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
7
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
联合多尺度多特征的高分遥感图像场景分类
被引量：
13
1
作者
黄鸿
徐科杰
石光耀
《电子学报》
EI
CAS
CSCD
北大核心
2020年第9期1824-1833,共10页
高分辨率遥感图像地物信息丰富,但场景构成复杂,目前基于手工设计的特征提取方法不能满足复杂场景分类的需求,而非监督特征学习方法尽管能够挖掘局部图像块的本征结构,但单一种类及尺度的特征难以有效表达实际应用中复杂遥感场景特性,...
高分辨率遥感图像地物信息丰富,但场景构成复杂,目前基于手工设计的特征提取方法不能满足复杂场景分类的需求,而非监督特征学习方法尽管能够挖掘局部图像块的本征结构,但单一种类及尺度的特征难以有效表达实际应用中复杂遥感场景特性,导致分类性能受限.针对此问题,本文提出了一种基于多尺度多特征的遥感场景分类方法.该算法首先设计了一种改进的谱聚类非监督特征(iUFL-SC)以有效表征图像块的本征结构,然后通过密集采样提取每幅遥感场景的iUFL-SC、LBP、SIFT等三种多尺度局部图像块特征,并通过视觉词袋模型(BoVW)获得场景的中层特征表达,以实现更为准确详实的特征描述,最后基于直方图交叉核的支持向量机(HIKSVM)进行分类.在UC Merced数据集以及WHU-RS19数据集上的实验结果表明本文方法可对遥感场景进行鉴别特征提取,有效提高分类性能.
展开更多
关键词
遥感
高分辨率影像
场景分类
非
监督
特征
特征
融合
视觉词袋模型
下载PDF
职称材料
基于图结构优化的自适应多度量非监督特征选择方法
被引量：
5
2
作者
林筠超
万源
《计算机应用》
CSCD
北大核心
2021年第5期1282-1289,共8页
非监督特征选择是机器学习领域的热点研究问题,对于高维数据的降维和分类都极为重要。数据点之间的相似性可以用多个不同的标准来衡量,这使得不同的数据点之间相似性度量标准难以一致;并且现有方法多数通过近邻分配得到相似矩阵,因此其...
非监督特征选择是机器学习领域的热点研究问题,对于高维数据的降维和分类都极为重要。数据点之间的相似性可以用多个不同的标准来衡量,这使得不同的数据点之间相似性度量标准难以一致;并且现有方法多数通过近邻分配得到相似矩阵,因此其连通分量数通常不够理想。针对这两个问题,将相似矩阵看作变量而非预先对其进行设定,提出了一种基于图结构优化的自适应多度量非监督特征选择(SAM-SGO)方法。该方法将不同的度量函数自适应地融合成一种统一的度量,从而对多种度量方法进行综合,自适应地获得数据的相似矩阵,并且更准确地捕获数据点之间的关系。为获得理想的图结构,通过对相似矩阵的秩进行约束,在优化图局部结构的同时简化了计算。此外,将基于图的降维问题合并到所提出的自适应多度量问题中,并引入稀疏l_(2,0)正则化约束以获得用于特征选择的稀疏投影。在多个标准数据集上的实验验证了SAM-SGO的有效性,相比较于近年所提出的基于局部学习聚类的特征选择和内核学习(LLCFS)、依赖指导的非监督特征选择(DGUFS)和结构化最优图特征选择(SOGFS)方法,该方法的聚类正确率平均提高了约3.6个百分点。
展开更多
关键词
自适应多度量
图结构优化
子空间学习
稀疏正则化约束
非
监督
特征
选择
下载PDF
职称材料
用于非监督特征选择的免疫克隆多目标优化算法
被引量：
3
3
作者
尚荣华
焦李成
+2 位作者
吴建设
马文萍
李阳阳
《西安电子科技大学学报》
EI
CAS
CSCD
北大核心
2010年第1期18-22,共5页
提出一种基于免疫克隆多目标优化算法的特征选择方法,先将非监督特征选择问题归结为多目标优化问题,然后构造相应的问题模型和目标函数.最后,采用免疫克隆多目标优化算法,通过增加相关特征的显著性,减小不相关特征的显著性来实现每个特...
提出一种基于免疫克隆多目标优化算法的特征选择方法,先将非监督特征选择问题归结为多目标优化问题,然后构造相应的问题模型和目标函数.最后,采用免疫克隆多目标优化算法,通过增加相关特征的显著性,减小不相关特征的显著性来实现每个特征显著性的优化,达到特征选择的目的.UCI数据集的仿真实验表明,该算法降低了错误识别率,验证了其在非监督特征选择中的应用潜力.
