【摘 要】
：
随着信息技术、传感技术的飞速发展,人们描述目标的方式逐渐从过去的单一视图转变为现在无处不在多视图,比如,描述一个网页可以从网页的logo、图片和网址等角度来描述。相较于传统的单视图数据,多视图数据对于目标任务（比如人脸识别、数据标注等）具有更好的表达能力。然而人们在实际应用场景里获得的多视图数据具有样本数据量大、无标签等特点。已有的人工智能算法直接利用这些数据分析目标任务时,算法性能退化明显,严重
论文部分内容阅读
随着信息技术、传感技术的飞速发展,人们描述目标的方式逐渐从过去的单一视图转变为现在无处不在多视图,比如,描述一个网页可以从网页的logo、图片和网址等角度来描述。相较于传统的单视图数据,多视图数据对于目标任务（比如人脸识别、数据标注等）具有更好的表达能力。然而人们在实际应用场景里获得的多视图数据具有样本数据量大、无标签等特点。已有的人工智能算法直接利用这些数据分析目标任务时,算法性能退化明显,严重制约着人工智能技术的场景化落地。因此,如何通过聚类技术对海量多视图数据进行自动标记和归类具有重要的理论意义和实际应用价值。论文从子空间分析入手,深入研究基于低秩约束的多视图子空间聚类。论文主要内容和贡献有:（1）针对已有多视图子空间聚类算法没有同时考虑局部图结构和全局图结构导致性能次优等问题,提出了基于秩约束的多视图子空间聚类模型。该模型通过将每个视图的局部结构和所有视图的全局结构结合,更好地挖掘多视图的空间几何结构,此外通过学习投影矩阵,将高维数据映射到低维空间,以降低算法的复杂度,减少噪声和冗余的影响。在四个数据库上的实验结果表明,本文的算法优于已有的算法。（2）针对已有多视图子空间聚类算法不能很好的利用视图间的互补信息和空间结构信息的问题,提出了基于张量Schatten p范数多视图子空间聚类模型。该模型通过将每个视图划分为对视图相似内容和视图特有内容,从视图相似内容中学习亲和矩阵。同时,利用加权张量Schatten p范数约束来挖掘嵌入在视图间的互补信息。在六个数据库上的实验结果表明本文的算法优于已有的算法。（3）针对已有多视图子空间聚类算法计算亲和矩阵复杂度为O（N ~3）,导致处理大规模数据时算法失效的问题,提出了基于锚点的张量约束多视图子空间聚类模型。该方法引入锚点构图思想,构建样本与代表性样本之间的映射矩阵用于刻画大规模数据之间的相关性。同时,利用张量Schatten p范数约束来挖掘视图间的高阶信息。算法复杂度与样本数成线性关系,计算时间显著降低。在两个数据库上的实验结果表明本文的算法优于已有的算法。
其他文献
蒸发波导是海面常见的一种折射率异常分布的大气现象,在海上通信和探测方面应用非常广泛,蒸发波导超视距雷达给舰船等目标在海面上的自由航行造成了极大的威胁。研究针对蒸发波导超视距雷达的隐身技术对于提高舰船等海面军事目标的生存能力、打击能力具有重要意义。本文从超视距雷达的传输信道出发,将相干声波扰动大气折射率理论应用于蒸发波导环境中,结合抛物方程法,研究了声波扰动对雷达探测性能的影响。本文主要研究内容如下
激光雷达三维成像因获取目标信息丰富、抗噪性强、分辨力高、可实现遥感探测等优势,在地形勘测、自动驾驶、目标跟踪等领域极具应用价值。计算鬼成像利用光场的强度关联特性,仅需一个单点探测器就能实现目标重构,且具有抗湍流、抗噪等优势。本文借鉴光纤阵列合成实现大功率激光技术,研究基于光纤相控阵的三维计算鬼成像方法,对于遥感探测领域具有重要的研究意义。首先介绍了基于光纤相控阵的三维计算鬼成像系统组成与成像原理。
