您现在的位置: 首页> 研究主题> 流形排序

流形排序

流形排序的相关文献在2008年到2022年内共计78篇,主要集中在自动化技术、计算机技术、农业基础科学、武器工业 等领域,其中期刊论文57篇、会议论文5篇、专利文献8933篇;相关期刊39种,包括现代图书情报技术、电子与信息学报、计算机工程等; 相关会议5种,包括2016中国计算机辅助设计与图形学会大会、第十五届中国虚拟现实大会暨虚拟现实与可视化技术国际会议、第五届全国青年计算语言学研讨会(YWCL 2010)等;流形排序的相关文献由218位作者贡献,包括冀中、刘政怡、朱征宇等。

流形排序—发文量

期刊论文>

论文:57 占比:0.63%

会议论文>

论文:5 占比:0.06%

专利文献>

论文:8933 占比:99.31%

总计:8995篇

流形排序—发文趋势图

流形排序

-研究学者

  • 冀中
  • 刘政怡
  • 朱征宇
  • 段先华
  • 汪梅
  • 马亚茹
  • 鲁文超
  • 任守纲
  • 冯林
  • 刘利
  • 期刊论文
  • 会议论文
  • 专利文献

搜索

排序:

年份

    • 唐立婷; 段先华; 鲁文超
    • 摘要: 针对传统的流行排序显著性检测算法存在的问题,本文提出了改进背景先验和前景先验的显著性检测.首先计算图像的凸包,并将图像分割成不同尺度的超像素;然后以凸包区域之外的超像素为背景种子,结合多尺度下图像的多种底层特征得到最终的背景显著图;第三,以凸包区域之内的超像素为前景种子,结合多尺度下图像的多种底层特征得到最终的前景显著图;第四,融合最终的背景显著图和最终的前景显著图得到弱显著图,通过多核增强(MKB)算法对由弱显著图生成的训练样本进行强分类,生成强显著图;最后综合强弱显著图,得到最终的显著图.通过在MSRA1000,PASCAL和ECSSD数据集上与其他13种算法进行对比,验证了本文算法在显著目标检测的准确性方面更具优势.
    • 张宝峰; 曹珍珍; 朱均超; 刘娜
    • 摘要: 为解决污染修复环境中施工人员实时防护问题,提出使用基于改进的流形排序显著性检测算法对施工人员进行检测.首先,利用超像素分割对图像进行处理,建立适合的图模型;然后利用流形排序方法将图像各边界节点作为背景种子得到第一个显著图;再利用流形排序对第一阶段的显著图进行阈值分割,得到最终的显著图.实验表明,改进方法在视觉效果上与传统检测方法相比,得到的显著区域有很好的改善,并且在精确率、召回率、F值等评价指标上有较好的反映.
    • 于亚新; 张文超; 李振国; 李莹
    • 摘要: 基于事件的社交网(event-based social networks,EBSN)中的个性化推荐服务是一个十分重要且颇具应用价值的问题,现有研究工作主要基于普通图来对EBSN中的关系进行建模,但由于EBSN是一种异构型复杂社交网络,具有多种不同类型实体,因而用普通图建模EBSN会存在高维信息丢失问题,导致推荐质量降低.基于此,首先提出一种基于超图模型的EBSN个性化推荐(hypergraph-based personalized recommendation in EBSN,PRH)算法,其基本思想在于利用超图具有不丢失高维数据信息之特点来更准确地对EBSN中复杂社交关系数据进行高维建模,并利用流形排序正则化计算获取初步推荐结果.其次,又分别从查询向量设置方式改进和对不同类超边施以不同权重等角度,提出了优化的PRH(optimized PRH,oPRH)算法以进一步优化PRH算法所获推荐结果,从而实现精准推荐.扩展实验表明,基于超图的EBSN个性化推荐及其优化算法,推荐结果相比于以前基于普通图的推荐算法具有更高准确性.
    • 张笃振; 刘淑娥
    • 摘要: 为了在显著性目标检测中保持高的召回率的同时提高准确率,本文提出了3点改进思路.第一,从超像素中提取简单的视觉特征,如颜色、方向和空间信息;第二,为了克服经典的基于图的流形排序(MR)的显著性目标检测算法中背景先验假设的缺点,使用仿射传导聚类算法(APC)自动聚合超像素为不同的特征类别.根据目标与背景(改进的)边缘连通度的不同,图像边缘的超像素会得到较大的权重即较大的背景概率值,这样边缘上真正的背景超像素就会筛选出来.同时,使用改进的MR算法计算图像的显著性值.第三,为了进一步增强算法的性能,前面第二步的结果可以作为“弱”显著图,利用引导学习算法从中产生“强”显著图得出最终结果.基于3个标准图像库的实验结果证明,本文提出的算法在性能上超过了其它3种优秀算法.