陈秀宏 作品数:125 被引量:557 H指数:12 供职机构: 江南大学数字媒体学院 更多>> 发文基金: 国家自然科学基金 中央高校基本科研业务费专项资金 江苏省普通高校研究生科研创新计划项目 更多>> 相关领域: 自动化与计算机技术 理学 文化科学 电子电信 更多>>
改进的支持向量机分类算法 被引量:3 2009年 在研究了标准SVM分类算法后,本文提出了一种快速的支持向量机分类方法。该方法通过解决两类相关的SVM问题,找到两个非平行的平面,其中每个平面靠近其相应的类样本点,远离另一类样本点,最后通过这两个平面找到一个将两类样本分开的最优平面。在处理非线性情况下,引入一种快速核函数分类方法。使用该算法可以使分类的速度得到很大提高,针对实际数据集的实验表明了该算法的有效性。 刘莉 陈秀宏关键词:支持向量机 特征向量 核函数 多通道非凸低秩近似及其在彩色图像去噪上的应用 2020年 提出一种将多通道优化和非凸低秩矩阵近似进行融合的彩色图像去噪算法。有效地利用颜色通道上不同的噪声特性,通过引入权重矩阵自适应地处理RGB通道中的不同噪声。并引入非凸函数MCP代替核范数来解决低秩矩阵最小化问题。对仿真和真实数据集的实验表明,所提出的多通道非凸低秩近似最小化模型明显优于其他竞争的去噪算法。 付鹏程 陈秀宏 牛强 孙慧强关键词:非局部 线性等式约束 自步稀疏最优均值主成分分析 被引量:4 2021年 主成分分析(PCA)是一种无监督降维方法。然而现有的方法没有考虑样本的差异性,且不能联合地提取样本的重要信息,从而影响了方法的性能。针对以上问题,提出自步稀疏最优均值主成分分析方法。模型以L_(2,1)范数定义损失函数,同时用L_(2,1)范数约束投影矩阵作为正则化项,且将均值作为在迭代中优化的变量,这样可一致地选择重要特征,提高方法对异常值的鲁棒性;考虑到训练样本的差异性,利用自步学习机制实现训练样本由“简单”到“复杂”的学习过程,有效地降低异常值的影响。理论分析和实验结果表明,以上方法能更有效地降低异常值对分类精度的影响,提高分类精度。 许子微 陈秀宏关键词:图像处理 主成分分析 无监督学习 数据降维 人脸识别 基于核的半监督的局部保留投影降维方法 被引量:1 2012年 为能有效捕捉数据的非线性特征,特提出一种新的非线性数据降维算法——核半监督局部保留投影(KSSLPP)。该方法利用标记样本的标记信息及所有训练样本的结构重新定义了类间相似度和类内相似度,然后将原始数据映射到高维核空间,在核空间中最大化类间分离度,最小化类内分离度。该方法在核空间保持了数据的局部结构和全局结构,以及数据的标签信息。在Olivetti人脸库和UCI数据库中的对比实验验证了该算法的有效性。 薛寺中 谈锐 陈秀宏关键词:数据降维 核方法 基于X264的嵌入式视频监控系统设计 被引量:5 2011年 介绍了基于嵌入式WinCE和ARM9微处理器的H.264视频监控传输系统的设计与实现。该系统采用ARM9微处理器S3C2440A作为主处理器,Omni Vision公司的彩色CMOS图像传感器OV9650作为视频输入设备,对视频数据进行H.264压缩,可以通过网络把数据传到上位机解码并保存。该系统实现了一种体积小、成本低廉、数字化的监控解决方案,具有广泛的应用价值。 吴平 陈秀宏 张平关键词:嵌入式 视频采集 ARM H.264 一种M2DPCA和NSA相结合的人脸识别方法 被引量:1 2012年 将非参数子空间分析方法(NSA)和模块化2DPCA方法相结合,提出了一种模块化2DPCA+NSA方法。