下载文档原格式
基于深度学习反向传播的稀疏数据特征提取
秦利娟;冯乃勤
【期刊名称】《计算机仿真》
【年(卷),期】2022(39)5
【摘要】针对如何有效利用互联网数据中蕴藏的大量文本数据信息,提出了基于深度学习反向传播的稀疏数据特征提取方法。
首先将稀疏数据体系分别建立在Web 和分散式社会网络上,在初始链路模型下可以得出稀疏数据的拓扑模型,通过对相空间的重构提高稀疏数据特征提取的能力,并采用数据的时隙分配模式,对稀疏数据的属性混合值进行迭代处理。
然后通过有/无标签数据完成对深度学习和Softmax回归模型的训练,在训练中采用最小化代价函数对模型的参数进行修正,结合深度学习算法提取稀疏数据的特征量,求出稀疏数据中时隙分配的信任值。
最后通过反向传播算法将学习网络中的残差传输到输入层中,根据误差减小最快的方向对加权系数进行调整,直到获取最佳的加权系数为止。
实验结果表明,算法与梯度下降算法相比具有更高的准确率,并且针对不同的数据集误差率都很小,明显提高了数据的分类提取能力。
【总页数】5页(P333-336)
【作者】秦利娟;冯乃勤
【作者单位】郑州工业应用技术学院信息工程学院;河南师范大学
【正文语种】中文
【中图分类】TP391
【相关文献】
1.基于深度学习的高维稀疏数据组合推荐算法
2.基于进化深度学习的建筑室内空间布局特征提取方法
3.基于深度学习的流场时程特征提取模型
4.基于多特征提取与注意力机制深度学习的高分辨率影像松材线虫病树识别
5.基于深度学习特征提取的改进ORB-SLAM3算法
因版权原因，仅展示原文概要，查看原文内容请购买。
动态场景下的基于SIFT和CBWH的目标跟踪王芬芬;陈华华【摘要】针对动态背景下的目标跟踪，提出了基于SIFT特征和CBWH特征的卡尔曼跟踪算法。
算法利用卡尔曼滤波器预测目标的大概位置；在所在位置区域内提取SIFT特征，与第一帧和前一帧进行特征匹配，并投票获得候选目标位置；利用CBWH特征获得目标可能位置；将二者位置加权对卡尔曼滤波器预测值进行修正，得到目标位置。
实验表明，所提算法取得了较好的实验结果。
%An object tracking algorithm based on Kalman filter using scale invariant feature transform (SIFT) and CBWH is proposed to solve the problem that trackers always drift or even lose target in dynamic scenes . Kalman filter predictsan area ,each matched keypoint casts a vote for the object center ,then the voting results are evaluated by the nearest neighbor clustering , the weighted result is a candidate position of the object's center.Another possible position is calculated by mean shift tracking using CBWH .The positions above are weighted into the object's center.This center is then sent to Kalman filter to get the final position and velocity . Experimental results demonstrate that the proposed method obtains good tracking results .【期刊名称】《杭州电子科技大学学报》【年(卷),期】2015(000)004【总页数】4页(P46-49)【关键词】动态场景;目标跟踪;卡尔曼滤波;尺度不变特征变换【作者】王芬芬;陈华华【作者单位】杭州电子科技大学通信工程学院，浙江杭州310018;杭州电子科技大学通信工程学院，浙江杭州310018【正文语种】中文【中图分类】TP391运动目标跟踪是计算机视觉的重要研究方向，其中对先验未知的物体进行跟踪越来越引起人们的关注。
多目标跟踪国外综述多目标跟踪（Multi-Object Tracking，MOT）是计算机视觉领域中的一个重要问题，旨在在复杂的场景下，同时跟踪多个移动对象并估计它们的状态。
在实际应用场景中，如视频监控、自动驾驶和人机交互等领域中，多目标跟踪技术具有重要的意义，可以为这些领域提供更加精确和有效的信息。
目前，国内外学者们在多目标跟踪方面做了很多的研究工作。
多数国外团队的研究主要集中在三个方面，即跟踪模型的设计、算法优化和数据集的构建。
在跟踪模型的设计方面，最近几年国外学者们提出了许多新的跟踪模型。
例如，Bipartite Graph Matching-Based（BGM）、Flow-based跟踪器等。
其中，BGM是一种非常有效而受欢迎的方法，它将运动轨迹匹配问题表示为二分图匹配问题，并使用匈牙利算法解决这个问题。
Flow-based跟踪器则是通过向前和向后光流域的计算来生成目标特征的思想，通过预测目标移动的运动方向和大小的方法来进行跟踪。
在算法优化方面，国外学者们主要集中于提高跟踪算法的精度和速度。
例如，学者们通过使用深度学习算法如卷积神经网络（CNN）和循环神经网络（RNN）来提高跟踪器的准确性。
同时，学者们还提出用深度学习来预处理原始输入序列，从而提高跟踪的速度和准确性。
在数据集的构建方面，目前存在多个公共的大规模数据集。
例如，MOTChallenge是一个非常受欢迎的数据集，它包含了不同种类的视频（如城市街道、商场等），并提供了大量真实世界的挑战。
这些数据集为学者们提供了丰富的真实世界的场景和挑战，帮助他们研究和测试自己提出的算法的性能和稳定性。
总的来说，多目标跟踪技术在计算机视觉领域中具有非常重要的意义。
通过设计新的跟踪模型、优化算法和构建高质量的数据集，学者们可以更好地研究和解决多目标跟踪问题，使其在实际应用中更加可靠和有效。
