吴飞
- 作品数：35 被引量：79H指数：5
- 供职机构：南京邮电大学自动化学院更多>>
- 发文基金：国家自然科学基金江苏省普通高校研究生科研创新计划项目江苏省自然科学基金更多>>
- 相关领域：自动化与计算机技术理学文化科学更多>>
- 面向分类的增量字典学习算法被引量：1
- 2017年
- 针对面向分类的传统字典学习方法在大数据集上批量学习时计算代价较高的问题,提出一种类特定的增量式字典学习算法。该算法在初始训练集上进行类特定的字典学习得到初始字典,通过增量数据集选取增量字典原子初始值。根据不能在初始字典上稀疏表示且互信息最大的原则,从增量样本集中选取若干样本作为增量字典原子的初始值。在保持原有字典原子不变的情况下,迭代更新编码系数和增量字典原子,直至收敛得到新的字典。利用稀疏表示分类器,在Eclipse数据集和ORL人脸图像数据库上的实验结果验证了该算法的分类有效性和计算代价上的优越性。
- 张志武荆晓远吴飞
- 关键词：字典学习
- 局部广义张量鉴别分析
- 2015年
- 在过去十年里,致力于研究把线性鉴别分析扩展到更高阶数据分类,即多线性鉴别分析,以得到更好的鉴别效果。广义张量鉴别分析(GTDA)方法是其中最具代表性的算法之一。文中提出了一种新的多线性鉴别分析方法,即局部广义线性鉴别分析(LGTDA)方法。其利用张量样本的局部近邻信息重新定义了鉴别分析中的类间散度矩阵和类内散度矩阵,使得提出的方法比其他方法在投影空间中更好地保留原始空间的局部结构信息。另外,用多种特征提取技术提取出原始样本图片的各种信息构成文中算法的张量样本,充分利用了张量数据的优势。在AR和CAS-PEAL人脸数据库上的实验结果验证了文中方法的有效性。
- 葛祥龙荆晓远董西伟吴飞姚永芳
- 基于随机子空间的局部鉴别投影
- 2017年
- 针对高维数据容易对噪声敏感及容易造成维数灾难问题,文中提出基于随机子空间的局部鉴别投影算法(RSLDP).利用随机子空间方法对高维的原始数据进行特征选择,在生成的低维特征子空间构造近邻图,降低噪声影响.RSLDP通过最大化局部类间加权散度和最小化局部类内加权散度,同时最小化样本的总体局部散度,改进局部最大间距鉴别嵌入算法,较好刻画样本与其类间类内近邻中心点的关系,有利于鉴别特征的提取.在CMU PIE和AR这2个人脸数据库上的实验表明文中算法的有效性.
- 韩璐吴飞荆晓远
- 关键词：随机子空间人脸识别
- 基于用户可信度的Web服务推荐方法被引量：2
- 2018年
- 协同过滤是推荐系统中广泛使用的一种推荐技术,但是目前多数基于协同过滤的Web服务推荐算法默认用户反馈数据是可信的,没有考虑到用户反馈数据中会出现的一些范围异常数据和恶意评价数据。如果没有对含有这些干扰数据的用户进行处理,最终的预测结果会受到严重的影响。在分析了用户反馈的服务质量(Qo S)数据的基础上,提出了一种基于用户可信度的Web服务推荐方法。计算用户的可信度并根据可信度对用户进行聚类,选取可信度高的类别中的数据进行协同过滤完成推荐,排除了范围异常数据以及恶意评价数据的干扰,避免了对预测结果的影响,最后使用平均绝对误差和均方根误差评判预测结果。实验结果表明,该方法能有效提高Qo S预测的准确率和Web服务的推荐质量。
- 曹继承朱小柯荆晓远吴飞
- 关键词：协同过滤聚类
- 自适应蝙蝠算法优化的模糊聚类及其应用被引量：11
- 2019年