NSA方法需将图像矩阵转化为向量后进行特征提取,导致数据维数很大,没有考虑到图像的局部特征,对图像矩阵进行分块,采用2DPCA进行特征提取,得到替代原始图像的低维新模式,施行NSA。该法能有效提取图像的局部特征,而由于考虑到类内、类间的差异,可弥补PCA的缺陷。在ORL人脸库和XM2VTS人脸库上对LDA方法、NSA方法以及该方法分别进行了评价和测试,结果显示,所提方法在识别效果上优于LDA方法和NSA方法。 戴飞 陈秀宏关键词:特征提取 人脸识别 一种基于模拟退火算法改进的卷积神经网络 被引量:4 2017年 卷积神经网络(CNN)是一种深度学习技术,其目标是构建一个接近人类的智能来执行任何知识的任务.使用基于交叉熵损失函数的模拟退火算法对dropout正则化,即有些单元值被抑制的CNN进行优化训练,而在测试阶段所使用的模型平均方法则同时考虑了保留概率和池化区域内单元值所占概率.在MNIST手写数据库和CMU-PIE的部分图像库的实验结果表明,在同一CNN结构和相同迭代次数时,此方法均优于其他方法,不仅能够得到更好的识别率而且更能防止过拟合的问题. 满凤环 陈秀宏 何佳佳关键词:卷积神经网络 模拟退火算法 交叉熵 图像识别 Pm||C_(max)问题的算法A_(KK)的一个改进的最坏情况性能比(英文) 被引量:2 2005年 本文考虑的是平行机排序问题Pm||Cmax.对此问题Knuth和Kleitman给出了一个近似算法AKK,Graham证明了此算法的最坏情况性能比不大于1+(1-1/m/1+|k/m|),而且当k(?)0(modm)时这个界是紧的.在本文中我们给出了此算法的一个改进的最坏情况性能比:1+max{1-1/m/1+k1+1/m,1-1/m-k2/1+k1},其中k1和k2为非负整数且k1m+k2=k.本文证明了当k2≠0时,它好于Graham的结果,同时我们给出了两个实例说明这个界是紧的. 李红英 鲁习文 陈秀宏关键词:运筹学 平行机排序 最大完工时间 基于加权Lp范数和总变分范数的图像去噪算法 2020年 为了获得更好的图像结构平滑度,并显著提高恢复图像的质量,本文将总变分范数和Lp范数引入已有的重加权低秩矩阵恢复算法,提出一种新的低秩矩阵恢复算法,并将其应用在图像去噪中。结合总变分范数和Lp范数,从而能够利用自然图像的低秩特性,增强结构平滑性,并消除大的稀疏噪声以及各种混合噪声。利用迭代交替方向和快速梯度投影算法,顺利求解具有挑战性的非凸优化问题。图像去噪的实验结果表明:所提的方法优于最先进的低秩矩阵恢复方法,特别是对于大的随机噪声。当随机稀疏噪声密度为30%和40%时,图像经本文算法去噪后的峰值信噪比数据和现有方法相比提高多达3. 61 d B和7. 13 d B。 付鹏程 陈秀宏 牛强 孙慧强关键词:总变分 LP范数 非凸优化 基于主动特征选择的在线加权多实例目标跟踪 2015年 为了解决自适应运动目标跟踪中常见的漂移现象,提出一种基于主动特征选择(AFS)的在线权重多实例运动目标跟踪算法,在原有多实例学习的框架中引入一种新的包概率模型——加权和模型,然后使用主动特征选取法来提取更高效的特征,以降低建立分类器模型的不确定性,并通过优化Fisher信息判别准则进行在线boosting特征选取。实验结果表明,该方法鲁棒性较好,可以有效解决漂移问题,并能实时地完成在线跟踪。在此研究基础上将考虑更有效的光照不变特征。 孙百伟 陈秀宏 钱凯关键词:目标跟踪