吕艳萍
- 作品数：6 被引量：69H指数：2
- 供职机构：厦门大学信息科学与技术学院更多>>
- 发文基金：福建省自然科学基金国家自然科学基金教育部科学技术研究重点项目更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于在线半监督boosting的协同训练目标跟踪算法被引量：15
- 2014年
- 基于自训练的判别式目标跟踪算法使用分类器的预测结果更新分类器自身,容易累积分类错误,从而导致漂移问题。为了克服自训练跟踪算法的不足,该文提出一种基于在线半监督boosting的协同训练目标跟踪算法(简称Co-SemiBoost),其采用一种新的在线协同训练框架,利用未标记样本协同训练两个特征视图中的分类器,同时结合先验模型和在线分类器迭代预测未标记样本的类标记和权重。该算法能够有效提高分类器的判别能力,鲁棒地处理遮挡、光照变化等问题,从而较好地适应目标外观的变化。在若干个视频序列的实验结果表明,该算法具有良好的跟踪性能。
- 陈思苏松志李绍滋吕艳萍曹冬林
- 关键词：目标跟踪半监督学习
- 生物序列比对问题的研究
- 生物信息学是利用现代计算技术来处理和研究生物数据的一门新型交叉学科。其中，序列比对是生物信息学最基本的一个研究方法。如何获得比对质量更好、时间空间效率更高的序列比对算法是生物信息学研究的一个重要的课题。生物序列比对算法在...
- 吕艳萍
- 关键词：生物信息学生物序列比对启发式算法多序列比对算法
- 文献传递
- 微粒群优化算法及其在高维数据聚类的应用研究
- 高维数据聚类是数据挖掘领域中的重点和难点。数据挖掘的基本起始点是假设将一个数据对象表示为一个高维特征向量，比如文本文档。传统的聚类算法对高维数据的聚类质量由于维数灾难问题而大大降低。当特征维数增长时，数据对象在高维空间中...
- 吕艳萍
- 关键词：微粒群优化算法早熟收敛高维数据聚类数据挖掘
- 自适应扩散混合变异机制微粒群算法被引量：54
- 2007年
- 为了避免微粒群算法(panicle swarm optimization,简称PSO)在全局优化中陷入局部极值,分析了标准PSO算法早熟收敛的原因,提出了自适应扩散混合变异机制微粒群算法(InfonnPSO).结合生物群体信息扩散的习性,设计了一个考虑微粒分布和迭代次数的函数,自适应调整微粒的"社会认知"能力,提高种群的多样性;模拟了基因自组织和混沌进化规律引入克隆选择使群体最佳微粒gBest实现遗传微变、局部增值,具有变异确定性;利用Logistic序列指导gBest随机漂移,进一步增强逃离局部极值能力.基于种群的随机状态转移过程,证明了新算法具有全局收敛性.与其他几种PSO变种相比,复杂基准函数仿真优化结果表明,新算法收敛速度快,求解精度高,稳定性好,能够有效抑制早熟收敛.
- 吕艳萍李绍滋陈水利郭文忠周昌乐
- 关键词：微粒群算法早熟收敛信息扩散克隆选择
- 监督MCA降维框架中的心跳分类模型
- 2012年
- 高维心电图数据存在大量不相关特征,基于监督机器学习技术很难同时获得较高敏感性与特异性。在预处理操作心电图数据,如校准基线漂移、去除高频噪声和拟合多项式特征的基础上,提出一种基于监督多元对应分析(MCA)降维技术的分类模型自动分类心跳。该方法离散化连续心电图数据为类属数据,并发展有监督MCA降维技术提取心电图数据关键特征,用各种分类算法自动分类心电图心跳数据。在PTB诊断数据库的心电图数据集上测试结果表明,与几种基于监督机器学习分类技术相比,在监督MCA降维框架中各种分类算法能以较高敏感性和特异性自动分类心电图心跳数据。
- 孙立吕艳萍杨开涛李绍滋李旭洲
- 关键词：心电图
- 基于高分片段对的双序列比对分治算法SPDCA
- 2007年
- 针对传统双序列比对算法的高时空复杂性,在动态规划比对算法的基础上,引入了片段对和分治思想,提出了一个新型的基于高分片段对的分治算法.模拟结果表明:该算法在降低了双序列比对算法的时空需求的同时,还能发现双序列之间微弱的相似关系,可适用于序列数据库相似性的搜索.
- 吕艳萍陈水利陈国龙
- 关键词：双序列比对动态规划分治
