夏建明
- 作品数：11 被引量：16H指数：2
- 供职机构：电子工程学院更多>>
- 发文基金：国家自然科学基金安徽省自然科学基金更多>>
- 相关领域：自动化与计算机技术电子电信更多>>
- 基于局部稀疏表示和线性鉴别分析的典型相关分析被引量：1
- 2014年
- 为在特征融合中综合利用数据的类别信息和数据结构中所蕴含的自然鉴别信息,提出一种基于局部稀疏表示和线性鉴别分析的典型相关分析算法.首先利用局部稀疏表示模型,以较小的计算复杂度获取局部稀疏重构矩阵;然后在典型相关分析的框架中实现对局部稀疏结构保持、线性鉴别分析和组合特征相关性的联合优化,增强了融合特征的鉴别能力.在人工数据、多特征手写字数据、人脸数据上的实验表明了所提出方法的有效性.
- 夏建明杨俊安康凯
- 关键词：线性鉴别分析
- 一种基于最大边界投影和l_(2,1)范数正则化的属性选择算法
- 2013年
- 当数据含有噪声或标签错误时,传统的属性选择方法(如粗糙集)无法得到正确结果,为此提出一种针对含噪、标签错误数据的属性选择方法.首先用最大边界投影方法获得数据的最佳投影;然后通过对投影矩阵进行2,1范数正则化操作,进而获得行稀疏的投影矩阵,据此获得对关键属性的挖掘;最后给出方法的收敛性和针对标签错误数据的有效性证明.实验结果表明,所提出的算法克服了噪声和标签错误的影响,较好地实现了针对含噪、标签错误数据的属性选择.
- 夏建明杨俊安
- 关键词：噪声数据
- 基于DSmT与粒子滤波的多传感器融合被引量：1
- 2010年
- 为实现多传感器对机动目标状态的跟踪,提出一种基于DSmT与粒子滤波的多传感器融合算法。在各传感器利用粒子滤波方法处理观测数据的基础上,运用DSmT作为融合工具,将观测数据转化为辨识框架内的元素及其mass值,得到最终融合结果。实验结果表明,该方法可减小距离误差,提高跟踪精度,且运算复杂度能满足在线实时融合的要求。
- 夏建明杨俊安张琼
- 关键词：粒子滤波目标跟踪
- 基于稀疏线性重构的主动学习算法被引量：1
- 2013年
- 传统的主动学习算法,或需要随机选择已标注样本为基础,或忽略数据的结构细节,或需要预先设定固定的邻域规模.基于稀疏表示模型和最优实验设计方法,文中提出一种基于稀疏线性重构的主动学习算法.该算法首先用稀疏表示模型获得样本和其它样本之间的稀疏重构模式,接着在保证样本间稀疏重构关系和重构样本精度的目标下选择合适的样本.实验结果表明,基于文中算法挑选样本无需任何先验知识,克服其它方法需固定邻域范围的缺点,样本选择结果与近邻熵方法、转换实验设计、局部线性重构方法相比,可获得更好的分类性能.
- 夏建明杨俊安陈功
- 基于信号偏度先验信息的信号盲抽取算法研究
- 2010年
- 盲抽取算法是盲信号分离领域的热点研究方向。论文针对现有盲抽取算法运算量较大的不足,提出将度量信号非对称性的偏度作为代价函数,大大减小了运算量,同时解决了抽取信号的排序问题。进一步,根据感兴趣信号的偏度所在的区间范围,算法将SUMT外点法和基于偏度的方法相结合,提出基于偏度先验信息的代价函数,实现了对感兴趣信号的盲抽取。声音信号盲抽取的实验结果验证了本文算法的有效性。
- 张琼杨俊安夏建明
- 关键词：偏度先验信息
- 基于偏度的低空目标声信号盲抽取算法被引量：3
- 2011年
- 针对盲源分离信号顺序的不确定性以及基于峭度的盲抽取算法运算量大的问题,本文提出一种基于偏度的低空目标声信号盲抽取算法。该算法利用偏度的非对称性,将其作为信号非高斯性的度量,抽取出的信号可以按偏度绝对值的降序排列。与基于峭度的盲抽取算法相比,该算法大大减小了运算量,同时具有较好的分离效果,且对于噪声具有鲁棒性。声音信号及战场低空飞行目标声音信号盲抽取的实验结果,验证了该算法的有效性。
- 张琼杨俊安夏建明
- 关键词：盲分离偏度
- 基于稀疏流形聚类嵌入模型和L_1范数正则化的标签错误检测被引量：2
- 2014年
- 综合利用含错标签中的有用信息和数据结构中蕴含的鉴别信息,提出一种基于稀疏流形聚类嵌入模型和L1范数正则化的标签错误检测修正方法.首先,用稀疏流形聚类嵌入模型将数据投影到易分类的空间,利用标注正确的极少量样本和最近邻分类器获得新标签;然后,构造标签错误检测模型,获得仅含0、1元素的检测向量,正确、错误的标签分别对应着1、0的位置;最后,给出了相应的优化算法及收敛证明,并在相关实验上验证了算法的有效性.
- 夏建明杨俊安
- 参数自适应调整的稀疏贝叶斯重构算法被引量：4
- 2014年
- 稀疏表示模型中的正则化参数由未知的噪声和稀疏度共同决定,该参数的设置直接影响稀疏重构性能的好坏。然而目前稀疏表示问题优化求解算法或依靠主观、或依靠相关先验信息、或经过实验设置该参数,均无法自适应地设置调整该参数。针对这一问题,该文提出一种无需先验信息的参数自动调整的稀疏贝叶斯学习算法。首先对模型中各参数进行概率建模,然后在贝叶斯学习的框架下将参数设置及稀疏求解问题转化为一系列混合L1范数与加权L2范数之和的凸优化问题,最终通过迭代优化得到参数设置和问题求解。由理论推导和仿真实验可知,已知理想参数时,该算法与其它非自动设置参数的迭代重加权算法性能相当,甚至更优;在理想参数未知时,该算法的重构性能要明显优于其它算法。
- 夏建明杨俊安陈功
- 关键词：压缩感知
- 基于改进PIC参数的证据理论融合算法效能评估
- 2011年
- 基于PIC参数提出了TPIC参数,并提出用TPIC参数对证据理论融合系统性能进行评估的方法.融合的目的是为了得到对目标更准确、确定的认识,用TPIC参数给出了多证据融合系统融合输出对正确目标确定度的度量方法,通过度量融合后对正确目标的确定度来实现融合性能的定量评估,解决了以往熵方法评估仅以不确定性作为标准而不考虑融合结果正确性的问题,并由仿真实验验证了方法的有效性.
- 夏建明杨俊安张琼
- 关键词：证据理论PIC
- 基于数据符号化表示和云模型的时序数据生成方法被引量：2
- 2010年
- 为得到可靠的仿真数据,提出一种基于数据符号化表示和云模型的时序数据生成方法。首先用SFVS算法将原数据或是数据的先验知识(很多时候仅能获得相关领域的一些知识而非数据)表达为一个符号矢量,然后用定性定量转换工具——云模型利用符号矢量产生相应的时序数据。仿真实验表明,该方法产生的数据具有与原数据一样的结构特征、知识蕴涵,并具有可控的随机性、复杂性。
- 夏建明杨俊安张琼
- 关键词：时序数据符号化表示云模型云发生器