ITK图像配准介绍1.什么叫配准Image registration is the process of determining the spatial transform that maps points from one image to homologous points on a object in the second image.2.配准的框架3．TransformIn the Insight Toolkit, itk::Transform objects encapsulate the mapping of points and vectors from an input space to an output space.ITK provides a variety of transforms from simple translation, rotation and scaling to general affine and kernel transforms.下面详细介绍一些主要的变换方法：3.1 Translation Transform3.2 Scale Transform3.3 Euler2DTransform3.4 CenteredRigid2DTransform3.5 Similarity2DTransformcan be seen as a rigid transform combined with an isotropic scaling factor.3.6 AffineTransform3.7 变换的分类4. Interpolators 4.1 为什么要插值?4.2 最常用的两种插值方法4.2.1 Nearest Neighbor Interpolation4.2.2 Linear Interpolation5. MetricsIn ITK, itk::ImageToImageMetric objects quantitatively measure how well the transformed moving image fits the fixed image by comparing the gray-scale intensity of the images. These metrics are very flexible and can work with any transform or interpolation method and do not require reduction of the gray-scale images to sparse extracted information such as edges.下面介绍一些常用的Metrics5.1 Mean Squares MetricThe itk::MeanSquaresImageToImageMetric computes the mean squaredpixel-wise difference in intensity between image A and B over a user defined region5.2 Normalized Correlation Metric6. OptimizersThe basic input to an optimizer is a cost function object常用的两种方法6.1 Gradient DescentAdvances parameters in the direction of the gradient where the step size is governed by a learning rate ( itk::GradientDescentOptimizer).6.2 Regular Step Gradient DescentAdvances parameters in the direction of the gradient where a bipartition scheme is used to compute the step size (itk::RegularStepGradientDescentOptimizer). 7.一个简单的例子实现平移配准8. Multi-Resolution RegistrationMulti-Resolution配准方法，可以增强配准的准确性，速度以及鲁棒性。
⼈⼯智能机器学习特征选择之：Wrapper递归特征消除（FRE）递归消除特征法使⽤⼀个基模型来进⾏多轮训练，每轮训练后，移除若⼲权值系数的特征，再基于新的特征集进⾏下⼀轮训练。
sklearn官⽅解释：对特征含有权重的预测模型(例如，线性模型对应参数coefficients)，RFE通过递归减少考察的特征集规模来选择特征。
⾸先，预测模型在原始特征上训练，每个特征指定⼀个权重。
之后，那些拥有最⼩绝对值权重的特征被踢出特征集。
如此往复递归，直⾄剩余的特征数量达到所需的特征数量。
RFECV 通过交叉验证的⽅式执⾏RFE，以此来选择最佳数量的特征：对于⼀个数量为d的feature的集合，他的所有的⼦集的个数是2的d次⽅减1(包含空集)。
指定⼀个外部的学习算法，⽐如SVM之类的。
通过该算法计算所有⼦集的validation error。
选择error最⼩的那个⼦集作为所挑选的特征from sklearn.feature_selection import RFEfrom sklearn.linear_model import LogisticRegression#递归特征消除法，返回特征选择后的数据#参数estimator为基模型#参数n_features_to_select为选择的特征个数RFE(estimator=LogisticRegression(), n_features_to_select=2).fit_transform(iris.data, iris.target)Recursive feature elimination：⼀个递归特征消除⽰例，展⽰在数字分类任务中，像素之间的相关性print(__doc__)from sklearn.svm import SVCfrom sklearn.datasets import load_digitsfrom sklearn.feature_selection import RFEimport matplotlib.pyplot as plt# Load the digits datasetdigits = load_digits()X = digits.images.reshape((len(digits.images), -1))y = digits.target# Create the RFE object and rank each pixelsvc = SVC(kernel="linear", C=1)rfe = RFE(estimator=svc, n_features_to_select=1, step=1)rfe.fit(X, y)ranking = rfe.ranking_.reshape(digits.images[0].shape)# Plot pixel rankingplt.matshow(ranking, cmap=plt.cm.Blues)plt.colorbar()plt.title("Ranking of pixels with RFE")plt.show()Recursive feature elimination with cross-validation：⼀个递归特征消除⽰例，通过交叉验证的⽅式⾃动调整所选特征的数量。
