近年来,在线流特征选择（Online Feature Selection with Streaming Features,OSFSF）作为数据降维的有效方法,以实时过滤不相关和冗余......

针对现有算法在处理海量数据集时处理效率低的问题,提出一种基于邻域搜索的在线特征选择(neighborhood search for online feature......

在许多实际应用领域,特征随时间逐个流进特征空间并需及时进行在线选择,称为在线流特征选择.现有基于邻域粗糙集的在线流特征选择......

针对传统批处理特征选择方法处理大规模骨干网数据流存在时间和空间的限制,提出基于在线特征选择(online feature selection,OFS)......

提出了视觉跟踪任务中目标动态建模的一种方法.该方法首先针对跟踪序列中的当前帧图像观测进行Haar变换,从而得到图像的过完备特征......

在复杂场景下,传统的粒子滤波跟踪算法较难定位目标。针对此问题,提出了一种基于在线特征选择的粒子滤波跟踪算法。该算法首先在线......

在线流特征选择通过实时过滤无关特征和冗余特征,实现流特征空间降维.针对已有算法,如Alpha-investing分类精度低、SAOLA选择特征......

视频运动对象跟踪是计算机视觉的一个基本问题,具有广阔的应用前景,可以应用到视频监控、视频分析、机器人和智能人机交互等领域。......

针对原始压缩跟踪算法无法自适应选择特征易导致目标丢失或者漂移这一现象,提出一种基于在线选择特征的实时压缩跟踪算法。首先,在......

数据的特征空间常随时间动态变化,而训练样本的数量固定不变,数据的特征空间在呈现超高维特点的同时通常伴随决策空间的类别不平衡......

压缩感知算法能有效地实时跟踪视频目标,但由于无法对目标特征最优选取,且样本搜索中心由上一帧目标位置所确定,其鲁棒性不高。鉴......

针对既有历史数据又有流特征的全新应用场景,提出了一种基于组特征选择和流特征的在线特征选择算法。在对历史数据的组特征选择阶......

在许多实际应用中,数据经常呈现高维不平衡特征,特征还根据需求在不同时间段动态生成.基于此种情况,文中提出基于邻域粗糙集的高维......