【摘 要】
：
针对协同表示分类器(CRC)计算时间复杂度较高的问题,利用重构系数的大小与样本标签之间的正相关性,提出了局部快速协同表示器并用于人脸识别。首先使用最小二乘法求解L2范数约束下的线性回归问题;然后对重构系数进行筛选,舍弃对分类不利的负重构系数;最后抛弃原CRC算法中的样本重构环节,转而使用最大相似性准则确定测试样本所属分类。该方法利用样本的局部相似性,使识别率得到了一定的提升。同时该方法无需样本重构
【机 构】
：
河海大学计算机与信息学院,南京晓庄学院信息工程学院
【基金项目】
：
国家自然科学基金(11101216),南京晓庄学院校级科研项目(2019NXY25)。
论文部分内容阅读
针对协同表示分类器(CRC)计算时间复杂度较高的问题,利用重构系数的大小与样本标签之间的正相关性,提出了局部快速协同表示器并用于人脸识别。首先使用最小二乘法求解L2范数约束下的线性回归问题;然后对重构系数进行筛选,舍弃对分类不利的负重构系数;最后抛弃原CRC算法中的样本重构环节,转而使用最大相似性准则确定测试样本所属分类。该方法利用样本的局部相似性,使识别率得到了一定的提升。同时该方法无需样本重构,求解复杂度大幅度降低。在AR和CMU PIE数据集上的实验结果表明,所提方法的时间复杂度极大幅度优于C
其他文献
异质信息网络(Heterogeneous Information Network,HIN)嵌入将复杂的异质信息映射到低维稠密的向量空间,有利于网络数据的计算和存储。现有的基于多视图的HIN嵌入方法考虑了节点之间的多种语义关系,但忽略了视图的不完整性。大多数视图存在数据缺失,直接融合多个不完整的视图会导致嵌入效果不佳。为此,文中提出了一种融合不完整多视图的HIN嵌入方法(Incomplete Multi-view Fusion Based HIN Embedding,IMHE)。IMHE的关键思想是聚合其他
行人重识别旨在跨摄像头条件下,从目标数据库中检索出特定的行人目标,其在视频监控领域有重要的应用价值。目前其研究难点为样本图像类内差异大、类间差异小,因此如何设计并训练深度神经网络对行人图片提取一个判别力更强的特征成为了其关键。针对以往研究只单独进行全局特征或局部特征学习的不足,提出了一种联合全局特征和局部特征学习的网络结构,该结构能够同时提取全局特征和具有较强区分力的局部细节特征;针对每部分局部特
随着人工智能的发展,自动驾驶领域的研究也日益壮大。深度强化学习(Deep Reinforcement Learning,DRL)方法是该领域的主要研究方法之一。其中,安全探索问题是该领域的一个研究热点。然而,大部分DRL算法为了提高样本的覆盖率并没有对探索方法进行安全限制,使无人车探索时会陷入某些危险状态,从而导致学习失败。针对该问题,提出了一种基于动作约束的软行动者-评论家算法(Constrained Soft Actor-critic,CSAC),该方法首先对环境奖赏进行了合理限制。无人车动作转角过大
针对立体匹配中不适定区域视差边缘模糊、视差不平滑、单个物体视差不连续、存在空洞的问题,提出了一种轻量化的实时双目深度估计算法,将场景图、通过语义分割得到的语义标签图和通过边缘检测得到的边缘细节图作为辅助损失,以地面真值图为主要损失,构造了联合损失函数,以更好地监督视差图的生成。此外,构造了一个轻量化的特征提取模块,以降低特征提取模块的冗余性,从而更好地简化特征提取步骤,提高了网络的实时性和轻量性。
SLAM(Simultaneous Localization and Mapping),即同时定位与地图构建,目前被广泛应用于机器人领域。SLAM算法使得机器人处于陌生环境时,能够通过自身搭载的传感器来感知环境信息并建立环境地图,并完成对自身位姿的计算,从而能够在未知环境中进行移动。随着研究者们对SLAM问题的深入研究,SLAM领域相关成果已非常丰富,但是有关室内场景SLAM的论述还不够系统。通过
数据治理是组织机构数字转型和数据管理的基础.如何有效利用计算机科学与技术推动数据治理实践,进而提升数据治理活动的智能水平是一个值得研究的新课题.在技术层面,智能数据治理需要解决大数据质量的实时分析与控制、数据治理模型和算法的可解释性、数据驱动型大数据治理技术、大数据治理中的实时分析与洞察、面向智能数据治理的知识图谱自动生成与动态维护、数据交换及共享、数据规整化及数据准备、数据集成与融合以及大数据的安全保障与隐私保护等核心问题.然而,现阶段的大数据治理技术尚未成熟,亟待在上述问题的研究中取得突破性进展.
人脸图像修复技术是近年来图像处理领域的研究热点,而人脸图像大面积缺失导致损失语义信息过多,一直是该领域的重点难点问题。针对这一问题,文中提出了一种基于生成对抗网络的图像分步补全算法。将人脸图像修复问题分为两步,设计两个串联的生成对抗网络,首先残缺图像通过预补全网络进行图像的预补全,预补全图像进入增强网络进行特征增强;判别器分别判断预补全图像和增强图像与理想图像的差异性;采用长短时记忆单元连接两部分
网络的负载均衡性和响应时延是视频监控对等网络重点关注的问题。文中提出了一种基于有限负载一致性哈希的P2P视频监控网络分层管理机制。首先根据节点地理位置将P2P视频监控网络划分为不同的自治域,自治域内分为一层超级节点和多层普通节点,采用节点上行带宽与每条视频传输通道所需带宽的比值作为节点负载上限,当上层节点总负载量到达上限后进行分层,每一层节点均被映射到一个hash环上,并使用CHBL算法控制层内节点的负载均衡。然后采用独立信息数据波动赋权法计算出节点的各指标权重,通过线性加权得到节点综合价值,当节点脱离网
【摘要】 本文的主旨为深入分析“互联网+”时代信息技术课程价值，以期为学生提供新的技术与工具，提升学生的信息化素养。以文献探究为理论基础，通过本文分析可知，应从提升信息技术教师的专业素养、建立健全的信息技术教学机制、加强信息技术课程的教学实践活动等几方面入手，有助于充分发挥信息技术课程的重要价值，提高信息技术教育的有效性。 【关键词】 互联网+时代 信息技术课程 价值 引言： 随着新
随着运输技术的快速发展,铁路已成为人们出差、度假、探亲时选择的主要出行方式之一。与此同时,旅客共同出行(以下简称同行)的行为特征也越来越普遍。依据旅客间的同行关系,可以构建同行关系网络;而对该网络中潜在的链接进行预测,将有助于提供个性化的服务和产品。为此,文中提出一种原创的方法,用于在旅客同行关系网络中发现潜在的同行关系。首先对传统的图模式关联规则进行扩展,提出了两类“同行图模式关联规则”,用于预测新的同行关系和未来的同行频次。然后,将上述规则挖掘计算的问题分解为频繁同行模式挖掘、规则生成以及关联分析3个