键词小样本学习目标检测小样本目标检测元学习标签语义特征再学习; 在线阅读下载PDF 职称材料

基于邻域最小生成树的半监督极化SAR图像分类方法被引量：3: 5; 作者滑文强王爽 +1 位作者郭岩河谢雯《雷达学报（中英文）》 CSCD 北大核心 2019年第4期458-470,共13页; 该文针对极化SAR图像分类中只有少量标记样本的问题,提出了一种基于邻域最小生成树的半监督极化SAR图像分类方法。该方法针对极化SAR图像以像素为分类对象的特点,结合自训练方法的思想,利用极化SAR图像像素点的空间信息,提出了基于邻域... 展开更多; 关键词极化SAR图像地物分类半监督最小生成树; 在线阅读下载PDF 职称材料

基于马尔科夫判别谱聚类的极化SAR图像分类方法被引量：2: 6; 作者张向荣于心源 +2 位作者唐旭侯彪焦李成《雷达学报（中英文）》 CSCD 北大核心 2019年第4期425-435,共11页; 该文针对现有的谱聚类方法用于极化SAR图像分类时精度较低的问题,提出一种基于马尔科夫的判别谱聚类方法(MDSC),具有低秩和稀疏分解的特点。该方法首先恢复一个真实的低秩概率转移矩阵,将其作为标准马尔科夫谱聚类方法的输入,以减少噪... 展开更多; 关键词极化SAR 谱聚类判别谱聚类多视角谱聚类; 在线阅读下载PDF 职称材料

题名稀疏认知学习、计算与识别的研究进展被引量：18: 1; 作者焦李成赵进杨淑媛刘芳谢雯; 机构西安电子科技大学智能感知与图像理解教育部重点实验室国际智能感知与计算联合研究中心西安电子科技大学计算机学院; 出处《计算机学报》 EI CSCD 北大核心 2016年第4期835-852,共18页; 基金国家"九七三"重点基础研究发展规划项目基金(2013CB329402) 高等学校学科创新引智计划(B07048) +2 种基金 91438103) 教育部"长江学者和创新团队发展计划"(IRT1170)资助; 文摘稀疏认知学习、计算与识别是近年来受到国际学术界广泛关注的学术前沿领域,这一新的学习、计算与识别范式将对机器学习、模式识别、计算智能以及大数据等领域的研究产生变革性的影响.为能更好地把握其发展规律,本文以生物视觉稀疏认知机理的研究进展为依据,通过对生物视觉稀疏认知机理的学习及建模,详细地评述了稀疏编码模型、结构化稀疏模型和层次化稀疏模型的研究进展,并阐释这3种模型之间的区别与联系;以及概述稀疏认知计算模型目标识别应用的研究状况,并举例给出了稀疏认知计算模型的具体成果;最后总结了这一新范式存在的一些问题及可进一步研究的方向,以期引起更多的研究同行对这一具有交叉性和发展性方向的关注.; 关键词稀疏编码结构化稀疏层次化稀疏视觉皮层稀疏认知学习计算与识别认知计算机器学习人工智能; Keywords sparse coding structured sparse hierarchy sparse visual cortex sparse cognitive learning computing and recognition cognitive computing machine learning artificial intelligence; 分类号 TP18 [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

题名采用流形近邻传播聚类的极化SAR图像分类被引量：4: 2; 作者刘璐靳少辉焦李成刘帅; 机构西安电子科技大学智能感知与图像理解教育部重点实验室、国际智能感知与计算联合研究中心; 出处《信号处理》 CSCD 北大核心 2016年第2期135-141,共7页; 基金国家重点基础研究发展计划(2013CB329402) 国家自然科学基金(61271302,61272282) 高等学校学科创新引智计划(111计划)(B07048); 文摘针对传统近邻传播(Affinity Propagation,AP)聚类算法使用欧式距离构建相似度矩阵,不能有效描述极化SAR数据复杂分布的问题,本文提出一种新的基于联合流形距离的AP聚类算法(CMD-AP)用于极化SAR图像分类。首先将待分类极化SAR图像分割成若干超像素,在相应的极化特征基础上加入图像纹理特征,利用拉普拉斯特征映射算法对特征降维;然后结合相干矩阵Wishart流形和特征矢量欧式流形作为流形距离测度,构造相似性矩阵;最后利用上述相似性矩阵,采用AP聚类算法,对极化SAR图像进行分类。该算法充分考虑了极化SAR数据集潜在的流形结构,将联合的流形距离测度引入AP算法中。实验表明,本文算法提高了极化SAR图像的分类精度,具有更优的区域一致性和边缘保持效果。; 关键词图像分类极化合成孔径雷达流形学习近邻传播聚类超像素; Keywords image classification polarimetric synthetic aperture radar manifold learning affinity propagation clustering superpixel; 分类号 TP75 [自动化与计算机技术—检测技术与自动化装置]; 在线阅读下载PDF 职称材料

