检索结果

Select

1. 基于模糊推理的模糊原型网络

杜炎, 吕良福, 焦一辰

计算机应用 2021, 41 (7): 1885-1890. DOI: 10.11772/j.issn.1001-9081.2020091482

摘要（441）

PDF （962KB）（532）

针对真实数据具有的模糊性和不确定性会严重影响小样本学习分类结果这一问题，改进并优化了传统的小样本学习原型网络，提出了基于模糊推理的模糊原型网络（FPN）。首先，从卷积神经网络（CNN）和模糊神经网络两个方向分别获取图像特征信息；然后，对获得的两部分信息进行线性知识融合，得到最终的图像特征；最后，度量各个类别原型到查询集的欧氏距离，得到最终的分类效果。在小样本学习分类的主流数据集Omniglot和miniImageNet上进行一系列实验。实验结果显示：在miniImageNet数据集上，所提模型在5类1样本的实验设置下精度达到49.38%，在5类5样本的实验设置下精度达到67.84%，在30类1样本的实验设置下精度达到51.40%；在Omniglot数据集上该模型的精度相较于传统的原型网络同样有较大提升。

参考文献 | 相关文章 | 多维度评价

Select

2. 耦合图像间的数据融合算法

任晓旭, 吕良福, 崔广泰

计算机应用 2018, 38 (10): 2862-2868. DOI: 10.11772/j.issn.1001-9081.2018020482

摘要（447）

PDF （1023KB）（297）

耦合数据的融合算法主要通过利用其中一个数据集的信息提高对其他耦合数据集的估计精度和完善对相关潜变量的解释。针对现实中存在的大量耦合图像，基于耦合数据融合中的耦合矩阵和张量分解优化（CMTF-OPT）算法，提出一种针对耦合图像的耦合图像分解优化（CIF-OPT）算法。相应的理论分析及实验结果表明，不同噪声影响下用CIF-OPT算法进行耦合图像融合后的效果均具有鲁棒性，且融合效果优于其他耦合算法（如：CMTF-OPT算法）。特别地，针对其中缺失数据元素的图像，CIF-OPT算法可以利用与其耦合的图像，对缺失数据元素的图像进行精确的数据恢复。

参考文献 | 相关文章 | 多维度评价

Select

3. 一种基于感兴趣区域提取的新型SVD图像压缩算法

吕良福张加万宾理涵孙济洲

计算机应用

摘要（1725）

PDF （473KB）（750）

提出了一种基于感兴趣区域提取的新型奇异值分解（SVD）图像编码算法（SODSVD）。根据图像的区域复杂度、视觉注意等指标运用感兴趣区域提取技术将图像自适应分块，而对每一小块，根据其复杂度进行不同秩的奇异值分解算法，从而达到图像压缩的目的。同时还提出了一种简单的基于感兴趣区域的图像划分策略。实验结果表明，在PSNR和bpp等评价指标上，新方法有明显优势。