国家教育部博士点基金(20113704110001)
- 作品数：38 被引量：65H指数：4
- 相关作者：张化祥刘丽计华高爽房晓南更多>>
- 相关机构：山东师范大学山东省分布式计算机软件新技术重点实验室更多>>
- 发文基金：国家教育部博士点基金国家自然科学基金山东省自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 子模式局部保持映射人脸识别
- 2012年
- 研究表明基于整体思想的人脸识别方法由于忽略图像的局部信息,在识别性能方面不如局部信息特征保持较好的基于子模块思想的识别算法。基于应用流形技术对图像降维后能够较好保持非线性子流形中的局部数据流形结构,提出了一种改进的子模式局部保持映射人脸识别算法。其主要思想是将同类的不同图像一并划分子集,由同位置子图组成子模块,并对子模块运用LPP算法学习其流形结构,与将不同类图像一并划分子集学习流形的方法不同。实验表明,该算法能更好地保持人脸图像的局部流形结构和信息特征,提高了识别率。
- 曹林林张化祥王至超
- 关键词：人脸识别子模式局部保持映射流形学习
- 基于约束三角剖分的k-means聚类
- 2013年
- 提出基于约束三角剖分的k-means聚类算法.笔者首先按照约束三角剖分规则对数据点集进行三角网格化,删除大于给定阈值的长边形成k个连通子图,每个连通子图作为一个子类；然后对删除长边的孤立数据点在其邻域内进行局部划分,将其归到最接近的子类中.实验结果表明本文算法无需事先输入聚类数目,可以发现任意非凸形状簇.
- 王俊杰刘丽
- 关键词：K-MEANS聚类
- 基于局部近邻相关性的多标记算法被引量：4
- 2014年
- 通过近邻样例类标记确定测试样例类标记的思想在多标记分类算法中取得了良好的效果。该类算法通过对训练集进行学习,建立训练样例类标记与其k个近邻样例中不同类标记样例个数的映射关系,然后用该映射关系预测测试样例的类标记。该类算法的不足是只考虑近邻样例中不同类别样例的个数与测试样例类标记的映射关系,忽略了近邻样例与测试样例的局部相关性。考虑训练样例类与近邻样例的局部相关性,建立起它们类别间的映射关系,预测测试样例类标记,提出ML-WKNN算法。实验表明,ML-WKNN能更好地处理多标记分类问题和自动图像标注问题。
- 郑希源张化祥
- 关键词：多标记学习K近邻
- 基于改进FCM算法和贝叶斯分类的图像自动标注被引量：1
- 2013年
- 为跨越高层语义概念与底层视觉特征之间的语义鸿沟,本研究提出一种新的图像自动标注方法。该方法首先采用灰度直方图方法对图像分割并提取图像区域的纹理特征,然后利用FCM算法中增大关联度高的特征权重更好地实现对分割后图像区域的聚类效果。最后改进贝叶斯分类器建立图像区域和语义概念间的关联模型,通过比较测试图像和训练图像间的最大相似度实现测试图像的自动标注。在Corel通用图像数据集上与其他几种方法进行了对比实验,实验结果表明改进后的标注方法优于传统标注方法。
- 朱娜娜张化祥刘丽
- 关键词：灰度直方图纹理特征贝叶斯分类图像自动标注
- 基于颜色和边缘方向的图像检索方法被引量：5
- 2016年
- 提出了一种新的图像特征表示方法,首先提取图像的底层颜色信息获取颜色特征值,通过对图像中物体的边缘检测计算像素点的边缘方向角度值,并对颜色特征值和边缘方向角度值进行量化。然后根据相邻像素点之间量化结果的数值分析,为每个像素点建立8维特征向量。再以中心像素点与相邻像素点间不同的位置关系为基础,为每种位置关系赋予不同的权重,根据像素点的特征向量计算出图像中每一个像素点的特征值。最后统计图像中具有相同特征值的像素点个数,形成特征直方图,以此作为图像检索的依据。实验表明本文方法能够有效描述图像的颜色分布和图像中物体的空间结构,更加细致地记录图像信息,进一步增强图像之间的区分能力。与其他方法相比,本文方法检索效果更好。
- 赵猛张化祥刘丽
- 关键词：HSV颜色空间
- 基于标记特征的多标记学习改进算法被引量：1
- 2013年
- 基于标记特征的多标记分类算法通过对标记的正反样例集合进行聚类,计算样例与聚类中心间的距离构造样例针对标记的特征子集,并生成新的训练集,在新的训练集上利用传统的二分类器进行分类。算法在构造特征子集的过程中采用等权重方式,忽略了样例之间的相关性。提出了一种改进的多标记分类算法,通过加权方式使生成的特征子集更加准确,有助于提高样例的分类精度。实验表明改进的算法性能优于其他常用的多标记分类算法。
- 邱继钊计华张化祥
- 关键词：聚类中心加权多标记学习
- 基于I2C距离和标记相关性的多标记场景分类被引量：2
- 2014年
- 将改进的ML-I2C与基于标记相关性的方法结合,提出一种改进的多标记场景分类方法。首先提取所有图像的SURF特征,将每个类用一个特征集来表示;然后采用改进的I2C方法来计算待测图像与已知类之间的距离,根据距离进行标记排序;最后根据排序,利用标记相关性来预测待测图像的所有可能标记。实验结果表明,该方法对多标记场景分类的准确率较高。
- 郝虹计华张化祥刘丽
- 关键词：多标记学习卡方检验
- 用于多标记学习的局部顺序分类器链算法被引量：2
- 2013年
- 标记间的相关性在分类问题中具有重要作用,目前有研究将标记相关性引入多标记学习,通过分类器链的形式将标记结果引入属性空间,为学习其他标记提供有用信息。分类器链中标记的预测顺序具有随机性,分类结果存在着很大的不确定性与不稳定性,且容易造成错误信息的传播。为此充分考虑标记的局部分布特性,提出了一种局部顺序分类器链算法,解决分类器链中分类器顺序问题。实验表明,该算法性能优于其他常用多标记学习算法。
- 邱继钊计华张化祥
- 关键词：多标记学习K-近邻
- 基于全局距离和类别信息的邻域保持嵌入算法被引量：2
- 2016年
- 提出一种基于全局距离和类别信息的邻域保持嵌入算法。该方法在使用欧氏距离构造邻域图中,加入表征全局距离的全局因子和表示类别信息的函数项,全局因子可以使分布不均匀的样本变得平滑均匀,类别信息可以使同类样本点紧凑异类样本点疏离,通过提高所选邻近点的质量,优化数据的局部邻域,使降维后的数据具有更好的可分性。试验结果表明,该算法具有较高的准确率,优于传统的邻域保持嵌入算法。
- 梅清琳张化祥
- 关键词：降维类别信息
- 基于近邻加权及多示例的多标记学习改进算法
- 2013年
- 多数多标记学习方法通过在输出空间中,单示例同时与多个类别标记相关联表示多义性,目前有研究通过在输入空间将单一示例转化为示例包,建立包中多示例与多标记的联系。算法在生成示例包时采用等权重平均法计算每个标记对应样例的均值。由于数据具有局部分布特征,在计算该均值时考虑数据局部分布,将会使生成的示例包更加准确。本论文充分考虑数据分布特性,提出新的分类算法。实验表明改进算法性能优于其他常用多标记学习算法。
- 李雅林张化祥张顺
- 关键词：多示例学习K近邻