数学专业词汇英汉对照汇编数学英汉词汇AAbelian group 阿贝尔群abscissa axis 横轴absolute continuity 绝对连续absolute convergence 绝对收敛absolute value 绝对值abstract algebra 抽象代数addition 加法affine 仿射Aleph-zero 阿列夫零algebra topology 代数拓扑algorithm 算法almost everywhere ⼏乎处处almost surely ⼏乎必然alternative 互斥性analogy 类似analytic expression 解析式anomalous 反常的apex 顶点approximate calculation 近似计算associative law 结合律asymmetric line 渐近线axiom of choice 选择公理axis of abscissas 横坐标轴axis of imaginary 虚轴axis of real 实轴Bbase number 底数base of logarithmic function 对数函数的底base vectors 基向量basic element 基元素bijection 双射bilinear 双线性binary ⼆元的binomial ⼆项式biunivocal ⼀对⼀的bondage 约束boundary compact space 有界紧空间boundary condition 边界条件bounded continuous function有界连续函数bounded interval 有界区间brace ⼤括号Ccalculus of proposition 命题演算canonical form 标准型cardinal number of set 集的基数Cartesian product 笛卡尔积catalog ⽬录category of a space 空间的筹数causality 因果律center of compression 压缩中⼼central limit theorem 中⼼极限定理certain event 必然事件characteristic equation 特征⽅程characteristic value 特征值chart 图check procedure 检验步骤circumscribed 外切的class field 类域closure axioms 闭包公理cluster point 聚点丛点coefficient of autocorrelation ⾃相关系数coefficient of regression 回归系数cofactor of a determinant ⾏列式的余⼦式cohomology 上同调collinear 共线column matrix 列矩阵column rank 列秩common factor 公因⼦commutative law 交换律commutative law of addition 加法交换律commutative law of multiplication乘法交换律compact convex set 紧凸集complement of a set 集的余集complement law 补余律complete matrix space 完备度量空间complete orthogonal system 完全正交系complex analysis 复分析complex conjugate 复共轭complex field 复数域compound function 复合函数concave 凹的conclusion 结论condition 条件conditional of inequality 条件不等式conditional of equivalence 等价条件conditional of integrability 可积条件conditional convergence 条件收敛confidence interval 置信区间conjugate 共轭connectivity 连通性consistency principle ⼀致原则constant factor 常数因⼦construction 作图构造continuous function 连续函数contradiction ⽭盾contrary propositions 相反命题convergence almost everywhere⼏乎处处收敛convergence in measure 依测度收敛convergence rate 收敛速度convergence region 收敛区域converse proposition 逆命题convex closure 凸包coplanar 共⾯cosine law 余弦定律countable additivity 可列可加性critical point 临界点Ddecision theory 决策论degenerate quadratic form 退化⼆次型dense 稠密derivate 导数differential 微分dimensionality 维数discriminant 判别式disjoint 不相交的distributive law 分配率divergent infinite series 发散⽆穷级数double integral ⼆重积分dual operations 对偶运算Eefficiency estimation 