楼宋江
- 作品数：7 被引量：21H指数：4
- 供职机构：台州学院数学与信息工程学院更多>>
- 发文基金：国家自然科学基金浙江省自然科学基金浙江省教育科学规划课题更多>>
- 相关领域：自动化与计算机技术文化科学更多>>
- 一种局部稀疏判别投影算法被引量：5
- 2013年
- 提取有效特征是模式识别中的关键步骤。流形学习算法能有效处理样本的非线性,而稀疏表示表现出具有较好的鲁棒性。为了提取具有判别特性和鲁棒的特征,本文结合稀疏表示和判别准则,提出了一种局部稀疏表示和判别分析的特征提取算法,即局部稀疏判别投影算法,并应用于人脸识别。算法通过保持数据间的局部稀疏性和最大化不同类圳数据间的可分性,使得降维后的数据具有稀疏性和可分性,因此有利于后续的分类。在ORL和YALE两个开放人脸数据库上进行了实验,实验结果表明,算法具有较高的识别性,验证了算法的正确性和有效性。
- 楼宋江赵小明张石清
- 关键词：流形学习数据降维人脸识别
- 不确定时间序列数据库中概率K最近邻查找被引量：1
- 2013年
- 为了对不确定时间序列上的概率K进行最近邻查找,该文从降维和索引剪枝两方面进行了研究。针对不确定时间序列的高维度性和不确定性两方面的复杂性,基于点对线性近似降维方法,提出了关于安全剪枝、最近邻概率计算以及最近邻概率上限计算的3个定理,用以提高查找效率。在此基础上,给出了不确定时间序列概率K最近邻查找算法,解决了高维度不确定时间序列查找中的维灾问题,具有较高的查找效率。实验结果验证了算法的有效性和效率。
- 钱爱玲丁晓峰卢炎生李永锋楼宋江
- 关键词：最近邻时间序列不确定性降维剪枝
- ABET视角下的美国计算机专业人才培养模式研究被引量：4
- 2015年
- 基于ABET认证的视角,从教育理念、专业培养目标、课程体系、教学组织和教学管理等方面详细介绍了美国杰克逊维尔州立大学计算机本科专业的人才培养模式,为进一步树立"以学生为中心"的教学理念,提高我国计算机专业的人才培养质量提供新的思路。
- 郭文平陈盈楼宋江闯跃龙
- 关键词：ABET计算机专业
- 基于感知哈希的作业相似度检测被引量：4
- 2016年
- 现有抄袭检测多以文本的字符串匹配实现,无法检测图片作业,有一定局限性。提出一种将文本作业转化为图片,应用感知哈希算法获取图片特征值并计算图片相似度的方法,实现作业的抄袭检测。实验表明,该方法在一定的检测速度下,能保证低误判率和查准率。
- 干丽萍许易楼宋江陈盈
- 关键词：抄袭检测感知哈希图像特征
- 一种局部敏感的核稀疏表示分类算法被引量：4
- 2014年
- 为了克服核稀疏表示分类(KSRC)算法无法获取数据的局部性信息从而导致获取的稀疏表示系数判别性受到限制的不足,提出一种局部敏感的KSRC(LS-KSRC)算法用于人脸识别。通过在核特征空间中同时集成稀疏性和数据局部性信息,从而获取具有良好判别性的用于分类的稀疏表示系数。在标准的ORL人脸数据库和Extended Yale B人脸数据库的试验结果表明,本文方法的分类性能优于传统的(KSRC)算法、稀疏表示分类(SRC)算法、局部线性约束编码(LLC)、支持向量机(SVM)、最近邻法(NN)以及最近邻子空间法(NS),用于人脸识别能够取得优越的分类性能。
- 张石清赵小明楼宋江闯跃龙郭文平陈盈
- 关键词：数据局部性人脸识别
- 结合区域和边界信息的图像显著度检测被引量：1
- 2016年
- 目的图像显著度检测是许多图像应用的核心问题,为了能够在复杂背景下准确提取图像中前景对象的位置和尺度信息,提出一种结合区域和边界信息的图像显著度检测方法。方法对于图像区域信息,提出一种基于图像等照度线的方法检测显著区域信息。该方法针对不同的特征(颜色、亮度和方向)提出统一的计算方法,使得不同特征下获得的显著信息具有一致的度量标准,从而方便后续多特征显著度图的融合。对于图像边界信息,采用一种结合多尺度Beltrami过滤器的全局方法检测显著边界信息。多尺度Beltrami过滤器可以显著增强图像中的边界信息。利用全局显著度检测方法对经过过滤器处理过的图像可以准确地获取图像中最为显著的边界信息。最后,由于区域和边界分别代表图像中的不同类型信息,可以直接采用线性融合方式构建最终的图像显著度图。结果与其他9种流行图像显著度检测算法相比,本文算法无论在简单还是复杂背景下均能够较为准确地检测出图像中的显著度信息(Precision、Recall、F测试中获得的平均值为0.590 5,0.655 4,0.747 0的最高测试结果)。结论提出一种结合区域和边界信息的图像显著度检测算法,通过区域和边界信息相结合的方式实现图像中显著对象的准确检测。实验结果表明本文算法具有良好的适用性和鲁棒性,为图像中复杂背景下对象检测打下坚实基础。
- 闯跃龙楼宋江张石清郭文平赵小明
- 融合局部思想和协作表达的鲁棒分类被引量：2
- 2015年
- 目的协作表达分类算法在人脸识别实验上表现出较好的性能,但其未考虑样本的局部特性,且算法只能处理测试样本中的噪声,未能有效处理训练样本集中的噪声。针对这两个问题,提出融合局部思想和协作表达的鲁棒分类算法。方法一方面,在训练集上,通过奇异值分解SVD得到其有效表达,丢弃一些噪声;另一方面,算法考虑数据的局部相似性,以保持测试样本与其相邻训练样本之间的相似性。结果本文算法能得到一个闭式(closed-form),可避免稀疏表示分类算法中由于迭代引起的高时间复杂度问题,在ORL、扩展YALEB和PIE人脸库上的识别率分别可达91.4%,93.8%和93.2%,与同类算法相比识别率有较大幅度地提高;实验结果验证了算法所得到的系数具有较高的判别能力。结论算法将训练样本进行奇异值分解得到"干净"的训练样本,能在一定程度上消除噪声的影响,且在协作表达的基础上,考虑测试样本和与之相邻的训练样本的局部相似性,相比原始的协作表达分类算法有更好的稳定性和鲁棒性。
- 楼宋江赵小明于海涛张石清
- 关键词：鲁棒性人脸识别
