陈思宝

作品数：20被引量：54H指数：4
导出分析报告
供职机构：安徽大学更多>>
发文主题：车辆相似度注意力特征提取字典学习更多>>
发文领域：自动化与计算机技术理学文化科学电气工程更多>>
发文期刊：《智慧电力》《系统科学与数学》《计算机技术与发展》《安徽大学学报（自然科学版）》更多>>
所获基金：国家自然科学基金安徽省高校省级自然科学研究项目国家教育部博士点基金教育部人文社会科学研究基金更多>>
-
在结果中检索

检索结果分析

署名顺序

  • 全部
  • 第一作者
结果分析中...
共 条 记 录，以下是1-10
全选清除导出
参考文献引证文献引用追踪
视图：
排序：
基于马尔科夫模型的回归研究及其应用
《计算机技术与发展》2022年第4期8-14,38,共8页何成刚 丁宏强 陈思宝 罗斌 王家鑫 
国家自然科学基金资助项目(61976004,61572030,61671018);国家自然科学基金面上项目(61673020);国际(地区)合作与交流重点项目(61860206004);安徽大学科学研究建设经费(Y040418282)。
在国内外回归分析方法的研究中,神经网络、支持向量机等传统方法被广泛使用,但是由于其计算量太大而且对计算模型和数据的准确性要求很高,在实际的应用中局限性强。为了解决这些难题,对Markov理论和相关模型进行了深入的研究。首先将多...
关键词：MARKOV模型 多元回归 Markov-switch回归算法 减少运算量 缩短运算时间 
基于Python的“模式识别导论”双语教学与实践被引量：1
《电脑知识与技术》2021年第14期86-88,共3页陈思宝 
安徽省高等学校省级质量工程教学研究项目:“模式识别导论”双语教学改革研究(编号:2018jyxm0353)。
"模式识别导论"双语教学是新工科高年级本科生的选修课程,旨在让学生了解模式识别基本概念与方法的同时,锻炼他们阅读模式识别英文文献以及国际交流的能力。Python是目前炙手可热的编程语言,将Python引入"模式识别导论"双语教学过程,有...
关键词：模式识别 PYTHON 双语教学 主成分分析 线性判别分析 多项式拟合 支持向量机 
基于深度可分离卷积及SVD输电线路缺陷检测被引量：16
《智慧电力》2020年第10期64-69,77,共7页杨可军 杨建旭 陈思宝 吕苗苗 李程启 杨波 郑文杰 
国家自然科学基金资助项目(61976004);国家电网有限公司科技资助项目(SGTYHT/17-JS-199)。
针对输电线路实时巡检中无人机嵌入式移动端的存储和计算受限问题,在Faster R-CNN目标检测框架及VGG特征提取网络基础上,融合深度可分离卷积及SVD分解,构建了一种轻量级的输电线路缺陷检测方法。在公共的PASCAL VOC 2007与COCO数据集上...
关键词：输电线路缺陷检测 深度可分离卷积 奇异值分解 模型压缩 
基于非负稀疏协作模型的目标跟踪算法
《安徽大学学报（自然科学版）》2017年第5期17-25,共9页陈思宝 苌江 罗斌 
国家自然科学基金资助项目(61202228;61671018)
目标跟踪是计算机视觉研究领域中一个最基本的问题.为解决在复杂场景下目标跟踪效果不佳的问题,作者搭建了一个基于非负稀疏的协作模型,该模型将非负稀疏表示的产生式模型与全局模板判别式模型相结合,并提出了基于非负稀疏协作模型的目...
关键词：目标跟踪 非负稀疏表示 稀疏协作模型 产生式模型 判别式分类器 
基于L1-范数的最大间距准则被引量：1
《电子学报》2016年第6期1383-1388,共6页陈思宝 陈道然 罗斌 
国家863计划项目(No.2014AA015104);国家自然科学基金(No.61202228;No.61472002);安徽省高校自然科学研究重点项目(No.KJ2012A004);安徽省电力公司科技项目(No.521200130MOU;No.5212M01353B4)