有效估计eigenelement 本征元素elementary event 基本事件endomorphism ⾃同态envelope 包络equivalence class 等价类equivalent relation 等价关系even number 偶数existence and uniqueness 存在且唯⼀性expansion in series 级数展开exponent 指数extreme point 极值点Ffeasible solution 可⾏解finite additivity 有限可加性fraction 分数frequency 频率fundamental assumption 基本假定fuzzy 模糊game theory 对策论general remark ⼀般说明generalized derivatives ⼴义导数geometric significance ⼏何意义global convergence 全局收敛Hharmonic analysis 调和分析harmonics 调和函数homology 同调homotopy 同伦homomorphism 同态hyperbolic plane 双曲平⾯hypothesis 假设Iideal 理想identical element 单位元identity law 同⼀律illustrate 说明阐释implicit function 隐函数in like manner 同理in the large 全局的in the small 局部的inclusion of sets 集的包含关系incompatible 互斥的不相容的independence test 独⽴性检验independent variable ⾃变量induction 归纳法归纳infinite ⽆穷⼤integral calculus 积分学integral divisor 整因⼦integrate 积分interior mapping 开映射inverse of matrix 矩阵的逆irrational root ⽆理根irreducible fraction 不可约分数irreducible polynomial 不可约多项式isolated point 孤⽴点isometric 等距的iteration method 迭代法Jjoint 连接jump discontinuity 跳跃不连续性Kkernel 核knee 拐点known quantity 已知量large by comparison 远⼤于latent vector 特征向量law of association 结合律law of causality因果律law of commutation 交换律law of contradiction ⽭盾律law of distribution 分配律law of mean 中值定理leader ⾸项limited function 有界函数linear dependence 线性相关logarithm 对数lower bound 下界Mmapping space 映射空间marginal value 临界值measure 测度metric space 度量空间monotone 单调multinomial 多项式multiplication 乘法mutual correlation 互相关mutually conjugate 相互共轭的mutually disjoint 互不相交的mutually inverse 互逆的mutually prime 互素的Nnatural logarithm ⾃然对数negate 取否定negative index 负指数negate proposition 否定命题nest of intervals 区间套neutral element 零元nonhomogeneous differential equation⾮齐次微分⽅程nonlinear boundary value problem⾮线性边值问题non-vanishing vector ⾮零向量normal space 正规空间normalized form标准型n-th power n次幂numerical analysis 数值分析Oobjective function ⽬标函数oblique line 斜线odd number 奇数odd symmetry 奇对称odevity 奇偶性one degree of freedom ⼀个⾃由度onto mapping ⾃⾝映射open covering 开覆盖opposite sign 异号optimal solution 最优解optimize 最优化order of infinity ⽆穷⼤的解ordered pair 有序偶ordinary differential equation常微分⽅程ordinary solution 通常解ordinate 纵坐标oriented circle 有向圆oriented segment 有向线段orthogonal 正交orthonormal basis 标准正交基outer measure 外测度overfield 扩张域overview 概述Ppairwise orthogonal 两两正交parabolic asymptotes 渐进抛物线parabolic curve 抛物曲线parallel 平⾏线parametric equation 参数⽅程parity 奇偶性partial sum 部分和passive 被动的path curve 轨线periodicity 周期性permutation 排列perpendicular line 垂直线piecewise 分段的plus 加point of intersection 交点population 总体的positive definite quadratic form 正定⼆次型positive number 正数potential 位势power formula 乘⽅公式prime ideal 素理想prime ring 素环primitive equation 本原⽅程primitive term 原始项principal factor method 主因⼦法principal minor 主⼦式principal of the point of accumulation聚点定理prior estimate 