通过去除不相关和多余的特征，特征选择旨在找到具有良好泛化能力的原始特征的紧凑表示。 随着无标签数据的普及，无监督特征选择已显示出可有效减轻维数的诅咒，对于全面分析和理解无标签高维数据的无数至关重要，这是由于子空间聚类中低秩表示法的成功所致，我们提出了一种用于无监督特征选择的正则化自我表示（RSR）模型，其中每个特征都可以表示为其相关特征的线性组合。 通过使用L-2，L-1-范数来表征表示系数矩阵和表示残差矩阵，RSR有效地选择了代表性特征并确保了对异常值的鲁棒性。 如果某个特征很重要，则它将参与大多数其他特征的表示，从而导致出现大量的表示系数，反之亦然。 对合成数据和现实世界数据进行的实验分析表明，该方法可以有效地识别代表性特征，在聚类精度，冗余减少和分类精度方面优于许多最新的无监督特征选择方法。
2021-03-03 09:09:03
805KB
1
提出一种融合多种特征的图像过曝光区域检测算法。利用转换的亮度特征和颜色特征，并新引入亮颜特征和边界邻域特征来构成特征向量，用L2正则化逻辑非线性回归方法。对实验图像进行过曝光区域检测，结果显着示，相较于亮度阈值法和采用亮度和颜色特征的常规检测方法，约会新特征后的改进算法检测出的过照射范围区域连通性更好。
2021-03-02 19:06:08
478KB
1
计算机视觉跟踪算法SRDCF（正则化约束的KCF/DCF算法）MATLAB代码，能够直接运行（将demo.m文件数据路径改成自己的可以直接运行），附带作者论文和各大神关于代码的解读。
2021-02-20 19:53:55
35.66MB
1
采用求解正则化函数的方法求解图像去噪重建问题，并对修复结果使用pnsr和ssim方法进行评估，具体使用方法见文档中使用说明。
2021-02-19 12:04:10
5.72MB
1