公共文化服务平台

共 7 条记录，以下是 1-7

全选清除导出

排序方式：

最大局部加权均值差异嵌入被引量：4: 2013年; 最大均值差异嵌入(Maximum Mean Discrepancy Embedding,MMDE)作为一种基于最大均值差异(MaximumMean Discrepancy,MMD)度量的特征提取方法被成功地运用.然而通过分析得知,该方法在处理原始输入空间上的特征提取问题时一定程度上缺乏适应性.因此本文在MMD准则的基础上,并结合已经被广泛研究和探讨的局部学习方法,提出一个新的评价度量:最大局部加权均值差异(Maximum LocalWeightedMean Discrepancy,MLMD),该度量反映源域和目标域分布差异时能充分考虑两个区域内在的局部结构,同时还能通过局部分布差异去反映全局分布差异.本文还在此度量的基础上提出一种能实现迁移学习任务并具有一定局部学习能力的特征提取方法:最大局部加权均值差异嵌入(Maximum Local WeightedMean Discrepancy Embedding,MWME).该方法不但能完成传统意义上的特征提取,同时还能完成在两个分布存在差异但相关的两个区域上实现领域适应学习,从而表明该特征提取方法具有较好的鲁棒性和适应性.实验证明MLMD准则和MWME方法具有上述优势.; 皋军黄丽莉; 关键词：特征提取

基于局部加权的非线性特征提取方法被引量：1: 2013年; 针对KLDA中存在的问题,结合局部加权的基本原理,提出一种具有一定局部学习能力的有监督的非线性特征提取方法———基于局部加权的非线性特征提取方法,该方法不仅能克服KLDA方法中的小样本问题,同时还能较好地反映局部区域内不同样本对保持局部结构贡献程度的不同.通过在数据集上的测试说明了算法的有效性.; 黄丽莉皋军; 关键词：图像处理特征提取方法

一种基于局部加权均值的领域适应学习框架被引量：8: 2013年; 最大均值差异(Maximum mean discrepancy,MMD)作为一种能有效度量源域和目标域分布差异的标准已被成功运用.然而,MMD作为一种全局度量方法一定程度上反映的是区域之间全局分布和全局结构上的差异.为此,本文通过引入局部加权均值的方法和理论到MMD中,提出一种具有局部保持能力的投影最大局部加权均值差异(Projected maximum local weighted mean discrepancy,PMLWD)度量,结合传统的学习理论提出基于局部加权均值的领域适应学习框架(Local weighted mean based domain adaptation learning framework,LDAF),在LDAF框架下,衍生出两种领域适应学习方法:LDAF MLC和LDAF SVM.最后,通过测试人工数据集、高维文本数据集和人脸数据集来表明LDAF比其他领域适应学习方法更具优势.; 皋军黄丽莉孙长银

基于局部子域的最大间距判别分析被引量：4: 2014年; 线性判别分析(LDA)作为一种经典的特征提取方法被广泛地加以研究和运用,然而LDA作为全局判别准则在一定程度上忽视了样本空间的局部结构和局部信息.为此,通过引入局部加权均值(LWM)并结合最大间距判别分析(MMC)提出了具有一定局部学习能力的有监督的特征提取方法—–基于局部加权均值的最大间距判别分析(LBMMC).算法结合了QR分解技术,提高了其执行效率,并通过在数据集上的测试结果表明了该算法的有效性.; 皋军黄丽莉王士同; 关键词：线性判别分析 QR分解

基于特征线子空间嵌入的非线性特征提取方法被引量：1: 2013年; 针对最近特征线子空间特征提取方法中所存在的问题,结合最大间距判别分析,提出一种具有一定局部学习能力的、有监督的非线性特征提取方法:基于特征线子空间嵌入的非线性特征提取方法,即该特征提取方法不但能克服特征线方法所存在的小样本问题,同时能一定程度上提高其处理非线性数据的能力。通过在数据库上进行实验,结果表明该方法具有优势。; 黄丽莉; 关键词：小样本问题

基于局部加权的非线性特征提取方法: 针对KLDA中存在的问题,结合局部加权的基本原理,提出一种具有一定局部学习能力的有监督的非线性特征提取方法——基于局部加权的非线性特征提取方法,该方法不仅能克服KLDA方法中的小样本问题,同时还能较好地反映局部区域内不同...; 黄丽莉皋军; 关键词：精度控制; 文献传递

基于矩阵模式的局部子域最大间距判别分析: 2014年; 矩阵模式的Fisher线性判别准则(MatFLDA)作为近几年矩阵模式下的经典特征提取方法被广泛地加以研究和运用。然而MatFLDA方法作为全局判别准则一定程度上忽视了样本空间内在的局部结构和局部信息。在矩阵模式下,引入局部加权均值(LWM)并结合最大间距判别分析(MMC),提出一种具有局部学习能力的有监督的特征提取方法:基于矩阵模式的局部子域最大间距判别分析(Mat-LSMMC),提高了MatFLDA方法的局部学习能力,具有较强的特征提取能力。通过测试人造、真实数据集来表明所提方法的优势。; 黄丽莉

全选清除导出

共1页<1>

黄丽莉