陈晓云
- 作品数：99 被引量：522H指数：11
- 供职机构：福州大学更多>>
- 发文基金：国家自然科学基金福建省自然科学基金教育部“新世纪优秀人才支持计划”更多>>
- 相关领域：自动化与计算机技术理学文化科学天文地球更多>>
- 基于符号化表示的时间序列频繁子序列挖掘被引量：3
- 2008年
- 提出一种新的基于符号化表示的时间序列频繁子序列的挖掘算法。利用基于PAA的分段线性表示法进行降维,通过在高斯分布下设置断点,实现时间序列符号化表示,利用投影数据库挖掘频繁子序列。该算法简单、新颖,运行快速,简化了子序列支持数的计算。
- 胡晓琳陈晓云
- 关键词：数据挖掘时间序列符号化
- 数据仓库数据析取工具的设计与实现被引量：8
- 2002年
- 针对数据仓库中的数据析取问题 ,以通用性为目标 ,分析、设计并利用MicrosoftSQLServer 7.0的DTS编程接口实现了数据析取工具 。
- 陈晓云郭朝珍
- 关键词：数据仓库数据析取数据结构
- 特征组合和多模块学习的视网膜血管分割被引量：3
- 2019年
- 有监督的学习方法用于视网膜血管分割须以专家手动标记好的视网膜血管为标准,存在训练样本获取困难且训练时间长等不足。针对这些缺点,提出一种基于特征组合的多模块无监督学习方法,提取眼底图像素的不变矩、Hessian矩阵、相位一致性、Gabor小波变换、Candy边缘共18维特征向量,采用多模块k-means方法进行视网膜血管分割。实验结果表明,该方法简单,具有较好的准确度,且时间开销少。
- 陈莉陈晓云
- 关键词：K-MEANS
- 利用小波进行基于形状和纹理的图像分类被引量：9
- 2007年
- 提出一种基于小波的形状和纹理联合特征的图像分类方法。先对图像进行二维小波变换以得到边缘图像,再提取边缘图像的7个边界不变矩组成图像的形状特征向量;在实验中,发现大多数情况下,图像背景的干扰信息大于其对分类的贡献,因此对图像去除其背景,然后在灰度共现矩阵的基础上,计算5个二次统计量作为其纹理特征;最后联合形状和边缘特征向量,并对其进行高斯归一化,用SVM进行分类。结果表明,该方法具有明显的优越性和较强的实用性。
- 杨杰陈晓云徐荣聪
- 关键词：图像分类小波纹理特征不变矩
- 局部和稀疏保持无监督特征选择法
- 2015年
- 利用局部保持投影和稀疏保持投影来刻画数据的本质结构,结合L2,1范数的组稀疏性来选择特征,提出一种新的针对高维小样本数据集的无监督特征选择算法.实验表明:局部和稀疏保持无监督特征选择法是一种有效的无监督特征选择方法;平衡参数对实验结果有较大的影响.
- 简彩仁陈晓云
- 关键词：局部保持投影聚类
- 基于稀疏表示和最小二乘回归的基因表达数据分类方法被引量：5
- 2015年
- 提出基于稀疏表示和最小二乘回归的分类方法:用训练样本重构测试样本,先利用稀疏表示剔除噪声样本,接着用最小二乘回归和最近邻子空间准则对样本分类,可以克服传统分类方法存在的过拟合问题.在6个基因表达数据上的实验结果表明,该方法可以提高分类准确率.
- 简彩仁陈晓云
- 关键词：基因表达数据
- 多非线性多视角局部保持投影的步态识别被引量：1
- 2019年
- 已知样本与待识别样本的视角差异是影响步态识别精度的主要因素,子空间方法将不同视角的步态投影到公共子空间,能有效避免视角差异的影响.但现有方法多通过学习投影矩阵对样本进行线性投影,难以保持多视角步态数据的原始非线性结构.针对于此,本文提出多非线性多视角局部保持投影.先用非线性函数族实现样本的多次非线性投影,再基于局部结构保持原则将不同视角的样本投影到公共子空间,最后在公共子空间中进行最近邻分类识别.在多视角步态库CASIA(B)进行步态识别实验,结果表明本文方法在多种视角组合下优于其它投影方法.
- 陈晓云康叶媛叶先宝
- 关键词：步态识别非线性函数局部保持投影
- 潜在最小二乘回归子空间分割方法被引量：3
- 2016年
- 子空间分割已逐渐成为高维数据聚类的有效工具,但数据缺失或噪声干扰将直接影响子空间分割方法中仿射矩阵的构造,进而影响聚类效果.为解决这一问题,文中提出潜在最小二乘回归子空间分割方法,分别从行和列两个方向重构数据矩阵,并交替优化两个重构系数矩阵,充分考虑两个方向的表示信息.在6个基因表达数据集上的实验表明文中方法优于现有子空间分割方法.
- 陈晓云陈慧娟
- 关键词：基因表达数据谱聚类
- 一种图像像素缺失的人脸识别方法
- 本发明涉及一种图像像素缺失的人脸识别方法，包括以下步骤：步骤S1：对人脸图像数据进行预处理；步骤S2：结合低秩矩阵填充模型和低秩表示分类模型对待测样本集学习关于训练样本集的表示，同时对训练样本集的缺失项进行填充；步骤S3...
- 陈晓云王彬福陈智平庄姗姗
- 文献传递
- 基于INCA的肿瘤基因表达谱分类模型被引量：1
- 2014年
- 针对NCA算法对初始值敏感的不足,提出一种改进的NCA算法(INCA).INCA对肿瘤基因表达谱进行奇异值分解,将标准化后的右奇异矩阵作为初始值,提取肿瘤基因表达谱中的分类信息.在4个标准肿瘤基因表达谱数据集上进行实验,以INCA作为特征提取方法,K-近邻、Parzen窗作为分类器进行分类检测.实验结果表明,与NCA及现有的分类模型相比,基于INCA的分类模型能够取得较高的分类准确率.
- 潘江山陈晓云董红玉
- 关键词：肿瘤基因表达谱奇异值分解
