您的位置： 专家智库 > >

刘建军

作品数：17 被引量：26H指数：3
供职机构：国防科学技术大学电子科学与工程学院ATR国家重点实验室更多>>
发文基金：国家自然科学基金国家重点实验室开放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电子电信更多>>

合作作者

文献类型

  • 12篇期刊文章
  • 3篇会议论文
  • 2篇学位论文

领域

  • 16篇自动化与计算...
  • 1篇电子电信

主题

  • 10篇RSOM
  • 7篇图像
  • 7篇聚类
  • 4篇神经网
  • 4篇神经网络
  • 4篇模式识别
  • 4篇局部不变特征
  • 3篇数据聚类
  • 3篇网络
  • 3篇目标识别
  • 3篇集群系统
  • 3篇分布式
  • 3篇尺度不变特征
  • 2篇图模型
  • 2篇图像检索
  • 2篇图像检索方法
  • 2篇图像目标
  • 2篇图像目标识别
  • 2篇熵函数
  • 2篇聚类树

机构

  • 17篇国防科学技术...
  • 4篇上海交通大学
  • 1篇约克大学
  • 1篇中南大学

作者

  • 17篇刘建军
  • 13篇夏胜平
  • 10篇郁文贤
  • 3篇胡卫东
  • 3篇虞华
  • 3篇袁振涛
  • 3篇宋锐
  • 2篇张乐锋
  • 2篇祝一薇
  • 2篇李新光
  • 1篇谭立球
  • 1篇郑君君
  • 1篇张乐峰
  • 1篇吕小军

传媒

  • 2篇系统工程与电...
  • 2篇电子学报
  • 2篇信号处理
  • 1篇计算机工程
  • 1篇计算机仿真
  • 1篇计算机与现代...
  • 1篇郑州大学学报...
  • 1篇山东大学学报...
  • 1篇中国图象图形...
  • 1篇2005第一...
  • 1篇第十四届全国...