先验估计probability curve 概率曲线probability distribution 概率分布process of iteration 迭代法proper polynomial 特征多项式proper subset 真⼦集pure imaginary 纯虚数QQED(quod erat demonstrandum) 证毕quadrant 象限quadratic ⼆次quadratic equation with one unknown⼀元⼆次⽅程quadratic root 平⽅根qualitative analysis 定性分析quantitative analysis 定量分析quarter 四分之⼀queue discipline 排队规则quotation 引⽤引证quotient group 商群Rradial deviation 径向偏差radian 弧度radical sign 根号radius of a circle 圆的半径radius of convergence 收敛半径radius of curvature 曲率半径radix point ⼩数点random distribution 随机分布random sampling distribution 随机抽样分布randomness test 随机性检验rang of distribution 分布域rang of points 点列rank of linear mapping 线性映射的秩rank of quadratic form ⼆次型的秩rarefaction 稀疏rational proper fraction 有理真分式rationalizing denominators 有理化分母raw data 原始数据real analytic function 实解析函数real axis 实轴real variable function 实变函数reasoning by analogy 类⽐推理相似推理reciprocal 倒数reciprocal automorphism 反⾃同构reciprocal ratio 反⽐rectangular coordinates 直⾓坐标recurrence formula 递推公式recurrence relations 关系recursive function 递归函数reduction of a fraction 约分reduction to a common denominator 通分reduction to absurdity 反证法reference system 参考系reflection 反射region convergence 收敛区域regression analysis 回归分析regular function 正则函数rejection region 拒绝域relation of equivalence 等价关系relative error 相对误差relative minimum 相对极⼩值repeated integral 累积分residue class 剩余类resolution 分解reverse theorem 逆定理reversible transformation 可逆变换rigorous upper bound 严格的上界rotation axis 旋转轴roundoff error 舍⼊误差Ssample average 样本均值satisfy 满⾜scalar multiplication 数乘secondary ⼆次的辅助的次级的section 截⾯截线截点sectionally smooth 分段光滑self-conjugate subgroup 正规⼦群self-evident 显然不证⾃明semi-closure 半闭sensitivity 灵敏度separability 可分性sequence 序列series 级数series expansion 级数展开series of positive terms 正项级数shaded region 阴影区域significance level 显著性⽔平significant digits 有效数字similarity isomorphic 相似同构的simply connected region 单连通区域simulated data 模拟数据simultaneous inequalities 联⽴不等式sine curve 正弦曲线singular element 奇元素退化元素skew matrices 斜对称矩阵solid figure ⽴体形spanning set ⽣成集spherical neighborhood 球形领域stability condition 稳定性条件standard deviation 标准差stationary curve 平稳曲线statistical dependence 统计相关stochastic allocation 随机分配subadditivity 次可加性subbasis ⼦基subsequence ⼦列subtotalling 求部分和successive approximation 逐次逼近法sufficient and necessary condition 充要条件supplementary set 补集surface 曲⾯surplus variable 剩余变量symbolic function 符号函数symmetric center 对称中⼼symmetry transformation 对称变换synchronism 同步synthetic proof 综合证明Ttable of random numbers 随机数表tangent line 切线tends to infinity 趋于⽆穷term by term differentiation 逐项微分terminal check 最后校验termwise integration 逐项积分totally bounded 完全有界的transcendental equation 超越⽅程transposition 转置transverse surface 横截⾯triangle computations 三⾓形解法trisection 三等分Uultimate 最后的最终的极限unbiased estimation ⽆偏估计unconditional stability ⽆条件稳定uniform boundness ⼀致有界unilateral limits 单侧极限unique solution 唯⼀解universal proposition 全称命题unordered ⽆序的unreduced 不可约的untrivial solution ⾮零解upper integral 上积分Vvalid 有效真确valuation 赋值variance ⽅差偏差vector of unit length 单位向量velocity-time graph 速度-时间图verify 检验校验versal 通⽤的vertex 极点顶vertical 垂直的vibration 震动visual proof 图像证明直观证明volume 体积Wwave form 波形weak boundary condition 弱边界条件weighted arithmetic mean 加权算术平均whole number 整数Xx-axis x轴x-component x分量x-coordinate x坐标x-direction x⽅向Yyield estimation 合格率估计Zzero correlation 零相关zero divisor 零因⼦zone of preference for acceptance 合格域zoom up 放⼤。
基于多层特征嵌入的单目标跟踪算法1. 内容描述基于多层特征嵌入的单目标跟踪算法是一种在计算机视觉领域中广泛应用的跟踪技术。
该算法的核心思想是通过多层特征嵌入来提取目标物体的特征表示，并利用这些特征表示进行目标跟踪。
该算法首先通过预处理步骤对输入图像进行降维和增强，然后将降维后的图像输入到神经网络中，得到不同层次的特征图。
通过对这些特征图进行池化操作，得到一个低维度的特征向量。
将这个特征向量输入到跟踪器中，以实现对目标物体的实时跟踪。
为了提高单目标跟踪算法的性能，本研究提出了一种基于多层特征嵌入的方法。
该方法首先引入了一个自适应的学习率策略，使得神经网络能够根据当前训练状态自动调整学习率。
通过引入注意力机制，使得神经网络能够更加关注重要的特征信息。
为了进一步提高跟踪器的鲁棒性，本研究还采用了一种多目标融合的方法，将多个跟踪器的结果进行加权融合，从而得到更加准确的目标位置估计。
通过实验验证，本研究提出的方法在多种数据集上均取得了显著的性能提升，证明了其在单目标跟踪领域的有效性和可行性。
1.1 研究背景随着计算机视觉和深度学习技术的快速发展，目标跟踪在许多领域(如安防、智能监控、自动驾驶等)中发挥着越来越重要的作用。
单目标跟踪(MOT)算法是一种广泛应用于视频分析领域的技术，它能够实时跟踪视频序列中的单个目标物体，并将其位置信息与相邻帧进行比较，以估计目标的运动轨迹。
传统的单目标跟踪算法在处理复杂场景、遮挡、运动模糊等问题时表现出较差的鲁棒性。
为了解决这些问题，研究者们提出了许多改进的单目标跟踪算法，如基于卡尔曼滤波的目标跟踪、基于扩展卡尔曼滤波的目标跟踪以及基于深度学习的目标跟踪等。
这些方法在一定程度上提高了单目标跟踪的性能，但仍然存在一些局限性，如对多目标跟踪的支持不足、对非平稳运动的适应性差等。
开发一种既能有效跟踪单个目标物体，又能应对多种挑战的单目标跟踪算法具有重要的理论和实际意义。
1.2 研究目的本研究旨在设计一种基于多层特征嵌入的单目标跟踪算法，以提高目标跟踪的准确性和鲁棒性。
技术创新《微计算机信息》(管控一体化)2010年第26卷第7-3期360元/年邮局订阅号：82-946《现场总线技术应用200例》博士论坛一种基于贝叶斯估计的图像局部匹配方法A Method for Image Local Patch Registration Based on Bayesian Estimation(北京信息科技大学)杨鸿波侯霞YANG Hong-bo HOU Xia摘要:目前报道的图像局部匹配方法一般假设参数变化符合线性或高斯分布,求解容易陷入局部极值,不能适应变形程度较大的情况。
本文针对此问题提出了一种基于贝叶斯估计的方法,通过马尔科夫链蒙特卡罗(MCMC)算法求解后验概率分布的极值获得最优匹配参数。
试验表明本文方法可以精确地匹配存在较大形变的点局部区域,并且可以成功地处理视频跟踪目标的尺度和方向变化。
关键词:点局部匹配;贝叶斯估计;色彩分布中图分类号:TP391文献标识码:AAbstract:As the reported methods are on the assumption that transformational parameters changes are followed by linear or Gaussian distribution so that the solutions cannot suit for large image deformations and are easy to get into local extremum.To solve this prob -lem,a Bayesian estimation of point local patch registration parameters is presented in this paper.This method apply MCMC algorithm to solve the posterior probability distribution problem and obtain the optimal parameters.The test results prove this method can per -form point local patch registration under large image deformations accurately and successfully coped with target scale or orientation variations in video tracking.Key words:point local patch registration;Bayesian estimation;color distribution文章编号:1008-0570(2010)07-3-0004-021简介相同场景下的不同图像在某些特征点局部具有很强的相似性,由于拍照时间和传感器视角等原因通常在这些局部上存在某种几何形变,而且很多情况下,这种形变和变化的程度比较大。
