已选(0)清除
条数/页: 排序方式: |
| 基于条件生成对抗网络的书法字笔画分割 期刊论文 自动化学报, 2022, 卷号: 48, 期号: 7, 页码: 1861-1868 作者: 张巍; 张筱; 万永菁
Adobe PDF(2697Kb)  |   收藏  |  浏览/下载:26/11  |  提交时间:2024/05/20 书法结构 笔画分割 条件生成对抗网络 对抗学习 |
| 环境理解与技能传授相结合的移动机器人导航学习研究 学位论文 工学博士, 中国科学院自动化研究所: 中国科学院大学, 2019 作者: 张茗奕![](/image/person.jpg)
Adobe PDF(7430Kb)  |   收藏  |  浏览/下载:348/5  |  提交时间:2019/06/21 移动机器人导航 拓扑地图 环境感知 技能传授 曲线提取 领航者跟随 |
| 图像线段提取方法综述 会议论文 , 中国大连, 2017-7-26~28 作者: 张茗奕 ; 刘希龙 ; 徐德![](/image/person.jpg)
浏览  |   Adobe PDF(828Kb)  |   收藏  |  浏览/下载:302/102  |  提交时间:2018/01/05 |
| 高分辨率遥感图像道路检测与中心线提取算法研究 学位论文 , 北京: 中国科学院研究生院, 2017 作者: 程光亮![](/image/person.jpg)
Adobe PDF(23132Kb)  |   收藏  |  浏览/下载:371/3  |  提交时间:2017/06/19 高分辨率遥感图像 道路检测 中心线提取 多尺度分割 深度卷积神经网络 |
| 模式分类中的鲁棒损失函数的设计及其在不平衡数据中的应用 学位论文 , 北京: 中国科学院大学, 2016 作者: 徐贵标![](/image/person.jpg)
Adobe PDF(2509Kb)  |   收藏  |  浏览/下载:478/5  |  提交时间:2016/06/20 异常样本 鲁棒损失函数 不平衡数据 代价敏感学习 代价缺失学习 |
| 基于流形学习的文本分类算法研究与应用 学位论文 , 中国科学院自动化研究所: 中国科学院研究生院, 2011 作者: 徐海瑞
Adobe PDF(1240Kb)  |   收藏  |  浏览/下载:166/1  |  提交时间:2015/09/02 流形学习 近邻保持嵌入 线性鉴别嵌入 文本分类 K最近邻算法 Manifold Learning Npe Lde Text Categorization Knn |
| 子空间分类研究与应用 学位论文 , 中国科学院自动化研究所: 中国科学院研究生院, 2009 作者: 曾昭雄
Adobe PDF(1275Kb)  |   收藏  |  浏览/下载:323/0  |  提交时间:2015/09/02 子空间 维数约简 模式分类 人脸识别 图像处理 Subspace Dimensionality Reduction Pattern Classification Face Recognition Image Processing |
| 基于主曲线的无监督排序学习及其在综合评价中的应用 学位论文 , 中国科学院自动化研究所: 中国科学院大学, 2014 作者: 李纯果
Adobe PDF(5249Kb)  |   收藏  |  浏览/下载:299/0  |  提交时间:2015/09/02 无监督排序 主曲线 领域知识 元准则 综合评价 Unsupervised Ranking Principal Curves Prior Information Meta- Rules Comprehensive Evaluation |
| 流形学习与基于稀疏化的半监督分类相关方法研究 学位论文 , 中国科学院自动化研究所: 中国科学院研究生院, 2012 作者: 古楠楠
Adobe PDF(2693Kb)  |   收藏  |  浏览/下载:293/0  |  提交时间:2015/09/02 降维 流形学习 半监督学习 半监督分类 稀疏化 机器学习 Dimensionality Reduction Manifold Learning Semi-supervised Learning Semi-supervised Classification Sparse Representation Machine Learning |
| 维数约简中的数据性质研究 学位论文 , 中国科学院自动化研究所: 中国科学院研究生院, 2009 作者: 毕华
Adobe PDF(3472Kb)  |   收藏  |  浏览/下载:257/0  |  提交时间:2015/09/02 机器学习 维数约简 局部学习 稳健性 重采样 Boosting Machine Learning Dimension Reduction Local Learning Robust Resampling Boosting |