湖南省教育厅科研基金(11C0009)
- 作品数：4 被引量：7H指数：1
- 相关作者：胡蓉徐蔚鸿甘岚王建平戴花更多>>
- 相关机构：长沙航空职业技术学院长沙理工大学南京理工大学更多>>
- 发文基金：湖南省教育厅科研基金国家自然科学基金湖南省科技计划项目更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于贝叶斯理论和统计学习的视觉显著性检测
- 2012年
- 图像处理技术依赖于高质量的视觉显著图才能获得较好的处理结果,现有的视觉显著性检测方法通常只能检测得到粗糙的视觉显著性属性图,严重影响了图像处理的最终效果。为此,提出一种采用贝叶斯理论和统计学习的视觉显著性检测方法来检测图像的视觉显著性属性。该方法基于贝叶斯理论的静态图像的自上而下的显著性和整体显著性,将自上而下的知识和由下向上的显著性进行结合;针对特征整合问题,利用线性模型的加权线性组合方法和正规化神经网络相结合的非线性加权方法来研究与所有因素相关的权值参数。根据自下而上的视觉显著性模型在两个标准数据集中采用ROC曲线来进行定量评价,结果表明非线性组合效果优于线性组合。
- 戴花王建平
- 关键词：视觉显著性贝叶斯理论神经网络
- 一种连续增量学习模糊神经网络被引量：6
- 2013年
- 为获得快速、准确而精简的模糊神经网络,提出一种连续增量学习模糊神经网络(ISL-FNN).将修剪策略引入到神经元的产生过程,用错误下降率定义输入数据对系统输出的影响并应用于神经元的增长过程.在参数的学习阶段,所有隐含层神经元(无论是新增还是已有)的参数使用扩展的卡尔曼算法更新.通过仿真实验,该算法在达到与其它算法性能相当甚至更好的情况下,能获得更精简的结构.
- 胡蓉徐蔚鸿甘岚
- 关键词：模糊神经网络
- 一种有效的增量顺序学习模糊神经网络
- 2013年
- 利用误差下降率定义输入数据对系统输出的敏感性,并以此作为规则产生标准,提出一种有效增量顺序学习模糊神经网络.将修剪策略引入规则产生过程,因此该算法产生的模糊神经网络不需要进行修剪.通过仿真实验,本算法在达到与其他算法相当性能的情况下,能够获得更高的准确率和更简单的结构.
- 胡蓉徐蔚鸿
- 关键词：模糊神经网络
- 一种带修剪的增量极速学习模糊神经网络被引量：1
- 2013年
- 由Huang提出的extreme learning machine(ELM)批量学习算法在获得与其他算法相当的性能的同时显示出了极快的学习速度。为了实现在线增量学习,扩展了ELM方法,提出了一种带修剪的极速学习模糊神经网络。首先随机产生模糊神经网络前件参数和规则数量,然后使用SVD将规则按照重要性能排序,再使用留一法leave-one-out(LOO)选出最佳的模糊规则数,最后分析计算模糊规则的后件参数。在学习过程中无须保存过去的数据,真正实现了增量学习。当新的数据到来时,无须重新训练网络。通过仿真实验对该方法与其他算法进行了验证和比较,结果表明,在获得与其他算法类似的性能的情况下,该算法能够获得更加简洁的结构。
- 胡蓉徐蔚鸿
- 关键词：模糊神经网络径向基函数