年份

  • 3篇2011
  • 4篇2010
  • 5篇2009
  • 2篇2007
  • 1篇2006
  • 2篇2005
共 17 条 记 录，以下是 1-10
全选 清除 导出
排序方式：
基于超图模型的图像目标识别被引量：2
2010年
基于类属超图模型给出简单图像和复杂图像目标的识别方法。通过提取简单图像的稳健尺度不变特征变换特征,得到其对应的属性图,采用RSOM聚类树的思想和K近邻方法快速实现对简单图像的目标识别。复杂图像存在较大的背景干扰和遮挡的影响,通过滑动窗方法在待识别图像中定位待识别目标区域,并将该区域从待识别图像中分出,然后采用与简单图像识别方法类似的方法完成目标识别,减少背景干扰和遮挡的影响。仿真实验表明,2种图像目标识别方法是有效的。
刘建军祝一薇李新光夏胜平郁文贤
关键词：尺度不变特征变换目标识别
基于前馈神经网络的增量学习研究被引量：2
2009年
增量学习是一种在巩固原有学习成果和不需要用到原有数据的情况下快速有效地获取新知识的学习模式。本文阐述了基于前馈神经网络的增量学习原理,在此基础上对主要的增量学习算法进行了详细的介绍和分析,最后对增量学习研究进行了总结和展望。
刘建军胡卫东郁文贤
关键词：模式识别神经网络
基于RSOM聚类的局部线性嵌入算法
2009年
局部线性嵌入算法(locally linear embedding,LLE)是一种非线性降维方法。当数据量较大时,算法计算效率较低,算法运行所占用的内存空间较大。为了提高LLE算法的计算效率和减小算法运行时占用的内存空间,给出了基于RSOM(Recursive SOM)树聚类的LLE算法,通过RSOM树对数据集进行聚类,在保证输入样本依概率分布的同时显著降低算法复杂度,提高了映射效果。仿真实验表明,基于RSOM树聚类的LLE算法相对于原始的LLE算法,其算法效率有了显著提高,明显降低了算法运行所占用的内存空间,同时很好地学习了高维数据的流形结构。
刘建军夏胜平郁文贤
关键词：维数约减数据聚类
基于图像局部不变特征的类属超图构建与目标识别技术研究
图像目标识别技术是计算机视觉领域的研究热点,经过几十年的发展,虽然该方面的研究已经有了许多令人鼓舞的研究成果,但是由于问题本身的复杂性,图像目标识别仍然是一个具有挑战性的问题。本文从成像条件变化时图像具有不同成像状态的角...
刘建军
关键词：图像目标识别图像特征匹配熵函数
一种RBF网络结构调整的稳健增量学习方法被引量：3
2009年
以实现RBF网络的增量学习能力和提高其增量学习的稳健性为目的,给出了一种RBF网络增量学习算法。算法首先对初始数据集进行聚类得到初始的RBF网络结构,然后采用GAP-RBF算法中的隐层节点调整策略动态调整网络结构实现RBF网络增量学习。RBF网络的初始化降低了初始数据集样本训练顺序对RBF网络性能的影响,增强了其增量学习的稳健性。IRIS数据集和雷达实测数据集仿真实验表明,算法具有较好的增量学习能力。
刘建军胡卫东郁文贤
关键词：模式识别径向基函数网络
基于RSOM树和类属超图的分布式图像检索方法
本文的主要目的是解决从大型图像数据中检索和提取包含特定对象的图像的问题。图像中可能包含特定对象来自不同视角、具有不同背景或遮挡的视图。利用递归自组织映射树可以保存图像特征之间的相似性关系，而类属超图可以用来为属于相同对象...
宋锐夏胜平刘建军
关键词：图像检索分布式处理
文献传递
基于RSOM树的图像K近邻求解算法被引量：2
2011年
提出了一种基于RSOM(recursive self-organizing mapping,RSOM)树、利用SIFT(scale invariant feature trans-form)特征为索引的海量图像集中K近邻的求解方案。对图像编号并提取SIFT特征,依据SIFT特征将图像的编号存储至RSOM树的叶节点中;搜索时用匹配的SIFT特征个数作为指标获得K近邻图像的候选集,用迭代Pro-crustes方法几何约束得到精确求解结果。利用5万余幅图像数据进行实验测试,结果证实了该方法的有效性。
郑君君夏胜平李新光祝一薇刘建军谭立球
关键词：图像内容检索RSOM聚类树局部不变特征
一种利用熵函数和Affinity Propagation聚类的超图模型优化方法
2011年
属性图相似性阈值对类属超图(CSHG)模型的训练结果具有重要影响。在满足聚类准确性的条件下,利用定义的熵函数给出优化CSHG模型结构的相似性阈值,并得到初始优化的CSHG模型,进一步利用FTOG之间的相似性矩阵得到最简CSHG模型结构。另外,利用亲缘传播聚类(affinity propagation clustering)方法去除FTOG聚类中的冗余属性图,最终得到最优的CSHG模型。实验结果表明,本方法是有效的。
刘建军夏胜平郁文贤
关键词：熵函数
一种投票权值调整的神经网络集成增量学习方法
2010年
针对神经网络集成增量学习中集成输出投票权值的设定问题,给出了一种投票权值调整的神经网络集成增量学习方法。该方法定义了神经网络集成中子神经网络训练集的类核函数,通过计算待识样本与类核函数之间的核函数距离得到集成输出中子神经网络的投票权值。这种投票权值设定方法可以根据子神经网络分类器对待识样本的分类性能自适应地调整集成输出的投票权值,是一种更加合理的集成输出投票权值设定方法。仿真实验表明,这种投票权值调整的神经网络集成增量学习方法比投票权值固定的方法增量学习性能更优。
刘建军夏胜平郁文贤
关键词：神经网络神经网络集成
基于RSOM树和类属超图的分布式图像检索方法
本文的主要目的是解决从大型图像数据中检索和提取包含特定对象的图像的问题。图像中可能包含特定对象来自不同视角、具有不同背景或遮挡的视图。利用递归自组织映射树可以保存图像特征之间的相似性关系,而类属超图可以用来为属于相同对象...
宋锐夏胜平刘建军
关键词：图像检索分布式处理
文献传递
全选 清除 导出
共2页<12>
聚类工具0