随着反隐身技术的深入,现有的手段已无法满足人们的需求,该领域逐渐形成了一个新的研究方向,即利用伴随射流区域大气折射率的变化从而探测隐身飞行器。伴随射流是飞行器在飞行时出现的显著流体力学特征,目前国内外主要针对飞行器后端的尾流特性进行分析,而本文研究的飞行器伴随射流则是基于空气动力学理论,将尾流区域以及压缩、膨胀、剪切、摩擦大气的区域当作一个电大尺寸、介电参数分布不均的弱散射体,进而研究其电磁散射特
课程标准的改革与发展,进一步明确了发展学生核心素养的重要价值。促进学生核心素养的发展既是为了实现以人为本、立德树人的教育目标,同时也能从学生的能力入手,多角度、全方位地培养人才。基于这种需求,教师在教学过程中,应充分理解新的教育思想,将德育内容与化学教学相融合,明确学科发展的新方向。
随着信息技术和传感技术的发展,多视图数据已经成为人们描述物体的一个重要手段。相比于单视图,多视图描述可以提供更多有利于数据分析的互补信息,因此多视图学习已成为人工智能、机器学习领域的研究热点。多视图聚类是一种代表性的无监督多视图学习技术,已被广泛应用到数据标注、图像分割、异常点检测等领域,受到研究者的广泛关注。其中,多视图谱聚类可以处理任意形状的数据,计算复杂度相对较低,且具有好的聚类性能,是多视
随着科学技术与信息采集技术的发展,人类社会逐步进入到大数据时代。数据数量与维度的不断增长丰富了人们对世界的认知,但也给相关领域的研究带来了许多困难与挑战。如何从大量高维数据中提取出有效信息已经成为越来越受关注的问题。数据降维技术是一种十分有效的解决该问题的方法,它可以从高维数据中提取出数据的低维结构,广泛应用于机器学习、模式识别等众多研究领域之中。主成分分析（PCA）是最经典的数据降维与特征提取方
人体行为是人受到外界环境刺激时做出的反馈,随着现代物联网技术和人工智能技术的不断发展,人体行为识别领域受到的关注不断地增加,基于行为识别技术的应用与人们的日常生活之间的联系也愈发紧密。按照数据源的不同,行为识别技术应用分为基于视频或图像的人体行为识别和基于传感器数据的人体行为识别,比如利用传感器设备制作交互性更强的体感游戏,使用Open Pose技术重建人体动态三维模型,使用智能运动手环监督人体运
徐梵澄服膺印度近世“圣哲”室利·阿罗频多的思想体系，并从中发展出精神哲学。《陆王学述》是徐氏晚年的力作，体现了别具一格的学术气象。此书从精神哲学的视角考察陆象山、王阳明一脉心学，尤其是通过“知觉性”探究陆、王等儒者先知、彻悟的发生机制，填补了宋明理学研究的不足之处，极具学术价值。克实而论，梵澄先生在《陆王学述》中揭橥了个体生命的向上一着，即“心”的提撕，这是陆王心学与精神哲学的终极旨归。
由于独特的成像技术,高光谱图像数据呈三维立方体结构,包含了丰富光谱信息,并且在生物医学分子检测、植被生态监测、食品安全检测等领域获得广泛应用,其中目标检测是最重要且广泛的应用之一。然而,由于GPS定位的精度问题,高光谱图像中被标记为目标的像素点与地面真值中的目标位置并不一致,存在一定的偏差。真实的目标一般会存在于包含该像素一定范围的区域内。此外,目标像素和非目标像素在数量上存在严重的不平衡也是高光
近年来,人工智能快速发展且与多种应用深度融合。但由于计算模型复杂、海量数据标注困难、计算资源消耗大等问题,导致人工智能无法真正开启“机器智能”新纪元。随着脑科学的深入研究,许多研究学者逐渐意识到类脑智能将是打破人工智能桎梏的重要方式,因此通过模拟脑网络的运行机制来构建类脑智能网络是当下研究的热点。基于此,本文在理解大脑“智能”关键机制的基础上,结合脑科学最新研究成果,对神经环路与信息表征之间的关系