在进行线性投影降维时,由于传统的最大间距准则(Maximum Margin Criterion,MMC)算法基于L2-范数,易于受到野值(outliers)及噪声的影响.该文提出一种基于L1-范数的最大间距准则(L1-norm-based MMC,MMCL1)降维方法,它充分利用L1-范数对野...
关键词：最大间距准则(MMC) L1-范数 线性投影 降维 
一种非负稀疏近邻表示的多标签学习算法
《电子科技大学学报》2015年第6期899-904,共6页陈思宝 徐丹洋 罗斌 
国家863项目(2014AA015104);国家自然科学基金(61202228,61472002);安徽省高校自然科学研究重点项目(KJ2012A004)
针对训练数据中的非线性流形结构以及基于稀疏表示的多标签分类中判别信息丢失严重的问题,该文提出一种非负稀疏近邻表示的多标签学习算法。首先找到待测试样本每个标签类上的k-近邻,然后基于LASSO稀疏最小化方法,对待测试样本进行非负...
关键词：多标签学习 稀疏近邻表示 LASSO稀疏最小化 非负重构 
基于L1-范数的二维线性判别分析被引量：4
《电子与信息学报》2015年第6期1372-1377,共6页陈思宝 陈道然 罗斌 
国家自然科学基金(61202228);安徽省高校自然科学研究重点项目(KJ2012A004)资助课题
为了避免图像数据向量化后的维数灾难问题,以及增强对野值(outliers)及噪声的鲁棒性,该文提出一种基于L1-范数的2维线性判别分析(L1-norm-based Two-Dimensional Linear Discriminant Analysis,2DLDA-L1)降维方法。它充分利用L1-范数对...
关键词：图像处理 L1-范数 2维线性判别分析 线性投影 降维 
基于核Fisher判别字典学习的稀疏表示分类被引量：4
《光电子．激光》2014年第10期2000-2008,共9页陈思宝 赵令 罗斌 
国家自然科学基金(61202228;610731116);高等学校博士学科点专项科研基金(20103401120005);安徽省高校自然科学研究重点(KJ2012A004)资助项目
在基于稀疏表示分类的模式识别中,字典学习(DL)可以为稀疏表示获得更为精简的数据表示。最近的基于Fisher判别的字典学习(FDDL)可以学习到更加判别的稀疏字典,使得稀疏表示分类具有很强的识别性能。核空间变换可以学习到非线性结构信息...
关键词：字典学习(DL) 稀疏表示 核空间 FISHER判别 
基于局部保持的核稀疏表示字典学习被引量：3
《自动化学报》2014年第10期2295-2305,共11页陈思宝 赵令 罗斌 
国家自然科学基金(61202228;610731116);高等学校博士学科点专项科研基金(20103401120005);安徽省高校自然科学研究重点项目(KJ2012A004;KJ2012A008)资助~~
为了利用核技巧提高分类性能,在局部保持的稀疏表示字典学习的基础上,提出了两种核化的稀疏表示字典学习方法.首先,原始训练数据被投影到高维核空间,进行基于局部保持的核稀疏表示字典学习;其次,在稀疏系数上强加核局部保持约束,进行基...
关键词：字典学习 稀疏表示 核空间 局部保持 
基于多重核的稀疏表示分类被引量：5
《电子学报》2014年第9期1807-1811,共5页陈思宝 许立仙 罗斌 
国家自然科学基金项目(No.61202228;No.61073116);高等学校博士科学点专项科研基金联合资助课题(No.20103401120005);安徽省高校自然科学研究重点项目(No.KJ2012A004)
稀疏表示分类(SRC)及核方法在模式识别的很多问题中都得到了成功的运用.为了提高其分类精度,提出多重核稀疏表示及其分类(MKSRC)方法.提出一种快速求解稀疏系数的优化迭代方法并给出了其收敛到全局最优解的证明.对于多重核的权重给出了...
关键词：稀疏表示分类(SRC) 核方法 多重核 核权重 模式识别 
全选清除导出
共2页<12>
检索报告 对象比较 聚类工具 使用帮助 返回顶部