【摘 要】
：
多视图聚类需要将多个视图的数据信息进行融合表示，是一项重要且具有挑战的任务.至今仍存在2个难解的问题：1)如何将多视图信息有效融合，减少信息丢失；2)如何将图学习和谱聚类同时进行，避免2步策略带来次优化结果.由于数据本身存在噪声并且各视图数据差异较大，在数据空间进行融合可能会造成重要信息的损失；另外，考虑到不同视图的数据应具有相同的聚类结构.为此提出基于谱结构融合的多视图聚类模型，将各视图信息在谱
论文部分内容阅读
多视图聚类需要将多个视图的数据信息进行融合表示，是一项重要且具有挑战的任务.至今仍存在2个难解的问题：1)如何将多视图信息有效融合，减少信息丢失；2)如何将图学习和谱聚类同时进行，避免2步策略带来次优化结果.由于数据本身存在噪声并且各视图数据差异较大，在数据空间进行融合可能会造成重要信息的损失；另外，考虑到不同视图的数据应具有相同的聚类结构.为此提出基于谱结构融合的多视图聚类模型，将各视图信息在谱嵌入阶段实施融合，一方面避免了噪声和各视图数据差异的影响，另一方面融合的部位和方式更自然，减少了融合阶段
其他文献
工务专业设施的运维管理是铁路运维管理的重要组成部分，传统的工务运维管理受制于技术手段，对图像数据的管理水平较低：采集时效率低；存储时缺乏统一标准，难以长期积累；使用时检索查询不便，限制了工务运维的精准度和效率的进一步提升。本文针对工务运维中图像数据的管理问题，以BIM技术和机器视觉技术为基础，以移动智能终端为载体，研究了工务运维图像数据智能化管理方法。基于机器视觉技术，实现了通过图像识别工务设施，
针对当前目标跟踪领域中跟踪精确度和跟踪速度难以平衡的问题。例如基于相关滤波实现的跟踪器能够以很高的速度运行， 但跟踪准确性极低；基于深度学习实现的跟踪器能够实现较高的跟踪准确性，但跟踪速度较低。在此基础上， 提出一种改进的Siamese自适应网络和多特征融合目标跟踪算法。首先在Siamese网络每个分支上同时构建AlexNet网络和改进的ResNet网络， 用于特征提取。其次通过端到端的方式同时进
极光亚暴的频繁发生对现代人类生活的各个方面都会产生巨大的影响，对其发生过程、效应和模型的研究一直是近30年来日地物理学中最受重视的核心前沿课题之一。Polar卫星携带的紫外成像仪（Ultraviolet Imager， UVI）每年采集到的紫外极光图像数量非常庞大，仅由人工从大量的紫外极光图像中识别亚暴事件是非常低效且耗时的。这在一定程度上阻碍了专家们对亚暴现象更深入的研究。因此，自动且精确的从海
超分辨率图像重建是以时间带宽换取空间分辨率，通过采集低分辨图像细节中有用信息融合成高分辨图像的过程。基于图像高频细节的重构问题，文章建立全变分（Total Variation）约束重建模型，选取交替方向乘子法（Alternating Direction Method of Multipliers）求解分析，TV-ADMM重建算法能够保持图像边缘信息，纹理细节的刻画却不够理想，图像平滑部分的重建出现
针对苹果叶部病害由于数据集类间样本不均衡和拍摄角度、光照变化等实际成像与环境因素造成的精度低和泛化能力差的问题，本文提出了一种新型的非对称混洗卷积神经网络ASNet。首先，通过在ResNeXt骨干网络中添加改进的scSE注意力机制模块增强网络提取的特征;其次，针对多数叶片病害特征分布相对分散的问题，使用非对称混洗卷积模块代替原始的残差模块来扩大卷积核的感受野和增强特征提取能力，从而提升模型的分割精
为有效解决舰船目标的检测与识别问题，提出一种基于显著性检测和Hu不变矩的红外舰船目标检测识别方法，首先使用中值滤波、维纳滤波及灰度非线性变换去除噪声，增强对比度，然后利用Itti算法模型进行显著性检测，针对检测分割后的舰船目标提取几何特征、灰度特征和Hu不变矩特征进行综合识别。经大量仿真实验证明，此方法具有较高的检测识别率和良好适应性，在复杂海天背景下能够快速有效地检测出舰船目标并实现准确识别。
针对输电线路中绝缘子背景复杂，传统的故障识别算法存在如绝缘子的误检、漏检以及识别率低等弊端。相比传统卷积神经网络，胶囊网络(Capsule Network)首次采用矢量作为输入，可以保留目标的方向、角度等特征信息，更适合识别复杂背景下的绝缘子。因此本文提出一种基于胶囊网络与YOLO文本定位相结合的绝缘子破损识别算法，通过将传统胶囊网络卷积层9×9的卷积核简化为3×3的卷积核，并通过遗传算法和随机梯
针对行人重识别过程中，多分支结构的网络模型在提取行人特征时缺乏异构特征的问题，提出一种异构分支关联特征融合的行人重识别算法。训练阶段，将OSNet与注意力机制相结合作为主干共享网络，以学习到具有更强显著性和区分性的行人关键特征；将分支网络输出的行人特征进行水平均等分割，再提取关联条纹特征，从而全面利用位于条纹间的综合信息；设计异构特征提取模块，以增加模型学习差异特征所需的结构多样性。推理阶段，将多
针对由非完整圆柱和特征相似平面组成的预拼装钢构件，提出了一种点云自动分割算法。首先通过降维投影对预处理后的空间点云做基于边界识别的空间分区，再采用随机采样一致性算法估计各分区满足几何约束条件的初值模型，并结合最小二乘拟合完成模型点云的二次过滤，达成对平面及圆柱模型点云的完整提取。在处理平面点云数据时，引入基于密度的空间聚类以及抽样点距离约束来实现几何特征相似平面的有效分割。工程数据验证表明，该算法
为探讨生物炭田间自然陈化与土壤有机碳的相互作用机制，采用田间原位埋置尼龙袋法，研究了生物炭田间自然陈化0、30、90、180、360和720 d后其自身结构特征及其类腐殖质组成的动态变化，以及对黑土有机碳及其腐殖质组分的动态影响。研究结果表明，生物炭陈化至720 d，其碳和氮含量较0 d显著增加，生物炭的氧化度和芳香性下降，脂族性提高，其类胡敏酸含量提高幅度高达65.64%。通过埋置生物炭袋处理（