计算机fddl是什么网络,FDDL

相关文献

0引言c2min||α||1+β∑i=1||Aiαi||2s.t||y-Aα||2≤ε(2)a作为生物特征识别之一的人脸识别得到了广泛研约束项前的第一项保证了测试样本y在A上的整体究,实现高识别率和实时性成为研究的重点。FDDL字稀疏性,第二项实现了y在c个类上不同组间的稀疏性。典学习在对训练样本进行重构的同时,引入了Fisher混合稀疏可以克服SRC仅考虑表示系数在所有样本上的判别准则,使得编码字典具有识别力,稀疏系数也具稀疏性,而未能选用最少数量的类别对测试样本进行线有识别作用。混合稀疏用于对测试样本分类时,既考性表示,基于以上分析该方法能够进一步提高识别率。虑了训练样本的最稀疏表示,也考虑使用最小的数量组别对测试样本进行表示。将两者进行结合,能够实3基于FDDL和混合稀疏的算法现识别率的提高,识别速度上也有所提升。首先对原始字典A进行FDDL字典学习,结合(1)式分别求得1字典学习D和X,然后由(2)式在D上对y进行混合稀...

(本文共2页)

阅读全文>>

1引言描述逻辑(Description Logic,DL)[1]是基于对象的逻辑,它吸收了KL-ONE[2]的主要思想,是一阶谓词逻辑的一个可判定子集。描述逻辑的重要特征是它具有很强的表达能力和可判定性,它保证推理算法总能停止,并返回正确的结果。在众多知识表示的形式化方法中,描述逻辑在十多年来受到人们特别关注,主要原因在于:它有清晰的模型—理论语义;对概念性知识的处理,特别是对概念分层的处理非常有效;最为重要的是它提供了很有效的推理服务。目前国内外许多学者对描述逻辑进行了深入研究,特别是描述逻辑与语义Web的关系。例如,IanHorrocks等人证明了语义Web本体语言OIL可以映射为描述逻辑SHIQ,即本体语言OIL和描述逻辑SHIQ等价[3],以及研究了带复杂关系包含公理的SHIQ的可判定性问题[4]。Ian Horrocks等人还以描述逻辑为依据,研究了语义Web本体语言的形式语义,提出了与语义Web本体语言DAML+OI...

(本文共12页)

阅读全文>>

0引言用计算机分析识别肿瘤细胞图像对降低医生的劳动强度和提高诊断精度都具有十分重要的意义,也是人工智能领域一个活跃的分支,肿瘤细胞图像识别研究近年来一直受到众多学者的关注。在肿瘤细胞图像分类识别方面,流行的识别方法有稀疏表示、支持向量机(Support Vector Machine,SVM)、神经网络以及深度学习。稀疏编码作为一种有效理解人类神经系统信息加工机制的理论工具,已广泛地应用于图像特征提取[1]、图像去噪[2],以及人脸识别[3]等方面。孙俊等[4]等利用稀疏编码来提取人脸图像的整体特征,并引证了利用稀疏编码提取的特征具有更好的分类特性。有的学者将其应用于彩色肝细胞图像识别[5]和脑脊液细胞图像快速分类[6],取得了较好的识别效果。对于一幅胃上皮肿瘤显微细胞图像(以下简称肿瘤细胞图像),其细胞图像具有稀疏响应的特性,所以也可以利用稀疏编码进行特征提取和模式识别。许多学者对于肿瘤细胞图像识别进行了深入的研究[7-8],但...

(本文共6页)

阅读全文>>