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
基于相关性分析的多标签特征选择方法
被引量：
3
1
作者
王进
孙万彤
《重庆邮电大学学报（自然科学版）》
CSCD
北大核心
2021年第6期1024-1037,共14页
针对现有大多数多标签特征选择算法未能有效去除特征空间冗余特征,同时也忽略了标签差异性的现状,提出一种基于相关性分析的多标签特征选择方法,利用特征之间的相关度对特征进行分组,解决了特征之间的相关性问题。根据样本所对应的标签...
针对现有大多数多标签特征选择算法未能有效去除特征空间冗余特征,同时也忽略了标签差异性的现状,提出一种基于相关性分析的多标签特征选择方法,利用特征之间的相关度对特征进行分组,解决了特征之间的相关性问题。根据样本所对应的标签属性对样本做一个正负类的聚类,对于正样本和负样本所构成的正类簇和负类簇单独确定其聚类个数,并计算原特征到正负类簇中各个类中心的距离,如此便产生了标签特定特征空间;将标签共享的特征空间和标签特定特征空间融合,考虑到多个标签之间的个性和关联性,解决了标签的差异性问题。实验测试表明,相较于现有的多标签特征选择算法,提出的基于相关性分析的多标签特征选择方法在各个分类指标上均有较优的表现,充分证明了该方法的有效性。
展开更多
关键词
机器学习
多标签学习
特征
选择
关联性分析
特征空间
融合
下载PDF
职称材料
一种改进的LDA和PCA特征空间融合的人脸识别方法
被引量：
2
2
作者
何俊
芦明
《电脑知识与技术》
2020年第35期184-185,193,共3页
为了改善传统的人脸识别Fisherface方法的识别率和稳定性,采用LDA+PCA组合的两步人脸识别过程来消除小样本问题;通过融合LDA和PCA特征空间,使类内离散度最小而类间离散度最大,来解决统计相关问题。通过约束空间维数和采样维数来提高识...
为了改善传统的人脸识别Fisherface方法的识别率和稳定性,采用LDA+PCA组合的两步人脸识别过程来消除小样本问题;通过融合LDA和PCA特征空间,使类内离散度最小而类间离散度最大,来解决统计相关问题。通过约束空间维数和采样维数来提高识别率和稳定性。最后,在ORL人脸库上进行实验,结果表明该方法是有效的,识别率较高,而且识别结果比较稳定,满足实际应用的要求。
展开更多
关键词
人脸识别
LDA
特征
PCA
特征
特征空间
融合
下载PDF
职称材料
题名
基于相关性分析的多标签特征选择方法
被引量：
3
1
作者
王进
孙万彤
机构
重庆邮电大学数据工程与可视计算重点实验室
出处
《重庆邮电大学学报（自然科学版）》
CSCD
北大核心
2021年第6期1024-1037,共14页
基金
国家自然科学基金(61806033)。
文摘
针对现有大多数多标签特征选择算法未能有效去除特征空间冗余特征,同时也忽略了标签差异性的现状,提出一种基于相关性分析的多标签特征选择方法,利用特征之间的相关度对特征进行分组,解决了特征之间的相关性问题。根据样本所对应的标签属性对样本做一个正负类的聚类,对于正样本和负样本所构成的正类簇和负类簇单独确定其聚类个数,并计算原特征到正负类簇中各个类中心的距离,如此便产生了标签特定特征空间;将标签共享的特征空间和标签特定特征空间融合,考虑到多个标签之间的个性和关联性,解决了标签的差异性问题。实验测试表明,相较于现有的多标签特征选择算法,提出的基于相关性分析的多标签特征选择方法在各个分类指标上均有较优的表现,充分证明了该方法的有效性。
关键词
机器学习
多标签学习
特征
选择
关联性分析
特征空间
融合
Keywords
machine learning
multi-label learning
feature selection
association analysis
feature space fusion
分类号
TP391.4 [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
一种改进的LDA和PCA特征空间融合的人脸识别方法
被引量：
2
2
作者
何俊
芦明
机构
辽宁科技大学计算机与软件工程学院
出处
《电脑知识与技术》
2020年第35期184-185,193,共3页
基金
辽宁科技大学大学生创新创业训练计划项目(201910146321)。
文摘
为了改善传统的人脸识别Fisherface方法的识别率和稳定性,采用LDA+PCA组合的两步人脸识别过程来消除小样本问题;通过融合LDA和PCA特征空间,使类内离散度最小而类间离散度最大,来解决统计相关问题。通过约束空间维数和采样维数来提高识别率和稳定性。最后,在ORL人脸库上进行实验,结果表明该方法是有效的,识别率较高,而且识别结果比较稳定,满足实际应用的要求。
关键词
人脸识别
LDA
特征
PCA
特征
特征空间
融合
Keywords
face recognition
LDA feature
PCA feature
feature space fusion
分类号
TP319 [自动化与计算机技术—计算机软件与理论]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于相关性分析的多标签特征选择方法
王进
孙万彤
《重庆邮电大学学报（自然科学版）》
CSCD
北大核心
2021
3
下载PDF
职称材料
2
一种改进的LDA和PCA特征空间融合的人脸识别方法
何俊
芦明
《电脑知识与技术》
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