展开更多
关键词
非
监督
特征
选择
克隆选择
多目标优化
下载PDF
职称材料
基于非监督特征学习的兴趣点检测算法
被引量：
3
4
作者
周来恩
王晓丹
《计算机科学》
CSCD
北大核心
2016年第9期289-294,F0003,共7页
由于兴趣点是图像中的基础、关键特征,因此兴趣点检测是图像配准、图像检索以及图像识别的关键步骤。基于兴趣点对于图像特征响应较为强烈的特性,结合非监督特征学习算法可以自主地从无标签的样本中提取特征的思想,提出了UFL-ID兴趣点...
由于兴趣点是图像中的基础、关键特征,因此兴趣点检测是图像配准、图像检索以及图像识别的关键步骤。基于兴趣点对于图像特征响应较为强烈的特性,结合非监督特征学习算法可以自主地从无标签的样本中提取特征的思想,提出了UFL-ID兴趣点检测算法。该算法无监督学习了图像的底层特征,对特征进行信息量和各向同性的评价,并利用特征的卷积响应及评价参数寻找图像中的兴趣点。与其他常见的兴趣点检测算法的对比实验表明,该算法具有良好的重复性与抗噪能力。
展开更多
关键词
机器学习
非
监督
特征
学习
自动编码器
兴趣点检测
特征
提取
下载PDF
职称材料
非监督特征学习方法在脑电身份识别中的应用
被引量：
2
5
作者
官金安
高炜
+1 位作者
周到
高军峰
《中南民族大学学报（自然科学版）》
CAS
2014年第4期85-89,93,共6页
设计并实现了采用非监督特征学习方法对模拟阅读事件相关电位实验中多名受试者脑电信号的特征提取，并对提取的特征向量进行了模式分类。实验中共采集5名受试者脑电信号，每名受试者的特征样本集由其接受模拟阅读靶视觉刺激后100～400m...
设计并实现了采用非监督特征学习方法对模拟阅读事件相关电位实验中多名受试者脑电信号的特征提取，并对提取的特征向量进行了模式分类。实验中共采集5名受试者脑电信号，每名受试者的特征样本集由其接受模拟阅读靶视觉刺激后100～400ms在通道PO3、O1、Oz、O2、PO4、P4、P8、CP6的脑电信号样本组成，各受试者样本集均含400个试次样本。非监督特征学习过程由含6个神经节的BP神经网络完成，后选用支持向量机作为分类器。对比了1试次，2试次、5试次、10试次样本叠加等几种不同情况下采用非监督特征学习方法提取特征的分类正确率。实验结果表明：采用多神经节人工神经网络对5名使用者5试次叠加信号样本提取的特征向量的分类正确率高于90％，显著优于对各单通道时域特征向量的分类正确率，该方法可为以脑电信号为特征的身份识别系统提供一种可行的特征提取方式。
展开更多
关键词
模拟阅读
脑电信号
特征
提取
非
监督
特征
学习
身份识别
下载PDF
职称材料
多尺度非监督特征学习的人脸识别
被引量：
2
6
作者
尹晓燕
冯志勇
徐超
《计算机工程与应用》
CSCD
北大核心
2016年第14期136-141,196,共7页
为了充分利用人脸图像的潜在信息,提出一种通过设置不同尺寸的卷积核来得到图像多尺度特征的方法,多尺度卷积自动编码器(Multi-Scale Convolutional Auto-Encoder,MSCAE)。该结构所提取的不同尺度特征反映人脸的本质信息,可以更好地还...
为了充分利用人脸图像的潜在信息,提出一种通过设置不同尺寸的卷积核来得到图像多尺度特征的方法,多尺度卷积自动编码器(Multi-Scale Convolutional Auto-Encoder,MSCAE)。该结构所提取的不同尺度特征反映人脸的本质信息,可以更好地还原人脸图像。这种特征提取框架是一个卷积和采样交替的层级结构,使得特征对旋转、平移、比例缩放等具有高度不变性。MSCAE以encoder-decoder模式训练得到特征提取器,用它提取特征,并融合形成用于分类的特征向量。BP神经网络在ORL和Yale人脸库上的分类结果表明,多尺度特征在识别率和性能上均优于单尺度特征。此外,MSCAE特征与HOG(Histograms of Oriented Gradients)的融合特征取得了比单一特征更高的识别率。
展开更多
关键词
非
监督
特征
学习
多尺度
卷积自动编码器
深度学习
下载PDF
职称材料
基于三元组排序局部性的SOCFS改进算法
7
作者
吴昌明
赵兴涛
柳可鑫
《计算机工程》
CAS
CSCD
北大核心
2020年第5期47-53,共7页
特征选择是一种常用的机器学习降维方法,然而传统非监督特征选择算法在保持数据样本维度的局部结构时,却忽略了排序局部性对特征选择的影响。利用数据的三元组局部结构,构建数据之间的排序关系并在特征选择过程中进行局部性保持,提出基...