题名稀疏非负矩阵分解下的遥感图像融合被引量：7: 3; 作者李红刘芳张凯; 机构西安电子科技大学计算机学院西安电子科技大学智能感知与图像理解教育部重点实验室西安电子科技大学国际智能感知与计算联合研究中心; 出处《西安电子科技大学学报》 EI CAS CSCD 北大核心 2016年第2期193-198,共6页; 基金国家重点基础研究发展计划资助项目(2013CB329402) 国家自然科学基金资助项目(61173090 +3 种基金 61573267 91438103 91438201) 高等学校学科创新引智计划资助项目(B07048); 文摘为了降低多光谱图像与全色图像融合过程中的光谱扭曲和空间失真,提出了一种稀疏非负矩阵分解的融合新方法.首先从全色图像学习出一个高分辨字典和相应的低分辨字典,然后构造多光谱图像的稀疏非负矩阵分解模型,在低分辨字典下获得光谱系数矩阵,最后将该系数矩阵与高分辨字典相乘得到融合后的高分辨多光谱图像.稀疏正则项的引入有效克服了标准非负矩阵分解算法的不稳定现象,能够较好地保持图像的光谱信息和空间信息.将该方法应用于快鸟卫星和地球眼卫星数据,与同类方法的对比分析结果显示:该方法能够减少光谱扭曲和空间信息的损失,得到的融合结果在视觉效果和客观评价指标上均优于对比方法.; 关键词遥感图像融合非负矩阵分解稀疏正则; Keywords remote sensing image fusion non-negative matrix factorization sparse regularization; 分类号 TP751 [自动化与计算机技术—检测技术与自动化装置]; 在线阅读下载PDF 职称材料

题名嵌入标签语义的元特征再学习和重加权小样本目标检测被引量：6: 4; 作者李鹏芳刘芳李玲玲刘旭冯志玺焦李成熊怡梦; 机构西安电子科技大学人工智能学院教育部智能感知与图像理解重点实验室国际智能感知与计算研究中心国际智能感知与计算联合研究实验室; 出处《计算机学报》 EI CAS CSCD 北大核心 2022年第12期2561-2575,共15页; 基金国家自然科学基金项目(62076192) 陕西省重点研发计划(2019ZDLGY03-06) +5 种基金教育部重点科技创新研究项目国家重点研发计划 CAAI华为MindSpore开放基金等资助.; 文摘小样本目标检测(Few-Shot Object Detection,FSOD)中新类相对基类样本少,且新类和基类目标类别不同,导致FSOD方法存在学习到的新类特征判别性不强的问题.为了增强新类元特征的可分性,本文提出了一种嵌入标签语义的元特征再学习和重加权小样本目标检测方法.在小样本训练阶段,本文构建了一个词向量标签语义图产生模块.该产生模块引入标签语义信息生成了词向量标签语义图,用于建模基类和新类间的语义关联.同时,本文构建了一个标签语义嵌入模块.该嵌入模块融入基类和新类间的语义关联,对支持集样本的元特征进行再学习.该再学习过程能够将基类中与新类相关联的特征传递给新类,从而在只有少量新类样本的情况下学习到较好的新类元特征.通过端到端(End-to-End)的训练模型,本文方法增强了新类元特征的可分性,从而提升了新类目标的检测精度.在PASCAL VOC和COCO数据集上的对比和消融实验表明了本文方法的可行性与有效性.与FSODFR方法相比,在PASCAL VOC数据集上2-shot和5-shot下,我们方法的目标检测精度分别提高了2.2%和4.3%.; 关键词小样本学习目标检测小样本目标检测元学习标签语义特征再学习; Keywords few-shot learning object detection few-shot object detection meta-learning label semantic feature relearning; 分类号 TP391 [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

