-
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
国家自然科学基金重大研究计划(91438201
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]
-
-
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]
-