特征选择是一种常用的机器学习降维方法,然而传统非监督特征选择算法在保持数据样本维度的局部结构时,却忽略了排序局部性对特征选择的影响。利用数据的三元组局部结构,构建数据之间的排序关系并在特征选择过程中进行局部性保持,提出基于三元组排序局部性的同时正交基聚类特征选择(SOCFS)改进算法,选择具有局部结构保持性且判别区分度高的特征。实验结果表明,与传统非监督特征选择算法相比,SOCFS改进算法聚类效果更好、收敛速度更快。
展开更多
关键词
非
监督
特征
选择
三元组
排序局部性
聚类
收敛性
下载PDF
职称材料
题名
联合多尺度多特征的高分遥感图像场景分类
被引量：
13
1
作者
黄鸿
徐科杰
石光耀
机构
重庆大学光电技术及系统教育部重点实验室
出处
《电子学报》
EI
CAS
CSCD
北大核心
2020年第9期1824-1833,共10页
基金
重庆市基础与前沿研究计划(No.cstc2018jcyjAX0093)
重庆市留学人员回国创业创新支持计划(No.cx2019144)
+1 种基金
重庆市研究生科研创新项目(No.CYB19039)
重庆市教委科学技术研究计划(No.KJZD-K201902501)。
文摘
高分辨率遥感图像地物信息丰富,但场景构成复杂,目前基于手工设计的特征提取方法不能满足复杂场景分类的需求,而非监督特征学习方法尽管能够挖掘局部图像块的本征结构,但单一种类及尺度的特征难以有效表达实际应用中复杂遥感场景特性,导致分类性能受限.针对此问题,本文提出了一种基于多尺度多特征的遥感场景分类方法.该算法首先设计了一种改进的谱聚类非监督特征(iUFL-SC)以有效表征图像块的本征结构,然后通过密集采样提取每幅遥感场景的iUFL-SC、LBP、SIFT等三种多尺度局部图像块特征,并通过视觉词袋模型(BoVW)获得场景的中层特征表达,以实现更为准确详实的特征描述,最后基于直方图交叉核的支持向量机(HIKSVM)进行分类.在UC Merced数据集以及WHU-RS19数据集上的实验结果表明本文方法可对遥感场景进行鉴别特征提取,有效提高分类性能.
关键词
遥感
高分辨率影像
场景分类
非
监督
特征
特征
融合
视觉词袋模型
Keywords
remote sensing
high resolution images
scene classification
unsupervised features
feature fusion
bag of visual words
分类号
TP751.1 [自动化与计算机技术—检测技术与自动化装置]
下载PDF
职称材料
题名
基于图结构优化的自适应多度量非监督特征选择方法
被引量：
5
2
作者
林筠超
万源
机构
武汉理工大学理学院
出处
《计算机应用》
CSCD
北大核心
2021年第5期1282-1289,共8页
基金
中央高校基本科研业务费专项资金资助项目(2019IB010)。
文摘
非监督特征选择是机器学习领域的热点研究问题,对于高维数据的降维和分类都极为重要。数据点之间的相似性可以用多个不同的标准来衡量,这使得不同的数据点之间相似性度量标准难以一致;并且现有方法多数通过近邻分配得到相似矩阵,因此其连通分量数通常不够理想。针对这两个问题,将相似矩阵看作变量而非预先对其进行设定,提出了一种基于图结构优化的自适应多度量非监督特征选择(SAM-SGO)方法。该方法将不同的度量函数自适应地融合成一种统一的度量,从而对多种度量方法进行综合,自适应地获得数据的相似矩阵,并且更准确地捕获数据点之间的关系。为获得理想的图结构,通过对相似矩阵的秩进行约束,在优化图局部结构的同时简化了计算。此外,将基于图的降维问题合并到所提出的自适应多度量问题中,并引入稀疏l_(2,0)正则化约束以获得用于特征选择的稀疏投影。在多个标准数据集上的实验验证了SAM-SGO的有效性,相比较于近年所提出的基于局部学习聚类的特征选择和内核学习(LLCFS)、依赖指导的非监督特征选择(DGUFS)和结构化最优图特征选择(SOGFS)方法,该方法的聚类正确率平均提高了约3.6个百分点。
关键词
自适应多度量
图结构优化
子空间学习
稀疏正则化约束
非
监督
特征
选择
Keywords
Self-Adaptive Multi-measure(SAM)
Structured Graph Optimization(SGO)
subspace learning
sparse regularization constraint
unsupervised feature selection
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