题名基于邻域最小生成树的半监督极化SAR图像分类方法被引量：3: 5; 作者滑文强王爽郭岩河谢雯; 机构西安邮电大学计算机学院西安邮电大学陕西省网络数据分析与智能处理重点实验室智能感知与图像理解教育部重点实验室国际智能感知与计算联合研究中心西安电子科技大学; 出处《雷达学报（中英文）》 CSCD 北大核心 2019年第4期458-470,共13页; 基金国家自然科学基金面上项目(61771379) 陕西省普通高等学校重点学科专项~~; 文摘该文针对极化SAR图像分类中只有少量标记样本的问题,提出了一种基于邻域最小生成树的半监督极化SAR图像分类方法。该方法针对极化SAR图像以像素为分类对象的特点,结合自训练方法的思想,利用极化SAR图像像素点的空间信息,提出了基于邻域最小生成树辅助学习的样本选择策略,增加自训练过程中被选择无标记样本的可靠性,扩充标记样本数量,训练更好的分类器。最终用训练好的分类器对极化SAR图像进行测试。对3组真实的极化SAR图像进行测试,实验结果表明,该方法在只有少量标记样本的情况下能获得满意的分类结果,且分类正确率明显优于传统的分类算法。; 关键词极化SAR图像地物分类半监督最小生成树; Keywords PolSAR Terrain classification Semi-supervised learning Minimum spanning tree; 分类号 TN958 [电子电信—信号与信息处理]; 在线阅读下载PDF 职称材料

题名基于马尔科夫判别谱聚类的极化SAR图像分类方法被引量：2: 6; 作者张向荣于心源唐旭侯彪焦李成; 机构西安电子科技大学人工智能学院智能感知与图像理解教育部重点实验室国际智能感知与计算联合研究中心; 出处《雷达学报（中英文）》 CSCD 北大核心 2019年第4期425-435,共11页; 基金国家自然科学基金(61772400) 陕西省重点研发计划(2019ZDLGY03-08)~~; 文摘该文针对现有的谱聚类方法用于极化SAR图像分类时精度较低的问题,提出一种基于马尔科夫的判别谱聚类方法(MDSC),具有低秩和稀疏分解的特点。该方法首先恢复一个真实的低秩概率转移矩阵,将其作为标准马尔科夫谱聚类方法的输入,以减少噪声对分类结果的影响;然后在目标函数中引入判别信息,使极化SAR图像的数据信息能够得到更加充分地利用;最后采用增广拉格朗日乘子法来解决低秩和概率单纯形约束下的目标函数优化问题。在荷兰小农田、德国、西安和荷兰大农田4个不同数据集上的实验证明,该方法具有较好的准确率,且参数敏感性较低,表现出了良好的分类性能。; 关键词极化SAR 谱聚类判别谱聚类多视角谱聚类; Keywords PolSAR Spectral clustering Discriminant spectral clustering Multi-view spectral clustering; 分类号 TN958 [电子电信—信号与信息处理]; 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	稀疏认知学习、计算与识别的研究进展	焦李成赵进杨淑媛刘芳谢雯	《计算机学报》 EI CSCD 北大核心	2016	18	在线阅读下载PDF 职称材料
2	采用流形近邻传播聚类的极化SAR图像分类	刘璐靳少辉焦李成刘帅	《信号处理》 CSCD 北大核心	2016	4	在线阅读下载PDF 职称材料
3	稀疏非负矩阵分解下的遥感图像融合	李红刘芳张凯	《西安电子科技大学学报》 EI CAS CSCD 北大核心	2016	7	在线阅读下载PDF 职称材料
4	嵌入标签语义的元特征再学习和重加权小样本目标检测	李鹏芳刘芳李玲玲刘旭冯志玺焦李成熊怡梦	《计算机学报》 EI CAS CSCD 北大核心	2022	6	在线阅读下载PDF 职称材料
5	基于邻域最小生成树的半监督极化SAR图像分类方法	滑文强王爽郭岩河谢雯	《雷达学报（中英文）》 CSCD 北大核心	2019	3	在线阅读下载PDF 职称材料
6	基于马尔科夫判别谱聚类的极化SAR图像分类方法	张向荣于心源唐旭侯彪焦李成	《雷达学报（中英文）》 CSCD 北大核心	2019	2	在线阅读下载PDF 职称材料