期刊文献+
共找到173篇文章
< 1 2 9 >
每页显示 20 50 100
最小点距离的边界框回归损失函数及其应用 被引量:3
1
作者 麻斯亮 许勇 《小型微型计算机系统》 CSCD 北大核心 2024年第11期2695-2701,共7页
边界框回归(BBR)已广泛应用于目标检测和实例分割,这是目标定位的一个重要步骤,但仍存在收敛缓慢和回归不准确的问题.本文研究发现大多数现有的边界框回归损失函数在预测框与标注框具有相同的纵横比,但宽度和高度值不同时损失函数值无... 边界框回归(BBR)已广泛应用于目标检测和实例分割,这是目标定位的一个重要步骤,但仍存在收敛缓慢和回归不准确的问题.本文研究发现大多数现有的边界框回归损失函数在预测框与标注框具有相同的纵横比,但宽度和高度值不同时损失函数值无法收敛.为了解决这个问题,本文充分挖掘矩形的几何特征,提出了一种最小点距离的边界框相似度度量,它包含了现有主流边界框回归度量的相关因素,即重叠或非重叠面积、中心点距离、宽度和高度的偏差,同时简化了计算过程.在此基础上,本文提出了一个最小点距离的边界框回归损失函数,称为.实验结果表明,损失函数应用于最先进的实例分割(例如YOLACT)和目标检测(例如YOLOv7)模型训练PASCAL VOC、MS COCO和IIIT5k,其性能优于现有损失函数,模型回归效率和精度得到有效提升. 展开更多
关键词 目标检测 实例分割 边界框回归 损失函数 最小点距离
下载PDF
基于YOLOv5s模型的边界框回归损失函数研究 被引量:6
2
作者 董恒祥 潘江如 +2 位作者 董芙楠 赵晴 郭鸿鑫 《现代电子技术》 北大核心 2024年第3期179-186,共8页
针对车辆检测中边界框回归损失函数与检测目标尺度不匹配导致的误检、漏检以及精度较低等问题,基于YOLOv5s模型对4种有代表性的边界框回归损失函数进行对比实验,并在UA-DETRA、VisDrone2019、KITTI数据集上进行验证,利用漏检率、误检率... 针对车辆检测中边界框回归损失函数与检测目标尺度不匹配导致的误检、漏检以及精度较低等问题,基于YOLOv5s模型对4种有代表性的边界框回归损失函数进行对比实验,并在UA-DETRA、VisDrone2019、KITTI数据集上进行验证,利用漏检率、误检率、准确率、召回率、mAP@0.5、迭代过程的边界框损失值以及目标检测结果对其适用场景进行分析研究。结果显示:CIoU整体性能最差;SIoU在KITTI数据集上整体性能最优,准确率最高,达到了94.5%,漏检率降到了1.2%,适用于中尺度目标检测任务;Focal-EIoU在VisDrone2019数据集中各项指标远优于其他损失函数,召回率和mAP@0.5指标相较于CIoU分别提高了1.6%和1.8%,误检率降低了6.9%,且迭代过程损失值远低于其他损失函数,适用于小尺度目标检测任务;WIoU在UA-DETRA数据集整体性能最优,漏检率、召回率以及mAP@0.5指标优于其他损失函数,适用于大尺度目标检测任务。此研究为目标检测任务的边界框回归损失函数的选择提供了重要的基础。 展开更多
关键词 车辆检测 边界框回归损失函数 目标尺度 YOLOv5s ciou SIoU Focal-EIoU WIoU
下载PDF
具有多分段损失函数的多输出支持向量机回归 被引量:15
3
作者 胡根生 邓飞其 《控制理论与应用》 EI CAS CSCD 北大核心 2007年第5期711-714,共4页
