山西省回国留学人员科研经费资助项目(2008-14)
- 作品数：5 被引量：27H指数：3
- 相关作者：王文剑白雪飞张文浩梁吉业郭文涛更多>>
- 相关机构：山西大学更多>>
- 发文基金：山西省自然科学基金山西省回国留学人员科研经费资助项目国家自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于区域显著性的活动轮廓分割模型被引量：10
- 2012年
- 提出一种新的活动轮廓分割模型,结合视觉显著性检测机制自动获取待分割图像中目标物体的先验形状信息,并自适应地构造初始轮廓,从而降低了初始轮廓位置对分割算法的影响.同时实现了活动轮廓模型对图像的自适应分割和自动分割,使得分割结果更符合人类视觉感知特性.实验结果表明,该模型有较好的分割效果,迭代次数少,且运行时间短.
- 白雪飞王文剑梁吉业
- 关键词：图像分割视觉显著性活动轮廓模型水平集方法
- 一种基于关联规则的核粒度支持向量机被引量：5
- 2009年
- 提出一种基于关联规则的核粒度支持向量机(association rules based kernel granular SVM,AR-KGSVM)学习算法。AR-KGSVM首先将输入空间中的样本用核函数映射到高维特征空间,然后在核特征空间挖掘基于距离度量的关联规则以划分粒。算法的粒划分和数据训练都是在高维核空间中进行,避免了一般的粒度支持向量机(granular SVM,GSVM)在低维空间作粒划分而在高维空间中训练,使数据分布不一致而导致泛化能力不高的问题。在标准数据集上的实验结果表明AR-KGSVM的泛化能力优于传统的SVM和GSVM方法。
- 张文浩王文剑
- 关键词：支持向量机关联规则
- 基于视觉注意的SVM彩色图像分割方法被引量：7
- 2011年
- 提出一种基于视觉注意的自然场景彩色图像支持向量机(Support Vector Machine,SVM)分割方法。基于人类视觉注意机制将图像进行预分割,得到图像的显著区域和非显著区域,利用形态学操作对得到的图像进行处理,并自动选取和标注SVM的训练样本,用训练后的SVM分类器对整幅图像进行分割。该方法充分利用视觉注意机制方法的有效信息,解决了其边界不确定的缺陷,并且结合具有很好泛化性能的SVM学习方法,在无需先验知识以及任何人工干预的情况下,实现对自然场景图像的分割。为验证算法的有效性,分别从加州大学伯克利分校图像数据库及互联网选取多幅彩色图像进行实验,实验结果表明:该方法的分割结果不仅与人类视觉注意结果相一致,而且与伯克利图像数据库中人工标注结果相比,得到较好分割效果。
- 郭文涛王文剑白雪飞
- 关键词：图像分割支持向量机视觉注意
- 处理非平衡数据的粒度SVM学习方法被引量：3
- 2011年
- 通过多维关联规则挖掘,将粒度计算(Granular Computing,GrC)和支持向量机(Support Vector Machine,SVM)有效融合,提出一种粒度支持向量机(Granular SVM,GSVM)学习方法,称为AR-GSVM。该方法用于非平衡数据处理时,不仅可以有效降低分类器的复杂性,而且本质上可以进行并行计算以提高学习效率,同时提高分类器的泛化能力。考虑到保持数据在原始空间和特征空间的分布一致性,在AR-GSVM的基础上又提出核空间上的粒度支持向量机学习方法,称为AR-KGSVM,该方法具有更好的泛化性能。通过在UCI数据集上的实验表明:AR-GSVM和AR-KGSVM的泛化能力优于一些常用非平衡数据处理的方法。
- 徐乾王文剑张文浩
- 关键词：支持向量机粒度计算关联规则非平衡数据