%To increase precision while preserving high recall in salient object detection,three schemes have been proposed.First,simple visual features,namely color,orientation,and spatial information,are used to represent image superpixels.Second,to overcome the shortage of the boundary prior assumption based on graph-based manifold ranking (MR),the affinity propagation clustering (APC) is utilized to aggregate the superpixels (nodes) to different feature clusters adaptively.According to the modified boundary connectivity,the superpixels along the image boundaries are assigned with different background weights (the values of background probability).The real background seeds are selected and an improved MR method is employed to compute saliency.Third,to further improve the performance,the result of the second step acts as the weak saliency map.The bootstrap learning algorithm is used to generate the strong saliency map and the final result.Comparing with other three state-of-the-art algorithms on three public benchmark datasets,our experimental results demonstrate that our approach outperforms other algorithms.
    • 王延召; 彭国华; 延伟东
    • 摘要: 为了进一步提高显著性目标检测的准确性,提出基于不同特征流形排序和联合连通性先验的显著性检测算法.针对现有基于流形排序的算法在图的构建中存在的边权重计算和顶点的连接问题,使用不同种特征计算顶点间边的权重,并且改进顶点的连接方式,得到流形排序显著图.同时结合边界连通性先验和前景连通性先验得到联合连通性先验显著图.在不同尺度下进一步融合两种显著性结果,得到最终的显著图.通过与16种算法在4种数据集上的对比表明,文中算法可以得到更清晰、准确的检测结果.
    • 于明; 李博昭; 于洋; 刘依
    • 摘要: 针对现有图像显著性检测算法中显著目标检测不完整和显著目标内部不均匀的问题,本文提出了一种基于多图流形排序的图像显著性检测算法.该算法以超像素为节点构造KNN图(K nearest neighbor graph)模型和K正则图(K regular graph)模型,分别在两种图模型上利用流形排序算法计算超像素节点的显著性值,并将每个图模型中超像素节点的显著值加权融合得到最终的显著图.在公开的MSRA-10K、SED2和ECSSD三个数据集上,将本文提出的算法与当前流行的14种算法进行对比,实验结果显示本文算法能够完整地检测出显著目标,并且显著目标内部均匀光滑.
    • 刘继红; 王克剑; 王嘉骥
    • 摘要: 为了更好地引导和启发设计者的思考,提出设计决策脉络概念.设计决策脉络是舍去设计试错过程并呈现设计主体思维因果关系发展路径的设计理性知识模型抽象表达.基于细粒度设计理性知识模型,提出设计决策脉络挖掘方法.该方法基于商空间理论对设计理性知识模型进行约简,构建分层递阶设计决策脉络模型,以支持设计者从不同粒度水平分析设计问题;通过改进的流形排序算法实现模型的语义约简,删除与设计主题相关度较低的知识片段以获取核心设计思考过程.最后通过构建原型系统,验证了文中方法是有效的.
    • 肖锋; 李茹娜
    • 摘要: 针对现有显著性检测方法在凸显目标完整性和背景噪声抑制方面性能较差的问题,提出一种显著目标检测算法.构建改进的全卷积神经网络,捕获图像中的语义信息,生成高层语义初步显著图.利用语义知识引导流形排序进行优化,实现显著目标的边缘传播.融合不同尺度下的显著图,完成显著目标检测.在ECSSD、DUT-OMRON 、SED2数据集上进行实验,结果表明,与最大对称环绕、主成分分析等算法相比,该算法检测出的显著目标更加完整,在复杂场景下检测结果鲁棒性更好.
    • 张笃振1; 刘淑娥2
    • 摘要: 为了在显著性目标检测中保持高的召回率的同时提高准确率,本文提出了3点改进思路.第一,从超像素中提取简单的视觉特征,如颜色、方向和空间信息;第二,为了克服经典的基于图的流形排序(MR)的显著性目标检测算法中背景先验假设的缺点,使用仿射传导聚类算法(APC)自动聚合超像素为不同的特征类别.根据目标与背景(改进的)边缘连通度的不同,图像边缘的超像素会得到较大的权重即较大的背景概率值,这样边缘上真正的背景超像素就会筛选出来.同时,使用改进的MR算法计算图像的显著性值.第三,为了进一步增强算法的性能,前面第二步的结果可以作为“弱”显著图,利用引导学习算法从中产生“强”显著图得出最终结果.基于3个标准图像库的实验结果证明,本文提出的算法在性能上超过了其它3种优秀算法.
  • 查看更多

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号