您的位置: 专家智库 > >

黑龙江省自然科学基金(F9608)

作品数:2 被引量:3H指数:1
相关作者:孙名松杜春燕张立新孙博文更多>>
相关机构:哈尔滨理工大学更多>>
发文基金:黑龙江省自然科学基金更多>>
相关领域:自动化与计算机技术电子电信更多>>

文献类型

  • 2篇中文期刊文章

领域

  • 1篇电子电信
  • 1篇自动化与计算...

主题

  • 1篇增量支持向量...
  • 1篇支持向量
  • 1篇支持向量机
  • 1篇图像
  • 1篇图像编码
  • 1篇图像压缩
  • 1篇向量
  • 1篇向量机
  • 1篇小波
  • 1篇小波变换
  • 1篇小波变换法
  • 1篇块效应
  • 1篇加权
  • 1篇加权算法
  • 1篇分形
  • 1篇分形图
  • 1篇分形图像
  • 1篇分形图像压缩
  • 1篇变换法
  • 1篇波变换

机构

  • 2篇哈尔滨理工大...

作者

  • 2篇孙名松
  • 1篇孙博文
  • 1篇张立新
  • 1篇杜春燕

传媒

  • 1篇哈尔滨理工大...
  • 1篇计算机技术与...

年份

  • 1篇2011
  • 1篇2003
2 条 记 录,以下是 1-2
排序方式:
基于小波变换法消减分形图像压缩中的块效应
2003年
针对分形图像压缩方法中没有解决的块效应缺欠,提出用小波与分形相结合的方法进行图像压缩,打破“块”的界限,使小波域上集中分布在边缘上的误差在更大的范围内“稀释”.实验表明,此方法与传统方法相比,可降低块效应系数48%以上,从而较好地解决了压缩中的块效应问题.
孙名松孙博文
关键词:小波变换法图像压缩分形块效应图像编码
增量支持向量机算法研究被引量:3
2011年
在进行增量学习时,随着新增样本的不断加入,致使训练集规模不断扩大,消耗大量计算资源,寻优速度缓慢。在深入研究了支持向量分布的特点的基础上提出了分治加权增量支持向量机算法。该算法有效利用了广义KKT条件和中心距离比值,舍弃对后续训练影响不大的样本,得到边界支持向量集,对训练样本进行有效的淘汰。将所剩样本合并,进行加权处理,解决某些样本严重偏离所属的类别,对正常分布的样本不公平的问题。实验结果表明,该方法在保证分类精度的同时,能有效地提高训练速度。
孙名松张立新杜春燕
关键词:支持向量机加权算法
共1页<1>
聚类工具0