SRC-ODP:面向稀疏表示分类器的正交鉴别投影

来源 :计算机应用研究 | 被引量 : 0次 | 上传用户:sunrise12345678
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
稀疏表示分类方法(sparse representation-based classifier,SRC)在模式识别领域展现了巨大的潜力。基于稀疏表示分类的鉴别投影(SRC steered discriminative projection,SRC-DP)则是建立在SRC分类准则基础上的降维方法,其在投影空间中最大化类间重构误差与类内重构误差的比值。针对SRC-DP中提取的特征之间具有冗余信息,从而影响其鉴别能力的问题,提出SRC-ODP(SRC oriented orthogonal discrimina
其他文献
针对智能视频监控中快速、准确地检测和识别运动物体的问题,提出了一种依据运动物体特征速度来检测识别动体以及解读其语义含义的算法。该方法以相对帧间差分法为基础,通过对预
通过对群组成员的位置信息收集、分析,提取群组的运动状态和行为模式,它是如群体突发事件的处理、大规模军事行动等领域的为指挥决策人员提供决策支持的重要依据。提出一种基于凸包_重心模型的群组运动模式分析方法,侧重在态势上对群体运动状态进行整体性描述,以凸包描述群组在整个空间的覆盖范围,重心与中心描述成员在覆盖区域内的分布状态,并通过中心矢量和核心矢量来描述群组成员在空间上的布局合理程度。给出了详细的分析
针对现有方法在定位效能和适应性方面的不足,提出一种基于污点状态空间的脆弱性可疑点定位方法,在动态污点分析的框架下,建模扩展污点状态机模型,通过离线轨迹文件分析指令执行时的污点状态迁移,同时设计了多类非安全迁移规则,检测并定位脆弱性可疑点。构造原型系统并进行测试的结果表明该方法能在未触发脆弱性的条件下较完备和快速地定位多类脆弱性可疑点。
传感节点感测数据易受到干扰,导致传感节点获取的数据出错。为此,提出基于二值数据的多目标容错定位算法(MOFTLBTV)。该算法研究传感节点的差错概率的情况,利用传感节点的二值数据对目标源进行识别及定位。在识别过程中利用分布式竞争领导者(DCL)算法产生领导者(leader)节点。通过估计leader节点数实现对目标源的识别。随后定位阶段采用基于网格投票(GBV)机制对目标源进行定位。在条件下将MO
提出了一种混合多种局部搜索算法的嵌套分区算法用于求解中小规模旅行商问题。该算法使用加权抽样法产生初始最可能域,用带约束的3-opt局部搜索算法搜索每个子域的最优解,然后对Lin-Kernighan算法进行了改进,并且用改进的Lin-Kernighan算法搜索每个裙域的最优解,最后通过实验分析法确定了子域和裙域最优的抽样个数及初始最可能域的长度。对TSPLIB中15个问题实例的仿真结果表明,所提出的