针对单样本情形,论文首先提取行人图像的颜色直方图特征和纹理特征,分别构建二分类模型,然后对不同的特征分配不同的核函数进行,用多核学习算法获得不同核函数的最优权重,并构建了基于巴氏系数的AP聚类预处理方法来选择典型的负样本,以解决训练中负样本远多于正样本而造成的样本失衡问题。对于多样本情形,论文首先验证了JS核对于不同的颜色直方图特征具有较好的适应性；其次经过LFDA算法对样本进行散度分析,寻找投影方向；最后采用JS核函数把样本映射到高维空间,使得同类样本尽可能地紧凑,而异类样本尽可能地松弛。通过在VIPeR、i_LIDS、ETHZ三个标准数据集和大量自拍数据集上的测试,验证了所提算法的有效性标注问题-电动液压滚圆机数控滚弧机滚圆机价格低张家港滚圆机多少钱。(3)为了减少误匹配,提出了一种基于贝叶斯模型和离散粒子群优化的目标关联算法。论文首先对摄像机网络进行在线拓扑关系估计,然后采用贝叶斯模型对摄像机间的目标匹配结果与拓扑关系进行融合,基于构造的评价函数来选择最优路径,并引入离散粒子群优化来搜索最优路径集合以减少计算复杂度。在大型视觉监控系统中的仿真实验表明,所提算法具有较好的时效性,并能给出多个本文由张家港市泰宇机械有限公司弯管机滚圆机滚弧机网站采集网络资源整理! http://www.gunyuanji.wang目标在一段时间内的最可能的运动轨迹近年来随着诸如Amazon Mechanical Turk等众包系统的出现,很多无法通过机器智能完成的任务可以通过这种微型外包的方式交由在线用户手工完成。机器学习和数据挖掘领域也从中受益,大量的样本标注任务由传统的耗时费力的专家标注方式转变为众包标注,加快了数据更新和模型迭代的速度。然而,由于众包标注者的标注质量无法保证,使得利用众包标注数据进行机器学习面临巨大挑战。因此,如何利用多噪声标签进行机器学习具有重要的研究与应用价值。本文从广泛存在的偏置标注问题着手,主要研究内容如下：(1)从众包系统数据质量和模型质量的概念以及偏置标注问题的定义出发,理论上分析了偏置标注对大多数众包系统中使用的多数投票策略所产生的影响。然后,对大量来自于众包系统的实际数据进行分析,揭示出偏置标注问题的普遍性,并分析产生偏置标注的原因。最后,在几个典型的偏置标注数据集上进行实验,分析了基于期望最大化的算法的真值推理性能,从而得出偏置标注问题使得基于期望最大化算法性能退化的结论。(2)针对二分类偏置标注问题,提出一种基于自动阈值估计的正标签频率阈值算法PLAT。该算法只依赖于每个样本的多噪声标签集中正负标签的分布,无需标注者质量、底层数据分布、以及偏置水平等先验知识。它能够自动估计正负类划分的阈值并进行真值推理。标注问题-电动液压滚圆机数控滚弧机滚圆机价格低张家港滚圆机多少钱本文由张家港市泰宇机械有限公司弯管机滚圆机滚弧机网站采集网络资源整理! http://www.gunyuanji.wang