期刊导航
期刊开放获取
cqvip
退出
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
一种高效的人脸识别算法
被引量：
1
1
作者
孙霞
王自强
《计算机工程》
CAS
CSCD
北大核心
2011年第22期134-136,共3页
提出一种基于局部Fisher鉴别分析(LFDA)和优化支持向量机(SVM)的高效人脸识别算法。在综合考虑局部几何结构和类别信息的基础上,利用LFDA将高维人脸数据映射到低维特征空间,避免维数灾难问题。在该低维特征空间中,使用经乘性更新规则训...
提出一种基于局部Fisher鉴别分析(LFDA)和优化支持向量机(SVM)的高效人脸识别算法。在综合考虑局部几何结构和类别信息的基础上,利用LFDA将高维人脸数据映射到低维特征空间,避免维数灾难问题。在该低维特征空间中,使用经乘性更新规则训练的优化SVM对人脸数据进行分类识别。在人脸数据库上的实验结果表明,该算法的运算速度较快,识别准确率较高。
展开更多
关键词
人脸识别
局部Fisher鉴别分析
支持向量机
流形学习
特征提取
乘性更新规则
下载PDF
职称材料
基于乘法更新规则的k⁃means与谱聚类的联合学习
被引量：
5
2
作者
陈迪
刘惊雷
《南京大学学报（自然科学版）》
CAS
CSCD
北大核心
2021年第2期177-188,共12页
k⁃means和谱聚类是两种应用最广泛的聚类技术.k⁃means是基于矩阵分解的聚类方法,并且是在数据空间上基于误差极小化的聚类方法.谱聚类是基于图的聚类方法,并且是基于两点在数据空间和特征空间的相似性保持的聚类方法.为了利用两者的优势...
k⁃means和谱聚类是两种应用最广泛的聚类技术.k⁃means是基于矩阵分解的聚类方法,并且是在数据空间上基于误差极小化的聚类方法.谱聚类是基于图的聚类方法,并且是基于两点在数据空间和特征空间的相似性保持的聚类方法.为了利用两者的优势,提出一种基于乘法更新规则的k⁃means和谱聚类的联合学习方法,该方法将k⁃means和谱聚类结合成一个统一的聚类模型,该模型可在单次优化中同时优化k⁃means和谱聚类的目标;此外,还基于乘法更新规则设计了对聚类中心C与聚类指示器Y进行迭代更新的优化算法.重要的是,在理论上证明了所设计算法的正确性和收敛性.在典型的数据集上进行测试,实验结果表明提出的联合学习算法在聚类精度和标准互信息度指标上都有所提高.
展开更多
关键词
k⁃means
谱聚类
联合学习方法
乘法更新规则
正确性和收敛性
下载PDF
职称材料
题名
一种高效的人脸识别算法
被引量：
1
1
作者
孙霞
王自强
机构
武汉理工大学计算机科学与技术学院
河南工业大学信息科学与工程学院
出处
《计算机工程》
CAS
CSCD
北大核心
2011年第22期134-136,共3页
基金
国家自然科学基金资助项目(70701013)
河南省自然科学基金资助项目(102300410020)
文摘
提出一种基于局部Fisher鉴别分析(LFDA)和优化支持向量机(SVM)的高效人脸识别算法。在综合考虑局部几何结构和类别信息的基础上,利用LFDA将高维人脸数据映射到低维特征空间,避免维数灾难问题。在该低维特征空间中,使用经乘性更新规则训练的优化SVM对人脸数据进行分类识别。在人脸数据库上的实验结果表明,该算法的运算速度较快,识别准确率较高。
关键词
人脸识别
局部Fisher鉴别分析
支持向量机
流形学习
特征提取
乘性更新规则
Keywords
human
face
recognition
Local
Fisher
Discriminant
Analysis（LFDA）
Support
Vector
Machine（SVM）
manifold
learning
feature
extraction
multiplicative
update
rule
分类号
TP181 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
基于乘法更新规则的k⁃means与谱聚类的联合学习
被引量：
5
2
作者
陈迪
刘惊雷
机构
烟台大学计算机与控制工程学院
出处
《南京大学学报（自然科学版）》
CAS
CSCD
北大核心
2021年第2期177-188,共12页
基金
国家自然科学基金(61572419,61773331,61703360,61801414)。
文摘
k⁃means和谱聚类是两种应用最广泛的聚类技术.k⁃means是基于矩阵分解的聚类方法,并且是在数据空间上基于误差极小化的聚类方法.谱聚类是基于图的聚类方法,并且是基于两点在数据空间和特征空间的相似性保持的聚类方法.为了利用两者的优势,提出一种基于乘法更新规则的k⁃means和谱聚类的联合学习方法,该方法将k⁃means和谱聚类结合成一个统一的聚类模型,该模型可在单次优化中同时优化k⁃means和谱聚类的目标;此外,还基于乘法更新规则设计了对聚类中心C与聚类指示器Y进行迭代更新的优化算法.重要的是,在理论上证明了所设计算法的正确性和收敛性.在典型的数据集上进行测试,实验结果表明提出的联合学习算法在聚类精度和标准互信息度指标上都有所提高.
关键词
k⁃means
谱聚类
联合学习方法
乘法更新规则
正确性和收敛性
Keywords
k⁃means
clustering
spectral
clustering
joint
learning
method
multipl
ication
update
rule
correctness
and
convergence
分类号
TP391 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
一种高效的人脸识别算法
孙霞
王自强
《计算机工程》
CAS
CSCD
北大核心
2011
1
下载PDF
职称材料
2
基于乘法更新规则的k⁃means与谱聚类的联合学习
陈迪
刘惊雷
《南京大学学报（自然科学版）》
CAS
CSCD
北大核心
2021
5
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
