郑志军
- 作品数：28 被引量：199H指数：5
- 供职机构：浙江科技学院更多>>
- 发文基金：浙江省自然科学基金国家自然科学基金浙江省教育厅科研计划更多>>
- 相关领域：自动化与计算机技术理学文化科学一般工业技术更多>>
- 基于近邻图正则化的高光谱图像特征选择方法被引量：1
- 2019年
- 高光谱图像分类是近年来的研究热点。其数据的高维性引发了"维度灾难"问题。数据降维成为解决问题的关键。针对高光谱数据有标记训练样本点匮乏的特点,提出用无监督的特征选择方法对高光谱数据进行降维。该方法能够同时保持原始高光谱数据的判别能力和局部几何结构。为了保持判别能力,用所选特征对原始高光谱数据进行重构,利用重构误差最小化将特征选择问题转化为优化问题。为了保持局部几何结构,建立近邻图,并将其转化为正则项加入目标函数中。通过迭代梯度下降方法解此优化问题,得出优选特征子集参与高光谱图像分类识别任务。在真实数据集上的实验表明,新方法能够提高分类识别的精度。
- 彭艳斌郑志军邱薇薇李晓勇潘志刚金诚
- 关键词：高光谱图像降维
- 一种基于神经网络的数据挖掘方法被引量：33
- 2000年
- 针对数据挖掘中的分类问题 ,本文提出了一种利用神经网络抽取分类规则的方法 .为了易于抽取规则 ,采用遗传算法对神经网络的结构进行了进化 .实际运行结果表明了该方法的有效性 .
- 郑志军林霞光郑守淇
- 关键词：数据挖掘神经网络规则抽取遗传算法
- 一种面向双臂机械手协同重复运动的有限时间规划方法
- 一种面向双臂机械手协同重复运动的有限时间规划方法，包括以下步骤：1)确定双臂机械手的左右末端执行器的期望目标轨迹，以及双臂机械手各关节的角期望回拢角度；2)设计二次优化指标，形成双臂机械手协同重复运动规划方案，其中可以任...
- 孔颖周俊文唐青青胡汤珑高畅郑志军叶绿
- 文献传递
- 一种复杂模式识别问题的求解方法被引量：2
- 2001年
- 针对复杂的模式识别问题，提出了一种用串-并行混合结构的多种神经网络模型进行求解的方法。首先用ART网络对训练集中的样本进行粗分类，以减小训练集的样本规模，然后用多个BP网络并行地对小训练集进行训练。用于汉字识别问题，取得了很好的效果。
- 郑志军李文渊郑守淇
- 关键词：模式识别神经网络汉字识别学习算法
- 基于多层跨模态集成网络的立体图像显著性检测方法
- 本发明公开了一种基于多层跨模态集成网络的立体图像显著性检测方法，该方法的神经网络包括输入层、输出层和隐藏层，输入层包括RGB图像输入层和depth图像输入层，隐藏层包括主干特征提取网络和加强特征提取网络，主干特征提取网络...
- 郑志军彭艳斌丰明坤翟治年潘志刚
- 基于无监督特征选择的高光谱图像分类方法
- 2018年
- 在高光谱图像分类中,丰富的数据提升了其地物识别能力。然而,由于样本特征数大且有标记训练样本点少,导致"维度灾难"问题。本文提出一种基于无监督特征选择的高光谱图像分类方法,该方法同时考虑数据的流形嵌入映射和稀疏表达,将特征选择问题转化为一个优化问题,数据的流形嵌入和稀疏表达作为约束项加入目标函数。设计了三个目标函数,第一个目标函数描述流形学习的局部性原则,第二个目标函数将原始样本点回归到低维嵌入空间,第三个目标函数对回归系数进行正则化。针对目标函数非凸的问题,用迭代的方法来解这个约束优化问题,给出了解该优化问题的算法。优选特征用于参与后续的分类识别任务。在真实的高光谱数据集上的实验表明,新方法能够提高分类的精度。
- 彭艳斌邱薇薇郑志军李晓勇潘志刚金诚
- 关键词：图像
- 一种通用的求解图的多划分问题的改进遗传算法被引量：3
- 2000年
- 针对图的多划分问题的特点 ,本文提出了一种适合于求解这一类问题的改进遗传算法 .该算法无论在编码方式、算子设计乃至算子功能的界定上 ,都与经典遗传算法有着很大差别 .实例验证 ,该算法是通用的和有效的 .它既充分利用了遗传算法全局性的搜索能力 ,又增强了遗传算法的局部搜索能力 ,明显地提高了收敛速度 .该算法的提出 ,大大减轻了用户解决具体应用问题的负担 .
- 郑志军林霞光郑守淇
- 关键词：遗传算法无向图
- 基于Windows的DSM系统中线程迁移的实现
- 2006年
- 随着多线程DSM系统的发展,线程迁移已经成为DSM系统中一个非常重要的研究课题。在分析Windows操作系统的存储和控制结构的基础上,讨论了基于Windows操作系统的多线程DSM系统的基本框架,提出了一种对线程进行动态迁移的方法。并且在一个基于Windows操作系统工作站机群的Smonn系统中成功实现,表明了该方法的有效性。
- 郑志军张金表赖红武
- 关键词：分布式共享存储系统多线程线程迁移
- 基于半监督对手协商偏好学习的协商模型被引量：1
- 2012年
- 针对自动化协商问题,提出一种基于协同训练的半监督对手协商偏好学习方法。在该方法中,将协商过程映射到出价轨迹特征空间和交互轨迹特征空间两个新的特征空间。在两个特征空间中分别训练支持向量回归机,两个学习机迭代,互相提供可靠的有标记训练样本,以扩大训练样本规模。由两个学习机共同学习,得到对手的协商偏好。协商决策模型以双方协商偏好为基础提出双赢的协商反建议。实验数据表明,所提方法可以提高协商总体效用,减少协商回合数,节省协商时间。
- 彭艳斌廖备水郑志军艾解清李吉明
- 关键词：协商模型支持向量回归机模拟退火算法
- 基于分类器融合的自动化协商决策模型被引量：2
- 2013年
- 为了解决电子商务环境中由于信息的保密性使协商参与者无法获得对手协商偏好从而影响协商性能的问题,提出一种基于分类器融合的自动化协商决策模型.该模型融合支持向量机和贝叶斯分类器,通过结合2种分类器的优点,提高对协商偏好的分类学习效果.在准确估计对手协商偏好的基础上,采用粒子群优化算法搜寻最优协商反建议.实验数据分析表明,新方法的效果优于单一分类器,并且在有噪声的小规模训练样本集下,仍然保持较高的协商总效用.
- 彭艳斌郑志军于成波李吉明
- 关键词：支持向量机贝叶斯
