搜索到4915 篇“ 多视图 “的相关文章
头部跟踪多 视图 显示器和方法 多 视图 显示器包括多 波束背光体，该多 波束背光体提供具有与多 视图 图像的不同视图 方向相对应的不同主角方向的多 个光束。处理器接收多 视图 图像的多 个临时视图 。临时视图 对应于不同的视图 方向。处理器接收关于用户的跟踪位置的信息。...一种不完整多 视图 聚类方法、存储介质及处理设备 多 视图 聚类方法、存储介质及处理设备，包括：构建不完整多 视图 数据集、用于挖掘视图 一致性特征的多 视图 模型和用于挖掘视图 特定特征的单视图 模型，其中不完整多 视图 数据集包括多 个完整样本和多 个不完整样本；利用完...基于任务增强与缺失视图 补全的不完备多 视图 多 标签分类方法 视图 补全的不完备多 视图 多 标签分类方法，包括：获取待分类的多 视图 数据；将待分类多 视图 数据输入缺失视图 补全与多 标签分类模型，输出多 标签分类结果；其中，所述缺失视图 补全与多 标签分类模型包括任务导向特...预测性头部跟踪多 视图 显示器和方法 多 视图 显示器包括多 波束背光，该多 波束背光提供具有与多 视图 图像的不同视图 方向相对应的不同主角方向的多 个光束。处理器接收多 视图 图像的多 个临时视图 。临时视图 与不同的视图 方向相对应。处理器接收关于用户的预测位置的信...融合加权不一致性的多 视图 聚类 2025年 多 视图 聚类的技术,它可以从多 视图 中学习出统一的相似图.现有的图学习方法大多 只能发掘多 视图 的一致性,忽视了不一致的信息,这使得它们可能在学习过程中丢失视图 独有的信息.为了解决这个问题,本文提出了一种融合一致性和不一致性,面向图的多 视图 低秩聚类框架.该方法首先将多 视图 分解为一致性和不一致性两个部分,然后利用自适应加权融合多 视图 的一致性图,并在此过程中防止权重出现平凡解;进而,提出了一种新颖的低秩融合策略,用一个统一的目标函数融合多 视图 一致性和不一致性,并通过谱聚类获得结果.本文还设计并实现了一种迭代优化方法来求解目标函数.最后,7个多 视图 数据集的对比实验验证了该方法的有效性.一种基于三维多 视图 的集料粒径预测方法 多 视图 的集料粒径预测方法，通过从集料的三维点云数据中生成多 视图 投影，结合深度学习技术对多 视图 信息进行融合和处理，从而实现更高精度和更稳定的粒径分类；本发明不仅能有效弥补二维单视图 方法的不足，还能充...一种面向通用多 视图 对象聚类的对象视图 蒸馏方法 多 视图 对象聚类的对象视图 蒸馏方法，收集若干样本的初始多 视图 数据；构建自编码器，教师网络，学生网络和知识蒸馏；编码器将样本的视图 投影成潜在表示，并构造低维潜空间；利用多 视图 数据训练教师网络；利用多 视图 数据训练学...多 视图 偏多 标记分类与标记消歧的联合学习2025年 多 视图 偏多 标记学习主要处理同时具有多 个视图 和多 个相关标记但标记信息不完全准确的数据.现有多 视图 偏多 标记学习方法大多 采用两阶段的方式独立进行标记消歧与多 标记分类,其分类性能有待提高.本文提出了一种多 视图 偏多 标记分类与标记消歧联合学习(joint learning of multi-view partial multi-label classification and label disambiguation,JL-MVPML-LD)框架.首先,对多 视图 特征进行多 核融合并考虑不同视图 的重要性;其次,自动挖掘实例相关性和标记相关性,并利用它们来促进多 视图 偏多 标记分类和标记消歧的联合学习;最后,采用交替迭代方法进行求解.在3个数据集上27种情况下的实验结果验证了本文方法的有效性.关键词：核空间 基于孪生神经网络的多 视图 分子对活性预测方法及装置 多 视图 分子对活性预测方法和装置，包括：构建包含蛋白质靶标的分子对活性数据集；分别提取两个分子的初始嵌入表示和蛋白质靶标的初始嵌入表示；构建具有孪生神经网络架构的多 视图 分子对活性预测模型；...一种通过多 尺度和多 视图 频率融合增强医学图像分割的方法 多 尺度和多 视图 频率融合增强医学图像分割的模型，名为MSFM‑UNet，MSFM‑UNet包括VSS模块、用于合并补丁的层、用于扩展补丁的层以及专用于多 尺度特征聚合(MS...
相关作者
杨燕 作品数：191 被引量：990 H指数：16 供职机构：西南交通大学 研究主题：聚类 聚类集成 数据挖掘 多视图 网络 梁吉业 作品数：317 被引量：2,003 H指数：21 供职机构：山西大学 研究主题：粗糙集 粗糙集理论 聚类 神经网络 信息系统 张化祥 作品数：251 被引量：346 H指数：9 供职机构：山东师范大学 研究主题：图像 聚类 模态 网络 多视图 赵海峰 作品数：115 被引量：240 H指数：7 供职机构：安徽大学 研究主题：深度图 点云模型 图像 多视图 三维重建 刘新旺 作品数：94 被引量：621 H指数：12 供职机构：国防科学技术大学 研究主题：聚类 多视图 人脸识别 数据库 支持向量机