用于非监督特征选择的免疫克隆多目标优化算法
被引量：
3
3
作者
尚荣华
焦李成
吴建设
马文萍
李阳阳
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
出处
《西安电子科技大学学报》
EI
CAS
CSCD
北大核心
2010年第1期18-22,共5页
基金
国家"863"计划资助项目(2009AA12Z210)
陕西省"13115"科技创新工程重大科技专项资助项目(2008ZDKG-37)
+7 种基金
国家自然科学基金资助项目(60703107
60703108
60803098)
陕西省自然科学基金资助项目(2007F32)
国家教育部博士点基金资助项目(20070701022)
中国博士后科学基金特别资助项目(200801426)
中国博士后科学基金资助项目(20080431228)
教育部长江学者和创新团队支持计划资助项目(IRT0645)
文摘
提出一种基于免疫克隆多目标优化算法的特征选择方法,先将非监督特征选择问题归结为多目标优化问题,然后构造相应的问题模型和目标函数.最后,采用免疫克隆多目标优化算法,通过增加相关特征的显著性,减小不相关特征的显著性来实现每个特征显著性的优化,达到特征选择的目的.UCI数据集的仿真实验表明,该算法降低了错误识别率,验证了其在非监督特征选择中的应用潜力.
关键词
非
监督
特征
选择
克隆选择
多目标优化
Keywords
unsupervised feature selection
clonal selection
multi-objective optimization
分类号
TP18 [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
基于非监督特征学习的兴趣点检测算法
被引量：
3
4
作者
周来恩
王晓丹
机构
空军工程大学防空反导学院
出处
《计算机科学》
CSCD
北大核心
2016年第9期289-294,F0003,共7页
基金
国家自然科学基金:基于多特征融合和集成学习的多目标识别技术研究(61273275)资助
文摘
由于兴趣点是图像中的基础、关键特征,因此兴趣点检测是图像配准、图像检索以及图像识别的关键步骤。基于兴趣点对于图像特征响应较为强烈的特性,结合非监督特征学习算法可以自主地从无标签的样本中提取特征的思想,提出了UFL-ID兴趣点检测算法。该算法无监督学习了图像的底层特征,对特征进行信息量和各向同性的评价,并利用特征的卷积响应及评价参数寻找图像中的兴趣点。与其他常见的兴趣点检测算法的对比实验表明,该算法具有良好的重复性与抗噪能力。
关键词
机器学习
非
监督
特征
学习
自动编码器
兴趣点检测
特征
提取
Keywords
Machine learning, Unsupervised feature learning, Auto-encoder, Interest point detection, Feature detection
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
非监督特征学习方法在脑电身份识别中的应用
被引量：
2
5
作者
官金安
高炜
周到
高军峰
机构
中南民族大学生物医学工程学院
中南民族大学认知科学国家民委重点实验室
出处
《中南民族大学学报（自然科学版）》
CAS
2014年第4期85-89,93,共6页
基金
国家自然科学基金资助项目(91120017)
国家自然科学基金资助项目(81271659)
中央高校基本科研业务费资助项目(CZY13031)
文摘
设计并实现了采用非监督特征学习方法对模拟阅读事件相关电位实验中多名受试者脑电信号的特征提取，并对提取的特征向量进行了模式分类。实验中共采集5名受试者脑电信号，每名受试者的特征样本集由其接受模拟阅读靶视觉刺激后100～400ms在通道PO3、O1、Oz、O2、PO4、P4、P8、CP6的脑电信号样本组成，各受试者样本集均含400个试次样本。非监督特征学习过程由含6个神经节的BP神经网络完成，后选用支持向量机作为分类器。对比了1试次，2试次、5试次、10试次样本叠加等几种不同情况下采用非监督特征学习方法提取特征的分类正确率。实验结果表明：采用多神经节人工神经网络对5名使用者5试次叠加信号样本提取的特征向量的分类正确率高于90％，显著优于对各单通道时域特征向量的分类正确率，该方法可为以脑电信号为特征的身份识别系统提供一种可行的特征提取方式。
关键词
模拟阅读
脑电信号
特征
提取
非
监督
特征
学习
身份识别
Keywords
