-
Patent Agency Ranking
公开(公告)号：CN111340120B
公开(公告)日：2021-05-07
申请号：CN202010131554.0
申请日：2020-02-28
Applicant: 南京林业大学
Abstract: 本发明公开了一种基于实用鲁棒PCA的图像表示方法，属于模式识别领域。方法包括以下步骤：读取图像数据集，根据像素值建立样本矩阵；将样本矩阵输入预先构建的目标模型，所述目标模型为基于鲁棒重建误差最小化和鲁棒数据差最大化的联合学习模型，其依据转换矩阵W将数据投影到低维子空间，并利用恢复矩阵W来恢复数据，并以L2,p范数作为距离度量；通过基于PCA技术的迭代算法对目标模型进行求解，得到转换矩阵W；根据转换矩阵W完成图像重建。本发明建立了原空间和转换空间特征的联系，且利用L2,p范数距离度量削弱对异常值的敏感性，很好地提高了PCA的鲁棒性。此外本发明设计了新的迭代算法去优化基于L2,p范数的极小化问题，算法具有较好的收敛性。
-
公开(公告)号：CN111340120A
公开(公告)日：2020-06-26
申请号：CN202010131554.0
申请日：2020-02-28
Applicant: 南京林业大学
Abstract: 本发明公开了一种基于实用鲁棒PCA的图像表示方法，属于模式识别领域。方法包括以下步骤：读取图像数据集，根据像素值建立样本矩阵；将样本矩阵输入预先构建的目标模型，所述目标模型为基于鲁棒重建误差最小化和鲁棒数据差最大化的联合学习模型，其依据转换矩阵W将数据投影到低维子空间，并利用恢复矩阵W来恢复数据，并以L2,p范数作为距离度量；通过基于PCA技术的迭代算法对目标模型进行求解，得到转换矩阵W；根据转换矩阵W完成图像重建。本发明建立了原空间和转换空间特征的联系，且利用L2,p范数距离度量削弱对异常值的敏感性，很好地提高了PCA的鲁棒性。此外本发明设计了新的迭代算法去优化基于L2,p范数的极小化问题，算法具有较好的收敛性。
-
公开(公告)号：CN112348087A
公开(公告)日：2021-02-09
申请号：CN202011237777.1
申请日：2020-11-09
Applicant: 南京林业大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于多视角的鲁棒双边孪生向量机的林火识别方法，包括：开发了一种新的优化模型：鲁棒的双边孪生支持向量机的多视图学习算法：MvRDTSVM，并将其应用在森林烟火识别上，在林火数据库上进行实验：利用真实图像数据对比四种单、多视图方法，测试其鲁棒性和泛化性能；将MvGSVM重新表述为SVM类型的问题，同时引入双边约束，将L1范数作为目标函数中的距离度量方式，提高模型的鲁棒性；由于目标函数是非凸且非光滑的，本发明设计了一种新的有效迭代算法并从理论上证明其收敛性，由于迭代过程中需要解决一系列QPP问题，会使计算成本增加，进一步开发了MvRDTSVM的快速版本：MvFRDTSVM，通过解决一系列线性方程组而不是QPP问题极大地提高了计算速度，节省了计算成本。
-
公开(公告)号：CN112348087B
公开(公告)日：2024-09-20
申请号：CN202011237777.1
申请日：2020-11-09
Applicant: 南京林业大学
IPC: G06F18/2411 , G06F18/2451 , G06F18/214
Abstract: 本发明公开了一种基于多视角的鲁棒双边孪生向量机的林火识别方法，包括：开发了一种新的优化模型：鲁棒的双边孪生支持向量机的多视图学习算法：MvRDTSVM，并将其应用在森林烟火识别上，在林火数据库上进行实验：利用真实图像数据对比四种单、多视图方法，测试其鲁棒性和泛化性能；将MvGSVM重新表述为SVM类型的问题，同时引入双边约束，将L1范数作为目标函数中的距离度量方式，提高模型的鲁棒性；由于目标函数是非凸且非光滑的，本发明设计了一种新的有效迭代算法并从理论上证明其收敛性，由于迭代过程中需要解决一系列QPP问题，会使计算成本增加，进一步开发了MvRDTSVM的快速版本：MvFRDTSVM，通过解决一系列线性方程组而不是QPP问题极大地提高了计算速度，节省了计算成本。
-
-
-
-
Search Results
5
records
(took 0.019 seconds)
