修车大队一品楼qm论坛51一品茶楼论坛,栖凤楼品茶全国楼凤app软件 ,栖凤阁全国论坛入口,广州百花丛bhc论坛杭州百花坊妃子阁

oe1(光电查) - 科学论文

5 条数据
?? 中文（中国） ▾

  • 基于磁共振成像并利用标签信息的稀疏特征学习用于阿尔茨海默病分类

    摘要： 生物医学信号处理数据已被用于脑部疾病的自动诊断与分类，这是智慧城市研究的重要组成部分。如何从这些数据中选取判别性特征是影响后续自动诊断与分类性能的关键。然而，在以往的流形正则化稀疏回归模型中，局部邻域结构直接基于传统欧氏距离构建，未充分利用受试者的标签信息，导致所选特征的判别性较弱。本文提出一种新型流形正则化稀疏回归模型用于学习判别性特征：首先采用l2,1范数正则化联合筛选样本间的相关特征子集；进而通过标签信息调整的相对距离构建新型流形正则项，该正则项能同时保持类内样本的紧凑性与类间样本的可分性，从而选取更具判别性的特征。所提特征学习方法进一步应用于二分类与多分类任务?；诎⒍暮Ｄ∩窬跋裱Ъ苹氖笛榻峁砻?，该方法能有效诊断阿尔茨海默病与轻度认知障碍。

    关键词： 特征学习、阿尔茨海默病、流形正则化、稀疏回归

    更新于2025-09-22 15:30:13

  • [IEEE 2019年第25届集成电路与系统热分析国际研讨会(THERMINIC) - 意大利莱科(2019.9.25-2019.9.27)] 2019年第25届集成电路与系统热分析国际研讨会(THERMINIC) - 大功率AlInGaN LED阵列热机械变形引起的温度分布建模

    摘要： 当标注数据量有限时，半监督学习通过利用通常容易获取的未标注数据能提升学习器性能。特别是，一种流行方法要求所学函数在底层数据流形上保持平滑性。通过将该流形近似为加权图，这类基于图的技术常能取得最先进的性能。然而其高时空复杂度使其在大型数据集上吸引力下降。本文提出利用从数据中提取的一组稀疏原型来扩展基于图的半监督学习规模。这些原型作为少量数据代表，可用于近似图正则化项并控制模型复杂度，从而使训练和测试效率大幅提升。此外，当采用高斯核定义图相似度时，可获得选择原型的简明原理性方法。多项真实数据集实验表明，该方案具有优异的性能表现和扩展特性，在相同模型稀疏度水平下也优于通过l1正则化学习的模型。这些结果证明了本方法能有效构建兼具高度简洁性与准确性的半监督学习模型。

    关键词： 半监督学习、低秩近似、基于图的方法、大数据集、流形正则化

    更新于2025-09-19 17:13:59

  • [IEEE 2019年第六届空间技术最新进展国际会议（RAST） - 土耳其伊斯坦布尔（2019.6.11-2019.6.14）] 2019年第九届空间技术最新进展国际会议（RAST） - 高分辨率电光卫星辐射分析

    摘要： 当标注数据量有限时，半监督学习通过利用通常容易获取的未标注数据能提升学习器性能。特别是，一种流行方法要求所学函数在底层数据流形上保持平滑性。通过将该流形近似为加权图，此类基于图的技术常能达到最先进性能。然而其高时空复杂度使其在大规模数据集上吸引力下降。本文提出利用从数据中提取的一组稀疏原型来扩展基于图的半监督学习，这些原型作为少量数据代表，可用于近似基于图的规则化项并控制模型复杂度，从而使训练和测试效率大幅提升。此外，当采用高斯核定义图相似度时，可获得选择原型的简明原理性方法。在多个真实数据集上的实验表明，该方法具有优异的性能表现和可扩展性，在相同模型稀疏度水平下也优于通过L1正则化学习的模型。这些结果证明了所提方法在生成高度简约且精确的半监督学习模型方面的有效性。

    关键词： 大数据集、半监督学习、基于图的方法、流形正则化、低秩近似

    更新于2025-09-19 17:13:59

  • [IEEE IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 西班牙瓦伦西亚（2018.7.22-2018.7.27）] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 高光谱异常检测的流形正则化低秩表示方法

    摘要： 本文提出了一种基于流形正则化的低秩表示高光谱异常检测新方法。通常，高光谱图像可建模为两部分叠加：具有低秩维数的背景部分和由稀疏矩阵描述的异常部分。低秩表示（LRR）可用于联合求取所有像素的最低秩表示（即背景部分），而异常部分则包含在原始图像的残差中。为学习更具判别性的表示，我们将流形正则化项引入原始LRR模型。该方法的重要优势在于能同时利用全局低秩特性与局部几何结构。在模拟和真实高光谱数据集上的实验结果验证了所提方法的有效性。

    关键词： 局部几何结构、流形正则化、低秩表示、异常检测、高光谱影像

    更新于2025-09-10 09:29:36

  • 基于流形正则化的高斯场估计器用于视网膜图像配准

    摘要： 视网膜图像配准技术通过整合不同模态、视角或时间点的视网膜图像信息，在多种眼科疾病的诊断与治疗中具有重要作用。本研究提出一种名为"带流形正则化的高斯场估计器"的高效算法来解决这一需求。我们将配准问题构建为概率模型（即高斯场估计器）以实现鲁棒估计，并结合包含流形正则化的先验条件来保持输入数据的内在几何特性。非刚性变换在再生核希尔伯特空间中进行定义，同时采用稀疏近似方法实现该变换的快速运算。大量视网膜图像实验表明，本方法具有显著有效性——相比其他前沿技术，尤其在严重退化数据情况下能获得更优结果。

    关键词： 不匹配去除、高斯场估计器、流形正则化、视网膜图像配准

    更新于2025-09-09 09:28:46