对多维输入、多维输出数据的回归,可以采用多输出支持向量机回归算法.本文介绍具有多分段损失函数的多输出支持向量机回归,其损失函数对落在不同区间的误差值采用不同的惩罚函数形式,并利用变权迭代算法,给出回归函数权系数和偏置的迭... 对多维输入、多维输出数据的回归,可以采用多输出支持向量机回归算法.本文介绍具有多分段损失函数的多输出支持向量机回归,其损失函数对落在不同区间的误差值采用不同的惩罚函数形式,并利用变权迭代算法,给出回归函数权系数和偏置的迭代公式.仿真实验表明,该算法的精确性和计算工作量都优于使用多个单输出的支持向量机回归算法. 展开更多
关键词 支持向量机 损失函数 多输出回归
下载PDF
二次损失函数下Poisson回归模型中参数的近似Bayes估计 被引量:5
4
作者 赵志文 王德辉 李涵 《吉林大学学报(理学版)》 CAS CSCD 北大核心 2008年第5期836-840,共5页
针对Poisson回归模型中当给定参数的先验分布后,其后验分布的具体形式较难得到的问题,利用Γ分布的大样本性质,给出了似然函数的近似形式,并得到近似的后验分布.模拟结果表明,利用这种近似的后验分布进行统计推断,得到的参数Bayes估计... 针对Poisson回归模型中当给定参数的先验分布后,其后验分布的具体形式较难得到的问题,利用Γ分布的大样本性质,给出了似然函数的近似形式,并得到近似的后验分布.模拟结果表明,利用这种近似的后验分布进行统计推断,得到的参数Bayes估计具有较好的稳定性及精度. 展开更多
关键词 二次损失函数 POISSON回归 近似Bayes估计 参数 先验分布 后验分布 似然函数
下载PDF
新型ε-不敏感损失函数支持向量诱导回归算法及售后服务数据模型预测系统 被引量:2
5
作者 罗泽举 朱思铭 《计算机科学》 CSCD 北大核心 2005年第8期138-141,154,共5页
对含有噪声的数据序列根据预测置信度进行去噪处理,将训练集和测试集及预测数据共同作为训练向量集,以此建立新型支持向量诱导回归算法。本文利用该算法对实时售后服务的“千车故障数”进行了时间序列分析,并建立了新型的ε-不敏感损失... 对含有噪声的数据序列根据预测置信度进行去噪处理,将训练集和测试集及预测数据共同作为训练向量集,以此建立新型支持向量诱导回归算法。本文利用该算法对实时售后服务的“千车故障数”进行了时间序列分析,并建立了新型的ε-不敏感损失函数小样本模型预测系统。预测显示误差小于5.3%的值占了总体的98.1%,其预测署信度达到0.983,与二次和Huber损失函数相比其MAPE值只有2.3%。用计算机模拟仿真单批次预测显,当时间参量t→+∞,“千车故障数”将收敛于定值74.0601,这和实际相当吻合,表明所建预测模型的有效性。文章最后还和传统神经网络模型作了比较,说明新型SVM机比神经网络处理小样本能力更强。 展开更多
关键词 诱导回归算法 售后服务 预测系统 回归算法 损失函数 数据模型 支持向量 诱导 敏感 时间序列分析
下载PDF
混合损失函数支持向量回归机的性能研究 被引量:6
6
作者 李小光 《西北大学学报(自然科学版)》 CAS CSCD 北大核心 2011年第2期210-214,共5页
目的研究混合损失函数的支持向量回归机。方法综合一次ε-不敏感损失函数和二次ε-不敏感损失函数的部分性质,得到一种混合损失函数。结果同一般的一次ε-不敏感损失函数支持向量回归机和二次ε-不敏感损失函数支持向量回归机相比较,对... 目的研究混合损失函数的支持向量回归机。方法综合一次ε-不敏感损失函数和二次ε-不敏感损失函数的部分性质,得到一种混合损失函数。结果同一般的一次ε-不敏感损失函数支持向量回归机和二次ε-不敏感损失函数支持向量回归机相比较,对数据的波动性不大,噪声不明显的数据,混合损失函数支持向量回归机的优势并不显著。结论该混合损失函数支持向量回归机对含有高斯强噪声和一些具有振幅较大的异常点所形成的数据具有较高的准确率。 展开更多
