检索结果

Select

1. 图趋势过滤诱导的噪声容错多标记学习模型

林腾涛, 查思明, 陈蕾, 龙显忠

计算机应用 2021, 41 (1): 8-14. DOI: 10.11772/j.issn.1001-9081.2020060971

摘要（414）

PDF （972KB）（547）

针对多标记学习中特征噪声和标记噪声经常共同出现的问题，提出了一种图趋势过滤诱导的噪声容错多标记学习模型（GNTML）。该模型通过组稀疏约束桥接增强的标记，从而同时容忍特征噪声和标记噪声。模型的关键之处在于标记增强矩阵的学习。为了在混合噪声场景下学习到合理的标记增强矩阵，首先通过引入图趋势过滤（GTF）机制来容忍含噪示例特征与标记之间关联的不一致性，从而减轻特征噪声对标记增强矩阵学习的影响；然后通过引入组稀疏约束的标记保真惩罚来减轻标记噪声对标记增强矩阵学习的影响，同时引入标记关联矩阵的稀疏约束来刻画标记之间的局部关联特性，使得样本标记能够在相似样本之间得到更好的传播；最后在7个真实多标记数据集上进行5个不同评价指标下的实验。实验结果表明，提出的模型在66.67%的情况下取得最优值或次优值，优于其他5个多标记学习算法，能有效地提高多标记学习的鲁棒性。

参考文献 | 相关文章 | 多维度评价

Select

2. 图像自动标注技术研究进展

刘梦迪, 陈燕俐, 陈蕾

计算机应用 2016, 36 (8): 2274-2281. DOI: 10.11772/j.issn.1001-9081.2016.08.2274

摘要（343）

PDF （1305KB）（405）

现有图像自动标注技术算法可以大致划分为基于语义的标注算法、基于矩阵分解的标注算法、基于概率的标注算法以及基于图学习的标注算法等四大类。介绍了各类别中具有代表性的图像自动标注算法，分析了这些算法的问题模型及其功能特点，并归纳了图像自动标注算法中主要的优化求解方法及算法评价中常用的图像数据集和性能评价指标。最后，指出了图像自动标注技术目前存在的主要问题，并且提出了这些问题的解决思路。分析结果表明，对于图像自动标注技术的研究，可充分利用现有算法的优势互补，或借助多学科交叉的优势，寻找更有效的算法。

参考文献 | 相关文章 | 多维度评价

Select

3. 可证安全的面向无线传感器网络的双因素认证方案

陈蕾, 魏福山, 马传贵

计算机应用 2015, 35 (10): 2877-2882. DOI: 10.11772/j.issn.1001-9081.2015.10.2877

摘要（464）

PDF （1108KB）（468）

随着无线传感器网络的快速发展,对外部用户的身份进行确认已成为获取传感器网络中实时数据所要解决的关键问题。基于Nam提出的首个广泛适用于面向无线传感器网络的双因素认证方案的安全模型,设计了一个新的可证安全的用户认证密钥协商方案。该方案基于椭圆曲线密码体制,达到用户、网关节点及传感器节点之间的双向认证,满足匿名性并建立会话密钥,最后基于ECCDH困难性假设证明了新方案的安全性。与Nam提出的方案相比,在满足安全性的同时,将参与者的计算效率达到最优,更符合资源受限环境及现实应用。

参考文献 | 相关文章 | 多维度评价

Select

4. 基于提升小波变换与学习矢量量化网络的鉴别分析方法

陈蕾黄贤武刘家胜仲兴荣

计算机应用

摘要（1972）

PDF （907KB）（1159）

提出了一种基于提升小波变换（LWT）和学习矢量量化网络（LVQ）相结合的鉴别分析方法。提升小波又叫作第二代小波，比传统的第一代小波变换更为快速有效，利用它的多分辨率特性，可以获取输入图像的低频信息并使图像降维。LVQ算法是在有教师状态下对竞争层进行训练的一种学习算法。LVQ网络结构简单，但却表现出比BP网络更强的有效性和鲁棒性。在ORL标准人脸库及现实人脸图像上的实验结果表明该方法具有很好的鉴别分析能力。