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
共找到5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：
基于稀疏差分和Mean-Shift滤波的Retinex算法在人脸识别中的应用 被引量：8
1
作者 陈莉 龙光利 《计算机应用研究》 CSCD 北大核心 2015年第3期934-937,共4页
为了提高在光照变化条件下人脸图像的识别率,针对Retinex算法处理人脸光照图像产生的识别率不高的问题,提出了一种基于稀疏差分和Mean-Shift滤波的Retinex算法。对人脸图像增加部分使用稀疏差分,利用Mean-Shift滤波代替高斯滤波对光照... 为了提高在光照变化条件下人脸图像的识别率,针对Retinex算法处理人脸光照图像产生的识别率不高的问题,提出了一种基于稀疏差分和Mean-Shift滤波的Retinex算法。对人脸图像增加部分使用稀疏差分,利用Mean-Shift滤波代替高斯滤波对光照进行估计,通过采用Yale B人脸库、CMU-PIE人脸图像库和AR人脸图像库对算法性能进行测试,该算法具有很好的光照鲁棒性,有效地提高了人脸的识别率。 展开更多
关键词 RETINEX算法 稀疏差分 人脸识别
下载PDF
基于稀疏差分和典型相关分析融合的人脸图像识别
2
作者 周钦青 《科技通报》 北大核心 2014年第11期100-104,108,共6页
为了进一步提高人脸图像的识别率,提出了一种相关分析融合的人脸图像识别算法。首先通过采用压缩测量数据得到人脸图像,然后通过划分子模式的方法去除图像中的小样本,提取局部特征,采用成分分析提取人脸图像的整体特征,通过算法对人脸... 为了进一步提高人脸图像的识别率,提出了一种相关分析融合的人脸图像识别算法。首先通过采用压缩测量数据得到人脸图像,然后通过划分子模式的方法去除图像中的小样本,提取局部特征,采用成分分析提取人脸图像的整体特征,通过算法对人脸图像特征进行融合,从而消除人脸部冗余信息,最后通过3个人脸数据集对算法进行测试。仿真实验表明,本文的算法相对于参比算法,提高了人脸图像识别精度,具有很好的鲁棒性。 展开更多
关键词 稀疏差分 典型相关分析融合 人脸图像识别
下载PDF
相关子空间中的局部离群数据挖掘算法研究 被引量：17
3
作者 李永红 张继福 荀亚玲 《小型微型计算机系统》 CSCD 北大核心 2015年第3期460-465,共6页
针对高维数据集,采用局部稀疏差异和局部密度差异的度量因子,给出一种相关子空间中的局部离群数据挖掘算法.该算法根据K最近邻(K-NN),确定数据集中各数据对象的局部数据集,并依据属性值的稀疏因子生成全局的稀疏因子矩阵和局部稀疏因子... 针对高维数据集,采用局部稀疏差异和局部密度差异的度量因子,给出一种相关子空间中的局部离群数据挖掘算法.该算法根据K最近邻(K-NN),确定数据集中各数据对象的局部数据集,并依据属性值的稀疏因子生成全局的稀疏因子矩阵和局部稀疏因子矩阵,从而有效地反映了数据对象的局部稀疏程度;根据局部稀疏因子矩阵,计算属性维对应的局部稀疏差异因子,并确定数据对象对应的子空间定义向量,从而体现了具有任意性相关的相关子空间;如果数据对象存在相关子空间,则采用高斯误差函数体现相关子空间中各数据对象的局部密度差异,有效地降低了"维灾"的影响,使得离群数据的度量与相关子空间的维度无关,并能够度量相关子空间的数据对象,否则设置数据对象的局部密度差异为0,表明其为正常数据;选取局部密度差异(离群程度)最大的若干数据对象作为局部离群数据;最后采用UCI和恒星光谱数据集,实验验证了该算法的有效性. 展开更多
关键词 局部离群数据 高维数据集 局部稀疏差异 局部密度差异 相关子空间
下载PDF
稀疏差分网络和多监督哈希用于高效图像检索 被引量：4
4
作者 张志升 曲怀敬 +4 位作者 徐佳 王纪委 魏亚南 谢明 张汉元 《计算机应用研究》 CSCD 北大核心 2022年第7期2217-2223,共7页
针对基于深度哈希的图像检索中卷积神经网络(CNN)特征提取效率较低和特征相关性利用不充分的问题,提出一种融合稀疏差分网络和多监督哈希的新方法SDNMSH(sparse difference networks and multi-supervised hashing),并将其用于高效图像... 针对基于深度哈希的图像检索中卷积神经网络(CNN)特征提取效率较低和特征相关性利用不充分的问题,提出一种融合稀疏差分网络和多监督哈希的新方法SDNMSH(sparse difference networks and multi-supervised hashing),并将其用于高效图像检索。SDNMSH以成对的图像作为训练输入,通过精心设计的稀疏差分卷积神经网络和一个监督哈希函数来指导哈希码学习。稀疏差分卷积神经网络由稀疏差分卷积层和普通卷积层组成。稀疏差分卷积层能够快速提取丰富的特征信息,从而实现整个网络的高效特征提取。同时,为了更加充分地利用语义信息和特征的成对相关性,以促进网络提取的特征信息能够更加有效地转换为具有区分性的哈希码、进而实现SDNMSH的高效图像检索,采用一种多监督哈希(MSH)函数,并为此设计了一个目标函数。在MNIST、CIFAR-10和NUS-WIDE三个广泛使用的数据集上进行了大量的对比实验,实验结果表明,与其他先进的深度哈希方法相比,SDNMSH取得了较好的检索性能。 展开更多
关键词 图像检索 特征提取 特征相关性 稀疏差分网络 多监督哈希
下载PDF
高超声速滑翔飞行器再入轨迹快速、高精度优化 被引量：11
5
作者 赵吉松 张建宏 李爽 《宇航学报》 EI CAS CSCD 北大核心 2019年第9期1034-1043,共10页
针对高超声速滑翔飞行器再入轨迹优化问题,提出一种基于稀疏差分法和网格细化技术的快速、高精度求解方法。该方法应用局部配点法将再入轨迹优化问题转化为非线性规划(NLP)问题,从两方面提高轨迹优化的效率和精度。一方面,引入一种高效... 针对高超声速滑翔飞行器再入轨迹优化问题,提出一种基于稀疏差分法和网格细化技术的快速、高精度求解方法。该方法应用局部配点法将再入轨迹优化问题转化为非线性规划(NLP)问题,从两方面提高轨迹优化的效率和精度。一方面,引入一种高效的稀疏差分法计算NLP的一阶偏导数,提高NLP的求解效率;另一方面,提出一种基于新型广义二分网格的网格细化算法调整离散节点的数量和分布,使得方法能够采用较少的节点数目取得较高的优化精度,从而减小NLP的规模和计算量。应用该方法求解了高超声速滑翔再入轨迹优化问题,仿真结果表明所述方法能够快速生成一条严格满足各种约束的最优三维再入轨迹。在此基础上,研究了滑翔飞行器的再入落点区范围,进一步检验了该方法的有效性。 展开更多
关键词 高超声速 轨迹优化 稀疏差分 网格细化 落点区
下载PDF
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
使用帮助 返回顶部