-
题名基于概率模型的大规模网络结构发现方法
被引量：8
- 1
-
-
作者
柴变芳
贾彩燕
于剑
-
机构
交通数据分析与挖掘北京市重点实验室(北京交通大学)
石家庄经济学院信息工程学院
-
出处
《软件学报》
EI
CSCD
北大核心
2014年第12期2753-2766,共14页
-
基金
国家自然科学基金(61473030
61370129)
+3 种基金
中央高校科研业务经费(2014YJS039)
河北省自然科学基金(F2013205192)
北京市科委项目(Z131110002813118)
北大方正集团有限公司数字出版技术国家重点实验室开放课题
-
文摘
随着万维网和在线社交网站的发展,规模大、结构复杂、动态性强的大规模网络应用而生.发现这些网络的潜在结构,是分析和理解网络数据的基本途径.概率模型以其灵活的建模和解释能力、坚实的理论框架成为各领域研究网络结构发现任务的有效工具,但该类方法存在计算瓶颈.近几年出现了一些基于概率模型的大规模网络结构发现方法,主要从网络表示、结构假设、参数求解这3个方面解决计算问题.按照模型参数求解策略将已有方法归为两类:随机变分推理(stochastic variational inference)方法和在线EM(online expectation maximazation)方法,详细分析各方法的设计动机、原理和优缺点.定性和定量地对比、分析典型方法的特点和性能,并提出大规模网络结构发现模型的设计原则.最后,概括该领域研究的核心问题,展望未来发展趋势.
-
关键词
大规模网络
结构发现
随机变分推理
在线em算法
三角形模体
-
Keywords
massive network
structure detection
stochastic varational inference
online em algorithm
triangular motif
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于自适应表面模型的概率视频跟踪算法
- 2
-
-
作者
李安平
敬忠良
胡士强
-
机构
上海交通大学航空航天信息与控制研究所
-
出处
《控制与决策》
EI
CSCD
北大核心
2007年第1期53-58,共6页
-
基金
国家自然科学基金项目(60375008)
国家科技攻关计划世博科技专项(2004BA908B07)
+2 种基金
高校博士点基金项目(20020248029)
航空科学基金项目(02D57003)
航天支撑技术基金项目(20031.302)
-
文摘
提出一种鲁棒自适应表面模型,该模型中每个像素值的变化过程由一混合高斯分布描述.为了适应目标表面的变化,这些高斯参数在跟踪期间通过在线的EM算法自适应更新;在估计目标状态时,采用了粒子滤波算法,设计了基于自适应表面模型的观测模型;在处理遮挡时,采用了一种鲁棒估计技术.多组试验结果表明,该算法对光照变化、姿态变化、部分或完全遮挡下的跟踪具有较强的鲁棒性.
-
关键词
混合高斯模型
自适应表面模型
在线em算法
鲁棒估计技术
粒子滤波
-
Keywords
Gaussian mixture model
Adaptive appearance model
Online em algorithm
Robust estimation technique
Particle filter
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名基于并行框架的鲁棒自适应前景检测算法
- 3
-
-
作者
陈文竹
陈岳林
蔡晓东
华娜
-
机构
桂林电子科技大学机电工程学院
桂林电子科技大学信息科技学院
桂林电子科技大学信息与通信学院
-
出处
《计算机系统应用》
2015年第4期153-158,共6页
-
基金
广西自然科学基金(2013GXNSFAA019326)
-
文摘
视频监控数据TB级的增长,从海量视频数据中高效准确的分离出视频监控场景中的运动物体,是计算机视觉领域的研究重点和挑战.提出了基于云平台的视频数据处理的并行计算框架及一种改进的基于混合高斯模型(GMM)的自适应前景提取算法,通过对混合高斯分布的自适应学习和在线EM(期望最大化)算法获得最优参数组合,并将改进算法融合到视频处理并行计算框架.实验结果表明,该方法不但能大大提高视频处理的效率,并对复杂环境下准确提取前景目标也有良好的鲁棒性.
-
关键词
视频监控
并行计算
混合高斯模型
自适应学习
在线em算法
-
Keywords
video surveillance
distributed computing
GMM
adaptive learning
online em algorithm
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