关键词 一次ε-不敏感损失函数 二次ε-不敏感损失函数 混合损失函数 支持向量回归
下载PDF
具分段损失函数的支持向量机回归及在投资决策中的应用 被引量:1
7
作者 胡根生 邓飞其 《控制理论与应用》 EI CAS CSCD 北大核心 2006年第2期315-318,共4页
支持向量机回归模型的性能与所选用的损失函数有很大关系.本文提出一种具分段损失函数的支持向量机回归模型,其分段损失函数对落在不同区间的误差项采用不同的惩罚函数形式,并将该模型应用于投资决策问题中,估计收益率向量的联合概率密... 支持向量机回归模型的性能与所选用的损失函数有很大关系.本文提出一种具分段损失函数的支持向量机回归模型,其分段损失函数对落在不同区间的误差项采用不同的惩罚函数形式,并将该模型应用于投资决策问题中,估计收益率向量的联合概率密度函数和最优投资组合.仿真实验表明,其性能要优于一般的支持向量回归方法. 展开更多
关键词 支持向量机回归 损失函数 投资决策
下载PDF
平衡损失函数下风险相依回归信度模型 被引量:2
8
作者 黄维忠 《华东师范大学学报(自然科学版)》 CAS CSCD 北大核心 2013年第1期30-40,共11页
首先,给出了平衡损失函数下信度保费估计与二次损失函数下的信度保费估计的关系;然后,给出了在平衡损失函数下具有风险相依的回归信度保费表达式;并讨论了平衡损失函数下,目标估计为特殊情况的回归信度保费和风险等相关;以及具有共同效... 首先,给出了平衡损失函数下信度保费估计与二次损失函数下的信度保费估计的关系;然后,给出了在平衡损失函数下具有风险相依的回归信度保费表达式;并讨论了平衡损失函数下,目标估计为特殊情况的回归信度保费和风险等相关;以及具有共同效应时,二种回归信度保费表达式. 展开更多
关键词 平衡损失函数 风险相依 回归信度
下载PDF
一类回归损失函数集Vγ维的研究 被引量:1
9
作者 黄娟 《统计与决策》 CSSCI 北大核心 2007年第16期153-155,共3页
损失函数集的Vγ维的有限性是学习过程具有一致性的充分必要条件。因此,研究Vγ维具有重要意义。本文讨论了无限维再生核希尔伯特空间(RKHS)中半径为R的球内回归估计的一特殊类型损失函数集Vγ维的有限性,给出了其Vγ维的上界估计。从... 损失函数集的Vγ维的有限性是学习过程具有一致性的充分必要条件。因此,研究Vγ维具有重要意义。本文讨论了无限维再生核希尔伯特空间(RKHS)中半径为R的球内回归估计的一特殊类型损失函数集Vγ维的有限性,给出了其Vγ维的上界估计。从而确保了此类回归机器的依概率一致收敛,使其具有较好的推广能力。 展开更多
关键词 回归估计 Lp损失函数 Huber损失函数 Vγ维 一致收敛
下载PDF
随机损失数据下回归函数核估计的强相合性 (英文) 被引量:1
10
作者 张双林 《应用概率统计》 CSCD 北大核心 1997年第2期204-210,共7页
在不完全数据下,本文得到了回归函数核估计的强相合性。这里所说的不完全数据是指子样数据按一定的随机律被删除。
关键词 强相合性 核估计 回归函数 随机损失数据
下载PDF
在随机损失数据情况下回归函数的Partitioning估计的强相合性
11
作者 沙秋英 《黑龙江大学自然科学学报》 CAS 1996年第1期10-15,共6页
本文在不完全数据的情况下采用L1模得到了回归函数的Partitioning估计的强相合性.我们的结果只要求回归函数的P(P>1)阶矩有限,对回归函数没加任何光滑条件,并且我们的结果对任何分布都成立.