imitating-reading ERP
EEG feature extraction
unsupervised feature learning method
personal identification
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
多尺度非监督特征学习的人脸识别
被引量：
2
6
作者
尹晓燕
冯志勇
徐超
机构
天津大学计算机科学与技术学院
天津大学软件学院
出处
《计算机工程与应用》
CSCD
北大核心
2016年第14期136-141,196,共7页
基金
国家自然科学基金(No.61304262)
文摘
为了充分利用人脸图像的潜在信息,提出一种通过设置不同尺寸的卷积核来得到图像多尺度特征的方法,多尺度卷积自动编码器(Multi-Scale Convolutional Auto-Encoder,MSCAE)。该结构所提取的不同尺度特征反映人脸的本质信息,可以更好地还原人脸图像。这种特征提取框架是一个卷积和采样交替的层级结构,使得特征对旋转、平移、比例缩放等具有高度不变性。MSCAE以encoder-decoder模式训练得到特征提取器,用它提取特征,并融合形成用于分类的特征向量。BP神经网络在ORL和Yale人脸库上的分类结果表明,多尺度特征在识别率和性能上均优于单尺度特征。此外,MSCAE特征与HOG(Histograms of Oriented Gradients)的融合特征取得了比单一特征更高的识别率。
关键词
非
监督
特征
学习
多尺度
卷积自动编码器
深度学习
Keywords
unsupervised feature learning
multi-scale
convolutional auto-encoder
deep learning
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
基于三元组排序局部性的SOCFS改进算法
7
作者
吴昌明
赵兴涛
柳可鑫
机构
中国人民公安大学信息技术与网络安全学院
出处
《计算机工程》
CAS
CSCD
北大核心
2020年第5期47-53,共7页
基金
国家重点研发计划(2017YFC0820606)
国家自然科学基金(61771072)
公安部科技强警基础工作专项(2014GABJC026)。
文摘
特征选择是一种常用的机器学习降维方法,然而传统非监督特征选择算法在保持数据样本维度的局部结构时,却忽略了排序局部性对特征选择的影响。利用数据的三元组局部结构,构建数据之间的排序关系并在特征选择过程中进行局部性保持,提出基于三元组排序局部性的同时正交基聚类特征选择(SOCFS)改进算法,选择具有局部结构保持性且判别区分度高的特征。实验结果表明,与传统非监督特征选择算法相比,SOCFS改进算法聚类效果更好、收敛速度更快。
关键词
非
监督
特征
选择
三元组
排序局部性
聚类
收敛性
Keywords
unsupervised feature selection
triplet
ordinal locality
clustering
convergence
分类号
TP399 [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
联合多尺度多特征的高分遥感图像场景分类
黄鸿
徐科杰
石光耀
《电子学报》
EI
CAS
CSCD
北大核心
2020
13
下载PDF
职称材料
2
基于图结构优化的自适应多度量非监督特征选择方法
林筠超
万源
《计算机应用》
CSCD
北大核心
2021
5
下载PDF
职称材料
3
用于非监督特征选择的免疫克隆多目标优化算法
尚荣华
焦李成
吴建设
马文萍
李阳阳
《西安电子科技大学学报》
EI
CAS
CSCD
北大核心
2010
3
下载PDF
职称材料
4
基于非监督特征学习的兴趣点检测算法
周来恩
王晓丹
《计算机科学》
CSCD
北大核心
2016
3
下载PDF
职称材料
5
非监督特征学习方法在脑电身份识别中的应用
官金安
高炜
周到
高军峰
《中南民族大学学报（自然科学版）》
CAS
2014
2
下载PDF
职称材料
6
多尺度非监督特征学习的人脸识别
尹晓燕
冯志勇
徐超
《计算机工程与应用》
CSCD
北大核心
2016
2
下载PDF
职称材料
7
基于三元组排序局部性的SOCFS改进算法
吴昌明
赵兴涛
柳可鑫
《计算机工程》
CAS
CSCD
北大核心
2020
0
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
