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
局部敏感的稀疏概念编码及其在图像表示中的应用
被引量：
4
1
作者
舒振球
赵春霞
张浩峰
《计算机辅助设计与图形学学报》
EI
CSCD
北大核心
2014年第1期81-87,共7页
矩阵分解算法是模式识别中一种常用的图像表示方法.针对传统的矩阵分解算法不能提取数据本质结构的问题,提出一种局部敏感的稀疏概念编码的图像表示算法.在基向量学习时,利用局部敏感鉴别分析方法提取样本的几何结构和判别信息,使得学...
矩阵分解算法是模式识别中一种常用的图像表示方法.针对传统的矩阵分解算法不能提取数据本质结构的问题,提出一种局部敏感的稀疏概念编码的图像表示算法.在基向量学习时,利用局部敏感鉴别分析方法提取样本的几何结构和判别信息,使得学习到的基更能体现数据的高层语义结构信息;然后对每个样本在基向量上进行稀疏表示学习,得到样本的表示系数;最后对样本进行表示与分类.在COIL20和ORL数据库中的实验结果表明,与其他几种矩阵分解算法相比,文中算法聚类的准确率和互信息得到了有效的提高,验证了其有效性.
展开更多
关键词
矩阵分解
局部敏感
稀疏概念编码
几何结构
判别信息
下载PDF
职称材料
一种半监督人脸数据可分性特征提取方法
被引量：
2
2
作者
刘敬
刘鑫磊
刘逸
《计算机与数字工程》
2020年第7期1648-1654,共7页
针对人脸数据维数高,可分性差的问题,提出一种半监督人脸数据可分性特征提取方法——SCC-LDA。SCC-LDA先采用稀疏概念编码(Sparse Concept Coding,SCC)进行非监督特征提取,以获取保留人脸数据固有空间几何结构的低维稀疏表达;然后采用...
针对人脸数据维数高,可分性差的问题,提出一种半监督人脸数据可分性特征提取方法——SCC-LDA。SCC-LDA先采用稀疏概念编码(Sparse Concept Coding,SCC)进行非监督特征提取,以获取保留人脸数据固有空间几何结构的低维稀疏表达;然后采用线性判别分析(Linear Discriminant Analysis,LDA)在SCC子空间进行有监督特征提取,进一步提取数据的可分性特征并降维。采用K近邻(K-Nearest Neighbor,KNN)分类器和最小距离(Minimum Distance,MD)分类器验证特征提取的有效性。基于ORL和Yale数据的实验结果表明,相比SCC子空间法和LDA子空间法,SCC-LDA子空间法可显著提高识别率,并可加快人脸识别速度。
展开更多
关键词
人脸识别
特征提取
稀疏概念编码
线性判别分析
下载PDF
职称材料
题名
局部敏感的稀疏概念编码及其在图像表示中的应用
被引量：
4
1
作者
舒振球
赵春霞
张浩峰
机构
南京理工大学计算机科学与技术学院
出处
《计算机辅助设计与图形学学报》
EI
CSCD
北大核心
2014年第1期81-87,共7页
基金
国家自然科学基金(61272220
61101197)
国家自然科学基金重大研究计划重点支持项目(90820306)
文摘
矩阵分解算法是模式识别中一种常用的图像表示方法.针对传统的矩阵分解算法不能提取数据本质结构的问题,提出一种局部敏感的稀疏概念编码的图像表示算法.在基向量学习时,利用局部敏感鉴别分析方法提取样本的几何结构和判别信息,使得学习到的基更能体现数据的高层语义结构信息;然后对每个样本在基向量上进行稀疏表示学习,得到样本的表示系数;最后对样本进行表示与分类.在COIL20和ORL数据库中的实验结果表明,与其他几种矩阵分解算法相比,文中算法聚类的准确率和互信息得到了有效的提高,验证了其有效性.
关键词
矩阵分解
局部敏感
稀疏概念编码
几何结构
判别信息
Keywords
matrix
factorization
locality
sensitive
sparse
concept
coding
geometrical
structure
discriminate
information
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
一种半监督人脸数据可分性特征提取方法
被引量：
2
2
作者
刘敬
刘鑫磊
刘逸
机构
西安邮电大学电子工程学院
西安电子科技大学电子工程学院
出处
《计算机与数字工程》
2020年第7期1648-1654,共7页
基金
国家自然科学基金项目(编号:61672405)
陕西省自然科学基础研究计划项目(编号:2018JM4018)
中央高校基本科研业务费专项资金项目(编号:JB170204)资助。
文摘
针对人脸数据维数高,可分性差的问题,提出一种半监督人脸数据可分性特征提取方法——SCC-LDA。SCC-LDA先采用稀疏概念编码(Sparse Concept Coding,SCC)进行非监督特征提取,以获取保留人脸数据固有空间几何结构的低维稀疏表达;然后采用线性判别分析(Linear Discriminant Analysis,LDA)在SCC子空间进行有监督特征提取,进一步提取数据的可分性特征并降维。采用K近邻(K-Nearest Neighbor,KNN)分类器和最小距离(Minimum Distance,MD)分类器验证特征提取的有效性。基于ORL和Yale数据的实验结果表明,相比SCC子空间法和LDA子空间法,SCC-LDA子空间法可显著提高识别率,并可加快人脸识别速度。
关键词
人脸识别
特征提取
稀疏概念编码
线性判别分析
Keywords
face
recognition
feature
extraction
sparse
concept
coding
linear
discriminant
analysis
分类号
TP391.41 [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
局部敏感的稀疏概念编码及其在图像表示中的应用
舒振球
赵春霞
张浩峰
《计算机辅助设计与图形学学报》
EI
CSCD
北大核心
2014
4
下载PDF
职称材料
2
一种半监督人脸数据可分性特征提取方法
刘敬
刘鑫磊
刘逸
《计算机与数字工程》
2020
2
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
