韦佳
- 作品数：30 被引量：75H指数：5
- 供职机构：华南理工大学更多>>
- 发文基金：广东省自然科学基金中央高校基本科研业务费专项资金广东省科技攻关计划更多>>
- 相关领域：自动化与计算机技术生物学医药卫生交通运输工程更多>>
- 一种面向噪声图像的深度学习聚类方法
- 本发明公开了一种面向噪声图像的深度学习聚类方法，包括以下步骤：S1、构建深度学习聚类模型；S2、采用AMsoftmax层作为聚类器，根据S1编码器输出的特征向量产生聚类结果；S3、采用L2范数衡量编码器的输出与孪生网络的...
- 张凯文韦佳
- 基于改进距离的孤立点检测方法被引量：11
- 2008年
- 局部切空间排列(LTSA)算法是一种有效的流形学习方法,但该算法对孤立点的存在非常敏感.为了增强LTSA算法对孤立点的鲁棒性,文中提出了一种基于改进距离的孤立点检测方法.该方法通过改进距离来度量样本点之间的距离,降低了样本点分布不均匀对孤立点检测算法的影响.实验结果表明,该数据预处理方法能有效地提高LTSA算法的鲁棒性,更好地挖掘数据集的本征特性,具有更好的数据可视化效果.
- 韦佳彭宏林毅申
- 关键词：数据预处理孤立点检测流形学习局部切空间排列
- 边信息传播修正的半监督维数约减方法被引量：1
- 2011年
- 现有基于边信息的半监督维数约减算法大都是直接将保留边信息和数据拓扑结构的目标函数相加,因此数据拓扑结构中的错误连接不会因已知的边信息而得到修正.提出通过边信息传播及修正机制将边信息融入到数据拓扑结构图中的方法,从而在保留边信息的同时保留更为真实的数据拓扑结构信息.实验结果表明本文所提出的算法较之其它算法,对数据降维后用于分类时可取得较高的准确率,且算法对创建的KNN图中的参数K最具鲁棒性.
- 刘利韦佳马千里
- 关键词：半监督学习维数约减
- 黎曼法坐标流形学习扩展算法
- 2008年
- LOGMAP是最近提出的一种黎曼流形学习算法,它能够有效地学习出高维数据的低维嵌入坐标。然而该算法只能处理单类数据的流形学习问题,当存在多类数据时往往不能得到理想的嵌入结果。为解决这个问题,提出了一种扩展的LOGMAP算法(Extended LOGMA PAlgorithm,简称ELOGMAP)。该算法通过计算全局基准点所在类到其他类的最短距离找出各类的局部基准点,然后逐个计算各类数据相对于局部基准点的局部黎曼法坐标,最后通过扩展的全局基准点与局部基准点之间测地距离关系得到多类数据的整体嵌入坐标。实验结果验证了该算法在处理多类数据流形学习上的有效性。
- 韦佳彭宏林毅申
- 关键词：流形学习
- 一种结合浅层与深层特征的小样本丝织品图像检索方法
- 本发明公开一种结合浅层与深层特征的小样本丝织品检索方法。所述方法包括以下步骤：收集丝织品图像，建立丝织品样本库；建立卷积神经网络模型；使用有约束采样方法对丝织品样本库进行采样得到训练数据集；使用训练数据集训练卷积神经网络...
- 潘宇琳韦佳
- 一种基于概率成对约束的自适应半监督降维方法
- 本发明公开了一种基于概率成对约束的自适应半监督降维方法，包括计算投影矩阵，构造稀疏表示图，计算成对约束的权值三个部分：根据每个约束它本身所含信息的多少，自适应的进行区分对待；用稀疏表示的方法去捕捉数据的内在结构；采用二次...
- 杨秋明韦佳
- 文献传递
- 一种结合分类任务的目标分割方法
- 本发明公开了一种结合分类任务的目标分割方法，该方法包括：构建结合分类任务的目标分割模型，其中包括分割模块和分类模块两部分；采用戴斯相似性系数作为分割模块的损失函数；采用交叉熵损失函数作为分类模块的损失函数，用于约束分类模...
- 张凯文韦佳
- 文献传递
- 一种用于大菠萝扑克首轮摆法的卷积神经网络结构模型
- 本发明公开了一种用于大菠萝扑克首轮摆法的卷积神经网络结构模型，所述卷积神经网络结构模型由输入层、隐藏层和输出层三部分组成，首先将手牌信息和牌桌信息经过数据预处理后输入卷积神经网络结构模型的输入层，经隐藏层处理后由输出层输...
- 陈怀臻韦佳张加佳
- 文献传递
- 基于时空特性的城市道路交通运行状态预测及评价方法研究
- 对城市道路交通运行状态做出准确有效的预测及评价，是充分掌握道路交通系统行为、合理制定交通策略及有效发挥交通基础设施潜能的基础，也是实现查询未来路况、车辆动态导航、提高道路交通运行效率等智能交通系统技术的关键。城市道路交通...
- 韦佳
- 关键词：城市道路交通综合评价
- 文献传递
- 一种改进距离的局部线性嵌入算法的基因表达谱数据分类被引量：2
- 2011年
- 针对基因表达谱样本数据少、维度高、噪声大的特点,维数约减十分必要。由于基因表达谱数据是以一种高维非线性的向量存在,传统的降维方法使得一些本质维数较低的高维数据无法投影到低维空间中,为此本文引入一种改进距离的局部线性嵌入(LLE)算法对其进行降维。由于原始的LLE方法对近邻个数参数非常敏感,为了增强算法对近邻参数的鲁棒性,文中提出了一种改进距离来度量样本点之间的距离,从而降低了样本点分布不均匀对算法的影响。实验结果表明,改进距离的LLE方法能够有效地提取分类特征信息,并能够在保持较高的分类正确率的前提下大幅度地降低基因数据的维数。
- 蔡先发韦佳文贵华李洁
- 关键词：局部线性嵌入特征提取
