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
一种基于置信度的代表点选择算法
被引量：
1
1
作者
黄云
洪佳明
覃遵跃
《计算机工程》
CAS
CSCD
2012年第19期167-169,174,共4页
代表点选择是实现缩减数据集规模的有效途径,可以提高分类的准确率和执行效率。为此,通过引入分类置信度熵的概念,提出适应度评价函数,用于评估代表点的选择效果,以此找到最优的代表点集。该方法可与其他代表点选择方法结合,得到性能更...
代表点选择是实现缩减数据集规模的有效途径,可以提高分类的准确率和执行效率。为此,通过引入分类置信度熵的概念,提出适应度评价函数,用于评估代表点的选择效果,以此找到最优的代表点集。该方法可与其他代表点选择方法结合,得到性能更优的代表点选择方法。与多个经典代表点选择方法进行实验比较,结果表明基于置信度的代表点选择方法在分类准确率和数据降低率上有一定优势。
展开更多
关键词
置信度熵
适应度评价函数
代表点选择
k最近邻
半监督学习
遗传算法
下载PDF
职称材料
基于在线多核boosting的鲁棒视觉跟踪
被引量：
1
2
作者
郑超
凌永顺
+3 位作者
杨华
陈杰
杨星
邵慧
《光电子．激光》
EI
CAS
CSCD
北大核心
2016年第5期539-548,共10页
针对多核学习不满足视觉跟踪外观模型在线更新的要求,提出了一种基于在线多核boosting的鲁棒跟踪算法。采用boosting技术代替传统的全局寻优计算核函数权值,构建基于互补性特征集和核函数集的弱分类器池,将评估分类器判别性的置信度函...
针对多核学习不满足视觉跟踪外观模型在线更新的要求,提出了一种基于在线多核boosting的鲁棒跟踪算法。采用boosting技术代替传统的全局寻优计算核函数权值,构建基于互补性特征集和核函数集的弱分类器池,将评估分类器判别性的置信度函数作为迭代计算中的目标函数,获取判别能力最好的弱分类器及其权值;引入基于当前帧候选样本信任度分布熵的修正因子,提高在快速变化环境下获取的权值精度;设计了"在线学习"方式代替传统的"批处理学习",通过基于l2范数子空间评估完成外观模型的自适应更新,避免因误差积累导致跟踪偏离。多组具有挑战性的视频序列的跟踪结果表明,本文算法的性能要好于多种现有的优秀跟踪算法。
展开更多
关键词
视觉跟踪
多核学习(MKL)
信任度分布熵
子空间评估
原文传递
题名
一种基于置信度的代表点选择算法
被引量：
1
1
作者
黄云
洪佳明
覃遵跃
机构
吉首大学软件学院
中山大学信息科学与技术学院
出处
《计算机工程》
CAS
CSCD
2012年第19期167-169,174,共4页
文摘
代表点选择是实现缩减数据集规模的有效途径,可以提高分类的准确率和执行效率。为此,通过引入分类置信度熵的概念,提出适应度评价函数,用于评估代表点的选择效果,以此找到最优的代表点集。该方法可与其他代表点选择方法结合,得到性能更优的代表点选择方法。与多个经典代表点选择方法进行实验比较,结果表明基于置信度的代表点选择方法在分类准确率和数据降低率上有一定优势。
关键词
置信度熵
适应度评价函数
代表点选择
k最近邻
半监督学习
遗传算法
Keywords
confidence
entropy
fitness
evaluation
function
representative
point
selection
k-nearest
neighbor
semi-supervised
learning
genetic
algorithm
分类号
TP301.6 [自动化与计算机技术—计算机系统结构]
下载PDF
职称材料
题名
基于在线多核boosting的鲁棒视觉跟踪
被引量：
1
2
作者
郑超
凌永顺
杨华
陈杰
杨星
邵慧
机构
电子工程学院
安徽建筑大学电子与信息工程学院
出处
《光电子．激光》
EI
CAS
CSCD
北大核心
2016年第5期539-548,共10页
基金
安徽高校自然科学重大研究(KJ2015ZD14)
国家自然科学基金(61503394)
安徽省自然科学基金(1408085QF131,1508085QF121)资助项目
文摘
针对多核学习不满足视觉跟踪外观模型在线更新的要求,提出了一种基于在线多核boosting的鲁棒跟踪算法。采用boosting技术代替传统的全局寻优计算核函数权值,构建基于互补性特征集和核函数集的弱分类器池,将评估分类器判别性的置信度函数作为迭代计算中的目标函数,获取判别能力最好的弱分类器及其权值;引入基于当前帧候选样本信任度分布熵的修正因子,提高在快速变化环境下获取的权值精度;设计了"在线学习"方式代替传统的"批处理学习",通过基于l2范数子空间评估完成外观模型的自适应更新,避免因误差积累导致跟踪偏离。多组具有挑战性的视频序列的跟踪结果表明,本文算法的性能要好于多种现有的优秀跟踪算法。
关键词
视觉跟踪
多核学习(MKL)
信任度分布熵
子空间评估
Keywords
visual
tracking
multiple
kernel
learning
confidence
distribution
entropy
subspace
evolution
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
原文传递
题名
作者
出处
发文年
被引量
操作
1
一种基于置信度的代表点选择算法
黄云
洪佳明
覃遵跃
《计算机工程》
CAS
CSCD
2012
1
下载PDF
职称材料
2
基于在线多核boosting的鲁棒视觉跟踪
郑超
凌永顺
杨华
陈杰
杨星
邵慧
《光电子．激光》
EI
CAS
CSCD
北大核心
2016
1
原文传递
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
