您的位置: 专家智库 > >

国家自然科学基金(60805001)

作品数:4 被引量:8H指数:1
相关作者:郑忠龙畅雪萍杨杰谢陈毛更多>>
相关机构:浙江师范大学上海交通大学更多>>
发文基金:国家自然科学基金浙江省自然科学基金国家高技术研究发展计划更多>>
相关领域:自动化与计算机技术交通运输工程更多>>

文献类型

  • 4篇期刊文章
  • 2篇会议论文

领域

  • 6篇自动化与计算...
  • 1篇交通运输工程

主题

  • 2篇有监督学习
  • 2篇掌纹
  • 2篇掌纹识别
  • 2篇掌纹识别算法
  • 2篇散布矩阵
  • 2篇生物识别
  • 2篇双树复小波
  • 2篇双树复小波变...
  • 2篇小波
  • 2篇小波变换
  • 2篇矩阵
  • 2篇矩阵和
  • 2篇降维
  • 2篇复小波
  • 2篇复小波变换
  • 2篇波变换
  • 1篇单样本
  • 1篇单样本人脸识...
  • 1篇人脸
  • 1篇人脸识别

机构

  • 5篇浙江师范大学
  • 2篇上海交通大学

作者

  • 3篇郑忠龙
  • 2篇杨杰
  • 2篇畅雪萍
  • 1篇谢陈毛

传媒

  • 1篇计算机研究与...
  • 1篇电子学报
  • 1篇计算机工程
  • 1篇Journa...

年份

  • 1篇2011
  • 5篇2010
4 条 记 录,以下是 1-6
排序方式:
基于散布矩阵和双树复小波变换的掌纹识别算法
与掌纹线结构特征相比,掌纹纹理特征更易于提取及描述。但是直接从低分辨率的在线掌纹图像上提取的纹理特征表征能力有限。为了解决该问题,本文提出一种基于增强的纹理特征的掌纹识别算法。该方法利用散布矩阵(scatter maxt...
王艳霞孙广华
关键词:生物识别掌纹识别双树复小波变换散布矩阵
文献传递
基于稀疏表征的单样本人脸识别被引量:7
2010年
提出2种基于稀疏表征SRC的单样本人脸识别方法。通过Shift或PCA重构的方法产生冗余样本,将生成的新样本作为训练样本,运用SRC进行识别分类。在ORL人脸库上的实验证明,在单样本情况下,2种方法分别比原SRC方法提高了5.56%和1.67%。与Shiftedimages+PCA、Shiftedimages+LDA、PCA重构人脸图像+LDA、PCA、LDA等方法做比较,实验表明,2个方法均具有良好的识别性能。
畅雪萍郑忠龙谢陈毛
关键词:人脸识别单样本主成分分析
基于散布矩阵和双树复小波变换的掌纹识别算法
与掌纹线结构特征相比,掌纹纹理特征更易于提取及描述。但是直接从低分辨率的在线掌纹图像上提取的纹理特征表征能力有限。为了解决该问题,本文提出一种基于增强的纹理特征的掌纹识别算法。该方法利用散布矩阵(scatter maxt...
王艳霞孙广华
关键词:生物识别掌纹识别双树复小波变换散布矩阵
文献传递
等同邻域投影
2010年
在有监督学习中,每类数据具有独特的特性且类与类之间是独立的.受此启发,提出了基于等同邻域的投影算法.新算法通过计算一组基函数为每类数据在低维空间中寻找高度对称的等同邻域空间.等同邻域可以通过构建正则单纯形得到,基函数可以通过凸优化得到.对于测试样本,可以通过基函数映射到低维的等同邻域空间,与各等同邻域空间中心的距离决定其类别归属,而不必计算与所有训练样本间的距离.实验证明了新方法的有效性.
郑忠龙畅雪萍杨杰
关键词:流形学习降维有监督学习
Unusual Event Detection and Prediction in Real-life Scenes
2010年
In this paper,we consider unusual event detection problem in a novel viewpoint and provide an algorithm to solve the problem.The actions or events in the scene is usual or not will eventually be reflected on the changes of some basic features.We summarize these basic event features and propose special representation for each of them.Thus we can model these features in a uniform mode using adaptive Gaussian mixture model.Supervised and unsupervised unusual event detection algorithm can be designed to fit various situations based on this model.The superiority of our model is that it can detect unusual event automatically without to know the determinate model of unusual events.In conclusion,we provide two applications to verify the effectiveness of our model.
张一杨杰
拉普拉斯最大最小判别分析及应用被引量:1
2010年
提出了一种新的有监督降维方法:拉普拉斯最大最小判别分析(Laplacian MinMax Discriminant Analysis,LMMDA).LMMDA通过样本空间中成对点之间的距离定义类内和类间散度矩阵,并通过最小化类内散度、最大化类间散度以求得最优投影矩阵.在LMMDA最优子空间中,类内样本更为紧致,类间样本更为松弛.样本集的结构信息包含在类内、类间的Laplacian矩阵,并可以对最优投影子空间加以控制.在多个数据集上的实验证明了该算法的有效性.
郑忠龙杨杰
关键词:降维有监督学习
共1页<1>
聚类工具0