关键词 强相合 回归函数 随机损失数据 P估计
下载PDF
一种改进IoU损失的边框回归损失函数 被引量:20
12
作者 陈兆凡 赵春阳 李博 《计算机应用研究》 CSCD 北大核心 2020年第S02期293-296,共4页
针对目标检测任务边框回归精度低、模型收敛速度慢的问题,提出一种基于Io U损失的改进边框回归损失函数。为了提高Io U损失函数的精度和速度并保持损失函数的尺度不变性,在Io U损失中引入了归一化距离信息作为惩罚项;为了满足训练前期... 针对目标检测任务边框回归精度低、模型收敛速度慢的问题,提出一种基于Io U损失的改进边框回归损失函数。为了提高Io U损失函数的精度和速度并保持损失函数的尺度不变性,在Io U损失中引入了归一化距离信息作为惩罚项;为了满足训练前期快速收敛和后期高精度要求,在惩罚项中分阶段采用了距离信息的不同范数形式。实验结果表明,改进Io U损失函数在Vis Drone数据集AP50指标和PASCAL VOC数据集m AP指标上达到了34.84%和71.67%的精度,比Io U损失相对提升了4.00%和1.17%,比DIo U回归损失相对提升了1.63%和0.43%,在边框回归任务中取得了更加优越的性能。 展开更多
关键词 目标检测 边框回归损失 IoU损失函数
下载PDF
基于CIoU改进边界框损失函数的目标检测方法 被引量:16
13
作者 刘雄彪 杨贤昭 +1 位作者 陈洋 赵帅通 《液晶与显示》 CAS CSCD 北大核心 2023年第5期656-665,共10页
损失函数对于目标检测任务的检测精度和模型收敛速度具有重要作用,而损失函数中的边界框损失函数是影响检测结果和模型收敛速度的重要因素。针对传统模型定位精度低和训练时模型收敛慢的问题,本文在CIoU边界框损失函数的基础上提出一种... 损失函数对于目标检测任务的检测精度和模型收敛速度具有重要作用,而损失函数中的边界框损失函数是影响检测结果和模型收敛速度的重要因素。针对传统模型定位精度低和训练时模型收敛慢的问题,本文在CIoU边界框损失函数的基础上提出一种改进的边界框损失函数,解决了CIoU损失函数求导过程中由边界框宽高比带来的梯度爆炸问题和模型提前退化的问题,并且引入重叠区域与目标框的宽高关系和中心点之间的归一化距离作为附加的惩罚项,提高了模型的检测精度和收敛速度,这种损失函数称为BCIoU(Better CIoU)。在PASACL VOC 2007数据集上的实验结果表明,改进的BCIoU边界框损失函数在YOLOv3网络下相对于IoU损失的mAP50指标相对提升了2.09%,AP指标相对提升了6.88%;相对于CIoU损失的mAP50指标相对提升了1.64%,AP指标相对提升了5.35%。模型的收敛速度也有一定程度的提升。本文提出的BCIoU损失函数提高了模型的检测精度和模型收敛速度,并且可以很方便地纳入到当前目标检测算法中。 展开更多
关键词 计算机视觉 目标检测 边界框回归 梯度 损失函数
下载PDF
矩阵损失下一类相依回归模型中的可估函数的线性Minimax估计
14
作者 靳志勇 娄妍 《华北水利水电学院学报》 2007年第5期93-95,共3页
研究了相依回归模型(1)在改写为模型(2)后,对Cov(Y)=σ2(∑In)中σ2>0未知而∑>0已知时,在矩阵损失下给出一个线性可估函数SXβ的惟一线性Minimax估计.
关键词 相依回归模型 矩阵损失 风险函数 线性MINIMAX估计
下载PDF
净保费在平衡损失函数下的回归信度估计
15
作者 再努尔·木塔力甫 吴黎军 《新疆大学学报(自然科学版)(中英文)》 2021年第1期25-28,共4页
本文讨论了非寿险精算中的回归信度模型,将回归模型嵌入到信度理论.本模型考虑到通货膨胀,刻画了净保费随时间的变化,用矩阵论中的求逆公式以及投影公式推导出平衡损失函数下的净保费回归信度表达式,推广了平方损失函数下的净保费回归... 本文讨论了非寿险精算中的回归信度模型,将回归模型嵌入到信度理论.本模型考虑到通货膨胀,刻画了净保费随时间的变化,用矩阵论中的求逆公式以及投影公式推导出平衡损失函数下的净保费回归信度表达式,推广了平方损失函数下的净保费回归信度模型. 展开更多
关键词 平衡损失函数 回归信度 净保费
下载PDF
