-
Patent Agency Ranking
公开(公告)号：CN109978080B
公开(公告)日：2021-06-25
申请号：CN201910297655.2
申请日：2019-04-15
Applicant: 北京工业大学
IPC: G06K9/62
Abstract: 本发明公开一种基于判别式矩阵变量受限玻尔兹曼机模型的图像识别方法，采用基于判别的矩阵变量受限玻尔兹曼机用于二维图像分类，记为DisMVRBM，此模型能够直接对图像进行建模，而不需要向量化，保留了原始样本的结构信息。与MVRBM相比，本模型增加了标签层，意味着在提取特征的过程中融入了标签信息，使得提取的特征具有判别性，会提升分类性能；并且由于增加了标签层本模型可以直接当作一个独立的分类器，不用再链接其他的分类器，省去了对其他分类器的微调训练阶段。
-
公开(公告)号：CN108510009A
公开(公告)日：2018-09-07
申请号：CN201810336621.5
申请日：2018-04-16
Applicant: 北京工业大学
IPC: G06K9/62
Abstract: 本发明公开一种基于判别式矩阵变量受限玻尔兹曼机模型的图像识别方法，采用基于判别的矩阵变量受限玻尔兹曼机用于二维图像分类，记为DisMVRBM，此模型能够直接对图像进行建模，而不需要向量化，保留了原始样本的结构信息。与MVRBM相比，本模型增加了标签层，意味着在提取特征的过程中融入了标签信息，使得提取的特征具有判别性，会提升分类性能；并且由于增加了标签层本模型可以直接当作一个独立的分类器，不用再链接其他的分类器，省去了对其他分类器的微调训练阶段。
-
公开(公告)号：CN109978080A
公开(公告)日：2019-07-05
申请号：CN201910297655.2
申请日：2019-04-15
Applicant: 北京工业大学
IPC: G06K9/62
Abstract: 本发明公开一种基于判别式矩阵变量受限玻尔兹曼机模型的图像识别方法，采用基于判别的矩阵变量受限玻尔兹曼机用于二维图像分类，记为DisMVRBM，此模型能够直接对图像进行建模，而不需要向量化，保留了原始样本的结构信息。与MVRBM相比，本模型增加了标签层，意味着在提取特征的过程中融入了标签信息，使得提取的特征具有判别性，会提升分类性能；并且由于增加了标签层本模型可以直接当作一个独立的分类器，不用再链接其他的分类器，省去了对其他分类器的微调训练阶段。
-
公开(公告)号：CN109784356B
公开(公告)日：2021-01-05
申请号：CN201810787846.2
申请日：2018-07-18
Applicant: 北京工业大学
IPC: G06K9/62
Abstract: 本发明公开一种基于矩阵变量Fisher判别分析的ClassMVRBM模型进行图像分类的方法，采用矩阵变量的Fisher准则即类内最小、类间最大准则，并整合到ClassMVRBM模型进行联合训练；首先定义了面向矩阵变量的Fisher准则，通过引入矩阵变量之间的距离度量，定义了矩阵变量的类内散度和类间散度；然后引入该矩阵变量Fisher判别准则到矩阵变量受限玻尔兹曼机分类模型(记为ClassMVRBM‑MVFDA)的目标函数；最后通过联合训练进行模型求解。本发明方法能够使同类图像的特征之间的距离小，而不同类图像的特征之间距离大，进而利于图像分类。
-
公开(公告)号：CN109784356A
公开(公告)日：2019-05-21
申请号：CN201810787846.2
申请日：2018-07-18
Applicant: 北京工业大学
IPC: G06K9/62
Abstract: 本发明公开一种基于矩阵变量Fisher判别分析的ClassMVRBM模型进行图像分类的方法，采用矩阵变量的Fisher准则即类内最小、类间最大准则，并整合到ClassMVRBM模型进行联合训练；首先定义了面向矩阵变量的Fisher准则，通过引入矩阵变量之间的距离度量，定义了矩阵变量的类内散度和类间散度；然后引入该矩阵变量Fisher判别准则到矩阵变量受限玻尔兹曼机分类模型(记为ClassMVRBM-MVFDA)的目标函数；最后通过联合训练进行模型求解。本发明方法能够使同类图像的特征之间的距离小，而不同类图像的特征之间距离大，进而利于图像分类。
-
-
-
-
Search Results
5
records
(took 0.017 seconds)
