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
TV-Retinex:一种快速图像增强算法
被引量：
15
1
作者
李明
杨艳屏
《计算机辅助设计与图形学学报》
EI
CSCD
北大核心
2010年第10期1777-1782,共6页
为了提高变分Retinex理论模型的增强效果和计算速度,提出一个用于彩色图像增强的模型.该模型采用全变分理论,使用L1范数替代原有变分模型中对光照图像进行约束的L2范数;使用切分Bregman迭代算法进行求解,由于L1范数与L2范数的凸性,该算...
为了提高变分Retinex理论模型的增强效果和计算速度,提出一个用于彩色图像增强的模型.该模型采用全变分理论,使用L1范数替代原有变分模型中对光照图像进行约束的L2范数;使用切分Bregman迭代算法进行求解,由于L1范数与L2范数的凸性,该算法可以获得全局最优解.与原有变分模型进行比较的实验结果表明,文中模型在增强效果基本相近的情况下,计算速度提高了近40倍.
展开更多
关键词
RETINEX理论
图像增强
全变分
切分Bregman迭代
在线阅读
下载PDF
职称材料
基于局部聚类与图方法的半监督学习算法
被引量：
7
2
作者
李明
杨艳屏
占惠融
《自动化学报》
EI
CSCD
北大核心
2010年第12期1655-1660,共6页
基于图的算法已经成为半监督学习中的一种流行方法,该方法把数据定义为图的节点,用图的边表示数据之间的关系,在各种数据分布情况下都具有很高的分类准确度.然而图方法的计算复杂度比较高,当图的规模比较大时,计算所需要的时间和存储都...
基于图的算法已经成为半监督学习中的一种流行方法,该方法把数据定义为图的节点,用图的边表示数据之间的关系,在各种数据分布情况下都具有很高的分类准确度.然而图方法的计算复杂度比较高,当图的规模比较大时,计算所需要的时间和存储都非常大,这在一定程度上限制了图方法的使用.因此,如何控制图的大小是基于图的半监督学习算法中的一个重要问题.本文提出了一种基于密度估计的快速聚类方法,可以在局部范围对数据点进行聚类,以聚类形成的子集作为构图的节点,从而大大降低了图的复杂度.新的聚类方法计算量较小,通过推导得到的距离函数能较好地保持原有数据分布.实验结果表明,通过局部聚类后构建的小图在分类效果上与在原图上的结果相当,同时在计算速度上有极大的提高.
展开更多
关键词
半监督学习
图方法
密度估计
局部聚类
在线阅读
下载PDF
职称材料
题名
TV-Retinex:一种快速图像增强算法
被引量：
15
1
作者
李明
杨艳屏
机构
华中科技大学计算机科学与技术学院
教育部图像处理与智能控制国家重点实验室
出处
《计算机辅助设计与图形学学报》
EI
CSCD
北大核心
2010年第10期1777-1782,共6页
基金
国家国际科技合作项目(2009DFA12290)
文摘
为了提高变分Retinex理论模型的增强效果和计算速度,提出一个用于彩色图像增强的模型.该模型采用全变分理论,使用L1范数替代原有变分模型中对光照图像进行约束的L2范数;使用切分Bregman迭代算法进行求解,由于L1范数与L2范数的凸性,该算法可以获得全局最优解.与原有变分模型进行比较的实验结果表明,文中模型在增强效果基本相近的情况下,计算速度提高了近40倍.
关键词
RETINEX理论
图像增强
全变分
切分Bregman迭代
Keywords
Retinex theory
image enhancement
total variational
split Bregman
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
基于局部聚类与图方法的半监督学习算法
被引量：
7
2
作者
李明
杨艳屏
占惠融
机构
华中科技大学计算机学院
教育部图像处理与智能控制国家重点实验室
出处
《自动化学报》
EI
CSCD
北大核心
2010年第12期1655-1660,共6页
基金
中国国际科技合作项目(2009DFA12290)资助~~
文摘
基于图的算法已经成为半监督学习中的一种流行方法,该方法把数据定义为图的节点,用图的边表示数据之间的关系,在各种数据分布情况下都具有很高的分类准确度.然而图方法的计算复杂度比较高,当图的规模比较大时,计算所需要的时间和存储都非常大,这在一定程度上限制了图方法的使用.因此,如何控制图的大小是基于图的半监督学习算法中的一个重要问题.本文提出了一种基于密度估计的快速聚类方法,可以在局部范围对数据点进行聚类,以聚类形成的子集作为构图的节点,从而大大降低了图的复杂度.新的聚类方法计算量较小,通过推导得到的距离函数能较好地保持原有数据分布.实验结果表明,通过局部聚类后构建的小图在分类效果上与在原图上的结果相当,同时在计算速度上有极大的提高.
关键词
半监督学习
图方法
密度估计
局部聚类
Keywords
Semi-supervised learning
graph-based methods
density estimate
local clustering
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
TV-Retinex:一种快速图像增强算法
李明
杨艳屏
《计算机辅助设计与图形学学报》
EI
CSCD
北大核心
2010
15
在线阅读
下载PDF
职称材料
2
基于局部聚类与图方法的半监督学习算法
李明
杨艳屏
占惠融
《自动化学报》
EI
CSCD
北大核心
2010
7
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