ε不敏感损失函数支持向量机分类性能研究 被引量:17
16
作者 杨俊燕 张优云 朱永生 《西安交通大学学报》 EI CAS CSCD 北大核心 2007年第11期1315-1320,共6页
将原先用于支持向量回归的ε不敏感损失函数引入到支持向量分类中,提出ε不敏感损失函数支持向量分类算法(-εSVC).同标准支持向量分类方法(C-SVC)和最小二乘支持向量分类方法(LS-SVC)相比较,试验结果表明:当赋予参数ε一个足够大的接近... 将原先用于支持向量回归的ε不敏感损失函数引入到支持向量分类中,提出ε不敏感损失函数支持向量分类算法(-εSVC).同标准支持向量分类方法(C-SVC)和最小二乘支持向量分类方法(LS-SVC)相比较,试验结果表明:当赋予参数ε一个足够大的接近于1的值时,-εSVC的分类正确率略低于C-SVC和LS-SVC,但是-εSVC的训练、测试和参数选择的速度要高于C-SVC和LS-SVC.特别是对于大规模数据集,这种优势将更加明显.另外,通过精确选择参数ε的值,-εSVC能够获得比C-SVC和LS-SVC更高的分类正确率,但是训练、测试和参数选择的速度却随着ε的减小而降低. 展开更多
关键词 ε不敏感损失函数 支持向量分类 模式分类 支持向量回归
下载PDF
平衡损失下回归系数的线性容许估计 被引量:26
17
作者 徐兴忠 吴启光 《数学物理学报(A辑)》 CSCD 北大核心 2000年第4期468-473,共6页
该文在平衡损失函数下 ,研究线性模型中回归系数的线性容许估计 ,得到了充要条件 .结果表明 。
关键词 线性模型 回归系数 平衡损失函数 线性容许估计
下载PDF
生产函数的确定及其在经济损失分析中的应用 被引量:4
18
作者 张素灵 成小平 温增平 《自然灾害学报》 CSCD 北大核心 2001年第1期92-98,共7页
考察了Cobb-Douglas生产函数及其几种改进模型的适用范围,以确定适用于震后各生产领域 的经济损失评估模型。通过以某市历年投入产出资料为例,说明了其在评定地震损失中的应用.
关键词 生产函数 经济损失 震害预测 统计方法 回归分析
下载PDF
分类用户单位停电损失函数的确定及应用 被引量:8
19
作者 张勇军 任倩 +1 位作者 汪穗峰 任震 《电气应用》 北大核心 2008年第3期70-73,共4页
分类用户单位停电损失函数(SCUDF)对配网可靠性措施效益评估、电力系统规划等预测性研究具有重要意义。单纯采用用户问卷调查法虽然较为准确,但由于资金和时间的限制仍有很大的难度,且因地区生产结构及自动化水平的差异而难以从其他地... 分类用户单位停电损失函数(SCUDF)对配网可靠性措施效益评估、电力系统规划等预测性研究具有重要意义。单纯采用用户问卷调查法虽然较为准确,但由于资金和时间的限制仍有很大的难度,且因地区生产结构及自动化水平的差异而难以从其他地区的已有数据类比取得。提出一种根据分类用户用电量及其相应生产总值的若干年统计数据,运用回归分析及参数估计原理得出SCUDF的方法。该方法避免了大量的统计工作,其数据可直接从相关权威部门获取。文中估算了广州某地区配网的SCUDF,据此计算了一条现有馈线的当前可靠性水平下的停电损失,表明该方法可行。 展开更多
关键词 分类用户单位停电损失函数 回归分析 配网
原文传递
基于似无关模型的改进多元损失函数方法 被引量:4
20
作者 张旭涛 何桢 毕海玲 《工业工程》 2016年第6期51-55,共5页
对复杂产品或过程中存在相关性的多响应优化问题进行了研究,通过引入似无关回归模型对质量损失函数方法进行改进,将响应间的相关性综合考虑到模型拟合和参数优化两个阶段。算例表明,与传统质量损失函数方法相比,改进方法得到的最优解处... 对复杂产品或过程中存在相关性的多响应优化问题进行了研究,通过引入似无关回归模型对质量损失函数方法进行改进,将响应间的相关性综合考虑到模型拟合和参数优化两个阶段。算例表明,与传统质量损失函数方法相比,改进方法得到的最优解处期望质量损失更小。该方法克服了传统方法忽视响应间的相关性或只在优化阶段考虑相关性的不足,是对多元损失函数的重要改进。 展开更多
关键词 似无关回归 多响应优化 损失函数 响应曲面方法 响应相关性
下载PDF
上一页 1 2 9 下一页 到第
使用帮助 返回顶部