国家自然科学基金(60973083)
- 作品数：4 被引量：8H指数：1
- 相关作者：谭乐平文军文贵华韦佳王文丰更多>>
- 相关机构：华南理工大学湖北民族大学湖北民族学院更多>>
- 发文基金：国家自然科学基金中央高校基本科研业务费专项资金更多>>
- 相关领域：自动化与计算机技术理学一般工业技术更多>>
- 基于LVQ神经网络的人脸朝向识别方法被引量：6
- 2012年
- 为了满足图像和视屏中人脸的位置,朝向和旋转都不是固定的特点,利用LVQ神经网络模型对图像中人脸朝向识别进行研究.实验采用Matlab工具箱进行LVQ神经网络设计,实现对人脸朝向的判断.实验结果显示,LVQ神经网络可以根据输入图像的二值信息,以较高准确率判断该图像的人脸朝向.
- 谭乐平文军
- 关键词：LVQ神经网络MATLAB特征提取
- 粒子群算法优化BP神经网络被引量：1
- 2012年
- 现实生活中绝大数系统都是非线性的,BP神经网络通过训练能否达到局部最优值、能否收敛以及训练的时间长短与初始值和阈值的选取关系密切.为此采用了具有动态惯性权重的粒子群算法对BP神经网络初始值进行优化.实验表明具有动态惯性权重的粒子群算法优化BP神经网络预测误差很小,能够跳出局部极小值,得到更优的结果.
- 谭乐平文军
- 关键词：粒子群算法BP神经网络
- 用于癌症分类的随机子空间半监督维数约减(英文)
- 2013年
- 精确的癌症分类对于癌症的成功诊断和治疗是必不可少的.半监督维数约减算法在干净的数据集上表现得很好,然而当面临噪声时,当前的大部分算法所构造的邻域结构是拓扑不稳定的.为了克服这一问题,文中提出了一种基于随机子空间的半监督维数约减算法(RSSSDR),将随机子空间与半监督维数约减算法结合起来.在数据集的不同随机子空间上,该算法首先设计多个不同的子图,然后将这些子图联合起来构成一个混合图并在其上进行维数约减.该算法通过最小化局部重构误差来确定邻域图的边权值,在保持癌症数据集局部结构的同时能够保持其全局结构.在公共癌症数据集上的实验结果表明,RSSSDR算法具有较高的分类准确率和较好的参数鲁棒性.
- 文贵华蔡先发韦佳
- 关键词：半监督学习随机子空间癌症分类维数约减
- 基于局部重构与全局保持的半监督维数约减算法被引量：1
- 2011年
- 针对基于局部与全局保持的半监督维数约减算法(LGSSDR)对邻域参数选择比较敏感以及对邻域图边权值设定不够准确的问题,提出一种基于局部重构与全局保持的半监督维数约减算法(LRGPSSDR)。该算法通过最小化局部重构误差来确定邻域图的边权值,在保持数据集局部结构的同时能够保持其全局结构。在Extended YaleB和CMU PIE标准人脸库上的实验结果表明LRGPSSDR算法的分类性能要优于其它半监督维数约减算法。
- 韦佳文贵华王文丰王家兵
- 关键词：边信息半监督学习维数约减