- 随着信息网络技术的飞速发展,如何对规模庞大的网络数据准确高效聚类并合理应用显得尤为重要。虽然模糊C均值聚类算法(FCM)已具有良好的聚类效果,但其对初始化敏感,在处理高维大规模网络数据时易陷入局部极值问题还未被完全克服。为了解决这两个问题,提出一种分布熵和平均位距改进的自适应蝙蝠算法,利用该算法对模糊C均值的参数进行优化。在此之上,将自适应蝙蝠算法优化的模糊聚类应用于异常检测领域,提出了一种自适应蝙蝠算法优化的模糊聚类异常检测算法。理论分析和仿真实验表明,与前沿的粒子群优化FCM异常检测算法和FCM异常检测算法相比,该算法具有更好的聚类效果和检测性能。
- 崔芳怡荆晓远董西伟吴飞孙莹
- 关键词：模糊C均值模糊聚类异常检测
- 无人驾驶中3D目标检测方法研究综述被引量：12
- 2019年
- 随着激光雷达、RGB摄像头等传感器在无人驾驶领域的广泛应用,2D目标检测已不能满足无人驾驶车辆感知环境的需要。在对现有3D目标检测算法文献研究的基础上,介绍了基于RGBD、激光点云与传感器融合的3D目标检测算法,并对上述三类算法的改进方法进行了系统阐述。介绍了常用评判检测算法的测试数据集,展望了3D目标检测算法的研究前景。
- 季一木陈治宇田鹏浩吴飞吴飞吴飞刘尚东王娜毕强
- 关键词：目标检测激光点云传感器融合
- 基于半监督集成学习的软件缺陷预测被引量：8
- 2017年
- 在软件缺陷预测中,标记样本不足与类不平衡问题会影响预测结果.为了解决这些问题,文中提出基于半监督集成学习的软件缺陷预测方法.该方法利用大量存在的未标记样本进行学习,得到较好的分类器,同时能集成一系列弱分类器,减少多数类数据对预测产生的偏倚.考虑到预测风险成本问题,文中还采用训练样本集权重向量更新策略,降低有缺陷模块预测为无缺陷模块的风险.在NASA MDP数据集上的对比实验表明,文中方法具有较好的预测效果.
- 王铁建吴飞荆晓远
- 关键词：软件缺陷预测半监督学习
- 基于流形学习的整体正交稀疏保留鉴别分析被引量：1
- 2014年
- 稀疏保留投影是一种有效的特征提取方法,但是其主要关注样本间的全局稀疏重构关系,并且得到的投影变换通常不是正交的。在实际应用中,图像数据往往处于高维空间中的一种低维流形中,正交性一直被认为有利于提高鉴别能力。文中以有监督学习的方式在稀疏保留投影中引入了流形结构保留,并使得投影空间正交,从而提出了一种新的特征提取方法,即基于流形学习的整体正交稀疏保留鉴别分析(MLHOSDA)。在人脸和掌纹图像数据库的实验结果表明此方法具有较好的识别效果。
- 吴飞荆晓远李文倩姚永芳
- 关键词：特征提取流形学习有监督学习
- 基于集成学习的软件缺陷检测被引量：2
- 2015年
- 近年来,使用机器学习方法来预测软件缺陷得到了广泛的关注。在实际工程中,软件缺陷特征的构造需要相关领域知识及大量时间,使得到的软件特征一般较少。并且,有缺陷的软件样本会大大少于无缺陷的软件样本,造成样本的高度不平衡。这里,通过显式的特征构造方法,把有限的原特征映射到高维度的特征空间;通过改进的Bagging以及随机特征子空间的方法,在得到类平衡的训练样本集的同时,提高模型的泛化能力。通过上述方法,得到一系列弱分类器。最后,使用一个简单的线性分类器训练得到各个弱分类器的权重来融合所有弱分类器,得到更好的分类效果。
- 黄文聪荆晓远姚永芳吴飞
- 关键词：软件缺陷检测特征构造
- 有监督鉴别哈希跨模态检索被引量：2
- 2019年
- 随着大数据时代的到来,利用哈希方法实现对异质多模态数据的快速跨模态检索受到越来越多的关注。为了获取更好的跨模态检索性能,提出有监督鉴别跨模态哈希算法。利用对象的标签信息对所要生成的哈希码进行约束。算法中的线性分类项和图拉普拉斯算子项分别用于提升哈希码鉴别能力和保留模态间相似性。对算法的目标函数利用迭代法进行求解。该算法在两个基准数据集的实验结果展现出优于目前最前沿的跨模态哈希检索方法。
- 朱治兰荆晓远董西伟吴飞
- 关键词：哈希
