中文版 | English

在结果中检索

OPT OpenIR

浏览/检索结果: 共5条，第1-5条 帮助

限定条件        
已选(0)清除 条数/页：   排序方式：
Video Supervoxels Using Partially Absorbing Random Walks 期刊论文
IEEE TRANSACTIONS ON CIRCUITS AND SYSTEMS FOR VIDEO TECHNOLOGY, 2016, 卷号: 26, 期号: 5, 页码: 928-938
作者:  Liang, Yuling;  Shen, Jianbing;  Dong, Xingping;  Sun, Hanqiu;  Li, Xuelong
Adobe PDF(2435Kb)  |  收藏  |  浏览/下载：182/2  |  提交时间：2016/09/18
Laplacian Graph  Optimization  Partially Absorbing Random Walk (Parw)  Supervoxel  Video Segmentation  
Mutual Component Analysis for Heterogeneous Face Recognition 期刊论文
ACM TRANSACTIONS ON INTELLIGENT SYSTEMS AND TECHNOLOGY, 2016, 卷号: 7, 期号: 3
作者:  Li, Zhifeng;  Gong, Dihong;  Li, Qiang;  Tao, Dacheng;  Li, Xuelong
Adobe PDF(886Kb)  |  收藏  |  浏览/下载：610/3  |  提交时间：2016/04/08
Algorithms  Performance  Face Recognition  Heterogeneous Face Recognition  Mutual Component Analysis (Mca)  
Large-Scale Aerial Image Categorization Using a Multitask Topological Codebook 期刊论文
IEEE TRANSACTIONS ON CYBERNETICS, 2016, 卷号: 46, 期号: 2, 页码: 535-545
作者:  Zhang, Luming;  Wang, Meng;  Hong, Richang;  Yin, Bao-Cai;  Li, Xuelong;  Wang, M
Adobe PDF(1846Kb)  |  收藏  |  浏览/下载：227/2  |  提交时间：2016/03/18
Aerial Image  Discriminatively Learning  Large-scale  Multitask  Realtime  Topology  
A Local Structural Descriptor for Image Matching via Normalized Graph Laplacian Embedding 期刊论文
IEEE TRANSACTIONS ON CYBERNETICS, 2016, 卷号: 46, 期号: 2, 页码: 410-420
作者:  Tang, Jun;  Shao, Ling;  Li, Xuelong;  Lu, Ke;  Shao, L
Adobe PDF(2230Kb)  |  收藏  |  浏览/下载：221/2  |  提交时间：2016/03/18
Graph Spectrum  Local Structural Descriptor  Normalized Laplacian Matrix  Point Pattern Matching (Ppm)  
Shape-Constrained Sparse and Low-Rank Decomposition for Auroral Substorm Detection 期刊论文
IEEE TRANSACTIONS ON NEURAL NETWORKS AND LEARNING SYSTEMS, 2016, 卷号: 27, 期号: 1, 页码: 32-46
作者:  Yang, Xi;  Gao, Xinbo;  Tao, Dacheng;  Li, Xuelong;  Han, Bing;  Li, Jie;  Yang, X
Adobe PDF(5085Kb)  |  收藏  |  浏览/下载：437/2  |  提交时间：2016/01/22
Auroral Substorm Detection  Sequence Motion Analysis  Shape Constraint  Sparse And Low-rank  Decomposition (Sld)