图拉普拉斯相关论文
海量数据对于训练传统有监督学习模型是一种巨大挑战,这是因为手动标注动态新增样本是不切实际的。此时无监督学习方法能发挥替代......
在传统多标记学习算法中,用于训练的数据集中的每个样本被精确标注了多个相关标记,但由于近年来数据量急剧增长,精确数据集在现实......
随着硬件显示设备和虚拟现实技术的发展，具有真实感的数字化城市受到人们越来越多的关注。数字化城市在城市规划、三维地图、古迹保......
稀疏贝叶斯作为一种主流的机器学习算法,它能够充分利用数据的先验信息,并结合已知的样本集,建立合理的数学模型,在训练的结果中拥......
在图像中自动发现人感兴趣的目标是计算视觉中非常有用的技术,近年来一直是计算视觉中的热门研究领域。显著区域检测技术广泛应用......
复杂网络是现实世界中网络的一种抽象,网络中的节点可以代表个体,而网络之间的节点形成的关系就构成了边。复杂网络通常会呈现出社......
降维是模式分析和机器智能领域中的基本工作。而流形学习是非线性降维分析中最活跃的方向。在此论文中，主要探讨流形学习以及相关的......
自然抠图从背景复杂的彩色图像中根据已知像素进行未知像素的透明度估计以实现前景的准确提取,是图像处理和影视制作的关键技术之......
为提高谱聚类算法的鲁棒性,基于稀疏编码在图的构造中提出一种改进L1稀疏表示图模型。将每个样本表示为数据集中其他样本的稀疏线......
本文研究了关于图上样本排序的算法设计问题.利用流形正则化的方法,在考虑函数空间复杂性的基础上充分利用图的内在结构信息,得到......
以往半监督多示例学习算法常把未标记包分解为示例集合，使用传统的半监督单示例学习算法确定这些示例的潜在标记以对它们进行利用。......
总结了图与复杂网络(包括随机图与小世界网络)的拉普拉斯谱的最新的结果和研究进展.主要内容包括给定度序列的拉普拉斯谱半径、拉......
图分割是图处理领域中一种重要方法,并且可应用到计算机科学的其它分支,例如计算机视觉、数据挖掘等,具有重要的影响。由于大规模......
在目标跟踪中,大部分算法都是假设目标亮度不变或者目标子空间不变,然而,这些假设在实际场景中并不一定满足,特别是当目标和背景都......
流形学习算法在构造图模型时假设观测数据来自一个光滑的流形采样，但实际高维数据中由于各种因素经常存在噪声或异常值．针对概念分解......
针对无监督属性选择算法使用单一方法,未考虑数据间内在相关性和噪声等问题,提出一种基于属性自表达的低秩无监督属性选择算法。算......
受到图拉普拉斯理论的部分启发,本文提出了一种加权拉普拉斯方法来更加方便地研究现阶段比较流行的图问题,例如,多层图分割,以及平......
阶梯网络不仅是一种基于深度学习的特征提取器,而且能够应用于半监督学习中.深度学习在实现了复杂函数逼近的同时,也缓解了多层神......
基于广阔的应用前景和前所未有的理论挑战,多自主体系统协调控制成为了多个领域中的研究热点。其中,运动编队协调控制是多自主体系......
近年来的研究结果表明,对获得的数据样本点进行精确的识别与分类有利于大数据研究工作的开展,但是,在实际的研究工作中,往往获得的......
近年来随着海量图像和多媒体社交数据的指数级增长,多标记学习因其丰富而完整的语义表示可以有效应对复杂场景下的不同用户需求,广......
本综述从图拉普拉斯视角回顾多智能体系统分布式协调控制中的主要成果和进展。在过去几十年,多智能体分布式协调控制被系统与控制......
目的多模态信息交叉检索的根本问题是多模态数据的特征表示。稀疏编码是一种有效的数据特征表示方法,但是当查询数据和被检索数据......
针对传统低秩表示聚类方法存在的稀疏性不足及噪声敏感等问题,提出了一种基于局部图拉普拉斯约束的鲁棒低秩表示聚类模型.一方面,......
随着通信技术,传感技术和人工智能的不断发展,多自主体系统在多机器人合作、无线传感器网络等领域展现出活跃的生命力,因此引起国......
最近几年,虚拟现实技术发展迅猛,对三维模型数据的处理,也原来受到人们关注。三维网格模型分割作为三维数字几何模型处理的一个比......
