您现在的位置: 首页> 研究主题> 非线性降维

非线性降维

非线性降维的相关文献在2004年到2022年内共计122篇,主要集中在自动化技术、计算机技术、化学、无线电电子学、电信技术 等领域,其中期刊论文99篇、会议论文10篇、专利文献222469篇;相关期刊76种,包括无线互联科技、四川大学学报(自然科学版)、科学技术与工程等; 相关会议8种,包括第六届全国信息检索学术会议、第29届中国控制会议、2009全国博士生学术会议——电站自动化信息化等;非线性降维的相关文献由331位作者贡献,包括吴翊、何小海、吴炜等。

非线性降维—发文量

期刊论文>

论文:99 占比:0.04%

会议论文>

论文:10 占比:0.00%

专利文献>

论文:222469 占比:99.95%

总计:222578篇

非线性降维—发文趋势图

非线性降维

-研究学者

  • 吴翊
  • 何小海
  • 吴炜
  • 唐晓燕
  • 唐武雷
  • 杨晓敏
  • 杨磊
  • 陈默
  • 丁军华
  • 何坤
  • 期刊论文
  • 会议论文
  • 专利文献

搜索

排序:

年份

期刊

作者

    • 邓力珲; 曹丽; 张俊杰
    • 摘要: 测井数据具有多维、多类、多量等显著特征,是测井资料地质解释工作的重要依据。针对测井数据处理过程中的多维度、非线性问题,文章应用流形学习思想进行测井数据降维,提出基于t分布随机近邻嵌入(t-distributed stochastic neighbor embedding,t-SNE)算法的测井数据解释模型:首先对测井数据进行预处理,并通过计算KL散度优选最佳维数,进而运用t-SNE算法将高维测井数据嵌入到低维空间;再结合支持向量机(support vector machine,SVM),构建t-SNE-SVM岩性解释模型,实现高维测井数据的非线性随机降维和岩性智能识别。实验结果表明,与传统的PCA等线性降维方法相比,经过t-SNE算法处理后的测井数据明显分为3类,进而有效地提高了t-SNE-SVM模型的透明度及可解释性。
    • 聂莉娟
    • 摘要: 图像识别技术是信息化时代非常重要的一项技术,能够借助计算机完成庞大物理信息处理工作,图像识别的实现一般通过图像采集、图像预处理、特征提取以及图像识别4个流程进行,将人工智能结合到图像识别中,有助于提高图像识别技术的智能化与便捷化,现代基于人工智能的图像识别技术的运用主要有模式识别、神经网络以及非线性降维等。
    • 胡宇森; 禹素萍; 许武军; 范红
    • 摘要: 本文提出了一种基于相似度统计的ISOMAP表情强度度量方法。该方法通过提取人脸特征点,获得样本间的相似度统计特征,构造邻接矩阵,并通过非线性降维方法将样本的高维特征投影在一维强度空间,并建立合适的度量方法对表情强度进行度量。同时本文提出的基于相似度统计的方式可以根据实验数据集在降维后的特有的分布选取阈值,具有一定的自适应性。
    • 陈小军
    • 摘要: 流行学习一直是深度学习、机器学习、人工智能的研究热点,其是非线性降维算法中非常重要算法思想。流行学习利用局部与欧式空间是同胚空间的概念,将高维数据空间嵌入低维流行结构,用低维局部欧氏特征表示高维数据结构。文章介绍了流行学习的基本概念、经典算法思想,对经典算法思想进行分析比较,并提出有待进一步分析和研究的问题。
    • 胡扬; 魏毅强
    • 摘要: 目的 基于核主成分与k近邻算法提出了心脏疾病分类的KPCA-KNN方法,以便更准确地掌握病人的病情.方法 通过Q-Q图检验核变换后的数据是否服从多元正态分布,其中核参数采用非参数统计检验——Friedman检验方法进行优化选取,进一步发现在同一种分类方法中,分类正确率对于核参数的选取具有鲁棒性.结果 所使用的数据是高维非线性数据,为了避免出现维数灾难和过拟合的现象,使用核主成分方法来减少数据维数,去除非线性因素的影响,通过k近邻算法判断病人是否患有心脏病.该方法在UCI数据库的SPECIF数据上进行了测试.结论 核主成分在降维和分类方面表现良好,分类准确率比原始的CLIP3算法提高了15%.与主成分相比,对于非线性数据的分类效果更为优越.在处理心脏疾病数据这一类非线性分类问题时,KPCA-KNN方法使得解决问题又多了一条有效的途径.
    • 杨志明; 黄天仑; 谭鹏辉; 钟震宇; 张云
    • 摘要: 针对传统线性降维方法需要模态数量多、重构误差大的问题,提出一种基于卷积自编码网络的锂离子电池电极干燥流场的非线性降维技术.首先,采用大涡模拟仿真获取锂离子电池电极干燥流场的数据集;然后,利用卷积自编码网络对流场进行重构,并详细比较Mish激活函数、ReLU激活函数与传统本征正交分解(POD)的重构效果.实验表明:本文采用的卷积自编码网络在不同方向速度分量、总速度的重构效果方面优于传统的POD技术;且Mish激活函数的收敛效率与重构误差均优于传统的ReLU激活函数.本文技术能准确重构锂离子电极干燥流场,具有一定的实用价值.
    • 叶建丞
    • 摘要: 本文对于现有研究缺乏对智能化图像识别发展的论述,同时为现阶段5G与识别技术结合发展提出展望,对图像识别技术的发展历程、概念、识别过程、关键技术等研究进行综述.本文从图像识别技术发展历程出发到目前的实时状况,阐述图像识别技术的定义、识别过程,对识别技术中二值化预处理技术、大规模图像数据集以及统计模式识别、神经网络模式识别、非线性降维等图像识别技术进行着重分析,简述图像识别技术在各领域的作用.现流行5G与智能技术结合提高性能,由此提出应用5G与识别技术相结合进行技术优化的想法.
    • 曾宪华; 陈坳珠; 何姗姗
    • 摘要: Due to the facts that the existing medical images are mainly represented in the form of gray scale images,with the monotonous feature,and cannot express the image information adequately,a color perception algorithm of medical images based on multi-features fusion was proposed.First,by extracting the gradient features of the gray images in multiple directions and fusing original brightness feature,more information about the images was retained.Next,a hierarchical structure was constructed to reduce the computation cost by selecting representative pixels in similar region.Then,the low-dimensional coordinates for all pixels on the top layer were calculated by using manifold-based technique and the interpolation computation was conducted from top to bottom.Finally,low-dimensional coordinates were projected into the color space to gain the corresponding color medical images.The experimental results on normal MRI images,normal CT images and MRI images with disease,demonstrated that the obtained color medical images have rich information by our algorithm.Moreover,compared with the traditional color transfer algorithm,the color medical images by using our algorithm has higher clarity and better target background contrast indicators.%针对现有的医学影像主要以灰度图像的形式呈现,特征单一,不能充分表达图像信息等问题,提出多特征融合的医学影像颜色感知算法.首先通过提取多个方向的梯度特征以及融合原始亮度特征保留图像更多信息,在相似区域选择代表点,建立像素点的层次结构减少计算量;然后对顶层像素点利用流形学习和自顶而下的插值方法计算所有像素点的低维坐标;最后将低维坐标投影到颜色空间得到相应的彩色医学图像.在正常MRI影像、正常的CT影像以及带有疾病的MRI影像上进行实验的结果表明,文中算法对医学灰度图像进行着色后具有丰富的色彩信息;相比传统的颜色迁移算法,该算法具有更高的清晰度和目标背景对比度指标.
  • 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