收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于特征关系的草图分类

秦启炜  
【摘要】:对于视觉识别来说,中等层级的特征提供了一个连接低等层级基于像素的信息,与高等层级的诸如对象和场景等概念之间的桥梁。有效的中等层级的特征表示方法能够对图像信息进行有效的抽象,从而对之后的分类任务等起到至关重要的作用。手绘草图是针对这一研究的极好材料,其简单概要的信息便于更好地针对表示学习进行研究。而基于部件的草图分类问题,其主要目标就是用以研究利用部件表示整体的特征表示方法,尝试解决以往图像分类方法在面对类内变化、视觉角度变化、非刚性变换以及遮挡或残缺等情况时效果并不理想的难题。具体研究内容如下:(1)基于卷积与胶囊网络的人工神经网络模型,对传统神经网络结构进行了改进。其使用向量来代替标量的思想,以及用以描述网络中不同特征学习层之间的关系的动态路由算法,弥补了卷积网络未能考虑到特征之间的重要的空间层次结构,以及缺乏旋转不变性的缺陷,为图像识别提供了一种具有突破性的模型结构创新。(2)基于含隐变量的支持向量机的特征学习方法,提供了一种简洁、高效的中层特征表示方法。该方法对部件进行筛选,使其更具有代表性和区别性,再输入到胶囊网络,探究了传统的机器学习方法与新的表示学习方法的结合效果。


知网文化
【相似文献】
中国期刊全文数据库 前16条
1 崔丽珍;边泽山;;基于改进支持向量机的温室大棚温度预测[J];科技创新与应用;2020年10期
2 马旭霞;;支持向量机理论及应用[J];科学技术创新;2019年02期
3 江少杰;宁纪锋;李云松;;加权间隔结构化支持向量机目标跟踪算法[J];中国图象图形学报;2017年09期
4 李娜;孙乐;胡一楠;李笑;王亚南;;模糊型支持向量机及其在入侵检测中的应用[J];科技创新与应用;2018年11期
5 邵元海;杨凯丽;刘明增;王震;李春娜;陈伟杰;;从支持向量机到非平行支持向量机[J];运筹学学报;2018年02期
6 高钦姣;张胜刚;贾晓薇;;基于支持向量机的股票价格预测模型研究与应用[J];课程教育研究;2016年28期
7 林香亮;袁瑞;孙玉秋;王超;陈长胜;;支持向量机的基本理论和研究进展[J];长江大学学报(自科版);2018年17期
8 安悦瑄;丁世飞;胡继普;;孪生支持向量机综述[J];计算机科学;2018年11期
9 梁武;苏燕;;一种新的基于类内不平衡数据学习支持向量机算法[J];科技通报;2017年09期
10 吴青;梁勃;;分段熵光滑支持向量机性能研究[J];计算机工程与设计;2015年08期
11 牛犇;顾宏斌;孙瑾;周来;周扬;;有向无环图-双支持向量机的多类分类方法[J];计算机应用与软件;2015年11期
12 赵芳;马玉磊;;自训练半监督加权球结构支持向量机多分类方法[J];重庆邮电大学学报(自然科学版);2014年03期
13 候明;张新新;范丽亚;;四类基于支持向量机的多类分类器的性能比较[J];聊城大学学报(自然科学版);2014年03期
14 张小琴;贾郭军;;一种采用粗糙集和遗传算法的支持向量机[J];山西师范大学学报(自然科学版);2013年01期
15 黄娟;唐轶;王军霞;;贪婪支持向量机的分析及应用[J];计算机工程与应用;2012年24期
16 丁胜锋;;一种改进的双支持向量机[J];辽宁石油化工大学学报;2012年04期
中国重要会议论文全文数据库 前10条
1 王晓红;;一种改进多类支持向量机加权后验概率重构策略[A];2009中国控制与决策会议论文集(3)[C];2009年
2 余乐安;姚潇;;基于中心化支持向量机的信用风险评估模型[A];第六届(2011)中国管理学年会——商务智能分会场论文集[C];2011年
3 何琴淑;刘信恩;肖世富;;基于支持向量机的系统辨识方法研究及应用[A];中国力学大会——2013论文摘要集[C];2013年
4 郭一楠;程健;肖大伟;杨梅;;分布式多分类支持向量机[A];2011年中国智能自动化学术会议论文集(第一分册)[C];2011年
5 汪荣贵;孙见青;胡琼;李守毅;;一种新的支持向量机决策树及其应用[A];中国仪器仪表学会第九届青年学术会议论文集[C];2007年
6 伍敏;苏鹏宇;刘金福;于达仁;;基于RVM和SVM的风速预测研究[A];2012电站自动化信息化学术和技术交流会议论文集[C];2012年
7 曾江辉;耿金凤;汪邦军;郝建春;;面向时间序列质量波动预测的支持向量机回归模型研究[A];使命与责任—以质量方法促转型升级——第五届中国质量学术与创新论坛论文集(上)[C];2012年
8 刘爽;贾传荧;;一种加权支持向量机算法[A];通信理论与信号处理新进展——2005年通信理论与信号处理年会论文集[C];2005年
9 张晓滨;尹英顺;赵培坤;马秀兰;;基于渐进直推支持向量机的半对半多类文本分类[A];第三届全国信息检索与内容安全学术会议论文集[C];2007年
10 张立刚;李海丽;;基于最小二乘支持向量机的协调系统预测[A];第六届全国信息获取与处理学术会议论文集(3)[C];2008年
中国博士学位论文全文数据库 前10条
1 彭诗力;大规模混合数据分类的核方法研究[D];天津大学;2017年
2 胡庆辉;非稀疏多核支持向量机学习方法研究[D];武汉大学;2015年
3 孙宗海;支持向量机及其在控制中的应用研究[D];浙江大学;2003年
4 徐芳;航空影像分割的支持向量机方法[D];武汉大学;2004年
5 蔡从中;支持向量机及其在生物材料功能研究中的应用[D];重庆大学;2003年
6 孙德山;支持向量机分类与回归方法研究[D];中南大学;2004年
7 翟永杰;基于支持向量机的故障智能诊断方法研究[D];华北电力大学(河北);2004年
8 董春曦;支持向量机及其在入侵检测中的应用研究[D];西安电子科技大学;2004年
9 安金龙;支持向量机若干问题的研究[D];天津大学;2004年
10 朱燕飞;锌钡白回转窑煅烧过程智能建模研究[D];华南理工大学;2005年
中国硕士学位论文全文数据库 前10条
1 张嘎;基于股市大小盘风格轮动效应的择时策略实证研究[D];浙江工商大学;2019年
2 陈冰兰;基于支持向量机的信用评级研究[D];西南财经大学;2019年
3 雍紫阳;集成二次曲面支持向量机在个人信贷风险评估中的应用[D];西南财经大学;2019年
4 朱丽叶;基于特征工程应用的支持向量机对非寿险公司破产预测[D];西南财经大学;2019年
5 刘佳;支持向量机在不平衡数据分类中的研究与应用[D];厦门大学;2019年
6 秦启炜;基于特征关系的草图分类[D];大连理工大学;2019年
7 王旭峰;基于支持向量机与模糊贝叶斯方法的煤矿事故致因研究[D];中国矿业大学;2019年
8 杨学东;基于支持向量机的高光谱多类别分类研究[D];西安电子科技大学;2011年
9 梅新明;基于支持向量机的房颤识别研究及常见心律失常监护系统模型设计与实现[D];电子科技大学;2019年
10 王一帆;基于支持向量机和探地雷达技术的公路浅层病害检测研究[D];华北水利水电大学;2019年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978