-
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
- 1
-
-
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]
-
-
题名随机梯度下降算法研究进展
被引量：92
- 2
-
-
作者
史加荣
王丹
尚凡华
张鹤于
-
机构
西安建筑科技大学理学院
省部共建西部绿色建筑国家重点实验室
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
西安电子科技大学计算机科学与技术学院
-
出处
《自动化学报》
EI
CAS
CSCD
北大核心
2021年第9期2103-2119,共17页
-
基金
国家自然科学基金(61876220,61876221)
中国博士后科学基金(2017M613087)资助。
-
文摘
在机器学习领域中,梯度下降算法是求解最优化问题最重要、最基础的方法.随着数据规模的不断扩大,传统的梯度下降算法已不能有效地解决大规模机器学习问题.随机梯度下降算法在迭代过程中随机选择一个或几个样本的梯度来替代总体梯度,以达到降低计算复杂度的目的.近年来,随机梯度下降算法已成为机器学习特别是深度学习研究的焦点.随着对搜索方向和步长的不断探索,涌现出随机梯度下降算法的众多改进版本,本文对这些算法的主要研究进展进行了综述.将随机梯度下降算法的改进策略大致分为动量、方差缩减、增量梯度和自适应学习率等四种.其中,前三种主要是校正梯度或搜索方向,第四种对参数变量的不同分量自适应地设计步长.着重介绍了各种策略下随机梯度下降算法的核心思想、原理,探讨了不同算法之间的区别与联系.将主要的随机梯度下降算法应用到逻辑回归和深度卷积神经网络等机器学习任务中,并定量地比较了这些算法的实际性能.文末总结了本文的主要研究工作,并展望了随机梯度下降算法的未来发展方向.
-
关键词
随机梯度下降算法
机器学习
深度学习
梯度下降算法
大规模学习
逻辑回归
卷积神经网络
-
Keywords
Stochastic gradient descent algorithm
machine learning
deep learning
gradient descent algorithm
large-scale learning
logistic regression
convolutional neural networks
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
