基于马尔可夫随机场和多核学习的图像分类

针对词袋模型中的聚集算法对编码矢量之间空间关系信息或者概率分布信息单独建立数学模型,将马尔可夫随机场模型中的拟合参数矢量集合视为编码矢量的聚集矢量集合,计算每个聚集矢量对应的两两图像之间的核矩阵,然后使用基于支持向量机的多核学习方法求解核矩阵的最优线性组合系数以及支持向量系数,最后使用所得训练模型对测试图像进行分类.对于15类场景数据集和Caltech 101数据集,本文算法的分类正确率达到82.67%和62.94%,与其他算法相比具有更高的平均分类正确率.     

改进的双边二维线性判别分析的手背静脉识别

针对双边二维线性判别分析(B2D-LDA:Bilateral Two-Dimensional Linear Discriminant Analysis)方法中多类类别均值和总体均值接近时难以分类的问题,提出了一种改进的B2D-LDA(MB2D-LDA:Modified B2D-LDA)方法,并将其运用到手背静脉特征提取中.重新定义了类间离散度矩阵,融入了每两类类间的距离,当类别均值与总体均值接近时,则用该类和其他各类类间距离组成离散度矩阵.采用基于欧氏距离的最近邻分类器进行匹配识别.结果表明,在不增加识别时间的情况下,MB2D-LDA平均识别率比B2D-LDA高2％,证明了该算法的有效性.     

基于聚类和SVM的数据分类方法与实验研究简

提出一种新的数据分类方法,K-均值聚类分组支持向量机(CG-SVM)方法,在不删减任何样本信息的情况下,该方法使用轮廓系数作为类分离度量参数对数据的正、负类样本进行聚类、分组,对小组进行交叉结合训练,得到不同的SVM分类器,根据测试样本到聚类中心欧氏距离的加权来选择合适的SVM分类器进行类别判断,该方法实现了一个二分类问题转化为多个细分的二分类过程,效果由差变好.对所提方法分别进行了仿真数据和实际数据分类实验.实验结果表明,与传统的SVM方法相比,该算法可以有效地提高分类的准确率.     

基于聚类和SVM的数据分类方法与实验研究

提出一种新的数据分类方法,K-均值聚类分组支持向量机(CG-SVM)方法,在不删减任何样本信息的情况下,该方法使用轮廓系数作为类分离度量参数对数据的正、负类样本进行聚类、分组,对小组进行交叉结合训练,得到不同的SVM分类器,根据测试样本到聚类中心欧氏距离的加权来选择合适的SVM分类器进行类别判断,该方法实现了一个二分类问题转化为多个细分的二分类过程,效果由差变好.对所提方法分别进行了仿真数据和实际数据分类实验.实验结果表明,与传统的SVM方法相比,该算法可以有效地提高分类的准确率.     

基于AMD度量和类间模块2DPCA的人脸识别算法

文章提出了一种基于集成矩阵距离(AMD)和类间散布矩阵构造的模块2DPCA人脸识别方法.针对原模块2DPCA算法的不足,使用类间散布矩阵代替总体散布矩阵,求得最佳特征向量并对图像进行特征提取;采用集成矩阵距离的度量方式计算特征图像的相似度,实现人脸分类.在ORL人脸库上的实验结果表明,同2DPCA和普通模块2DPCA相...     

基于模糊C均值聚类改进的最大似然分类法

基于参数密度分布模型的最大似然分类法(MLC)是遥感影像经典分类方法之一,它具有清晰的参数解释能力、易于与先验知识融合和算法简单而易于实施等优点,但是由于遥感数据具有高度的模糊性和随机性,使得贝叶斯(Bayes)判别函数中的均值向量和协方差矩阵很难准确确定。因此首先利用模糊C均值聚类得到模糊划分矩阵,然后基于模糊划分矩阵计算出每一个聚类类别模糊均值和模糊协方差矩阵,并利用模糊均值和模糊协方差矩阵来代替贝叶斯判别函数中的均值向量和协方差矩阵从而建立一个新的判别函数,最后与传统的最大似然分类结果进行比较,结果表明改进后的最大似然分类法在总体精度、Kappa系数均优于传统的最大似然分类方法。     

基于Hellinger距离矩阵的层次型多分类算法研究

针对层次型多分类算法中二元分类器度量标准选择不合理而导致模型分类效果较差的现象,提出基于Hellinger距离矩阵的新度量方法.结果表明,该方法具有计算简单、不受数据分布不均影响等特点,可作为类别间重叠性的衡量;依据类别间重叠性越小可分性越强的节点选择方法,用该距离可构建分类性能更优的层次模型.实验结果验证了该方法的有效性和可行性.     

基于局部均值的边界鉴别分析方法

提出一种基于局部均值的监督降维算法.找出与每一个样本点同类最远的k1个近邻的均值和异类最近的k2个近邻的均值,构造反映类内散布和类间散布的矩阵,由特征值分解确定特征提取变换.该方法使不同类别样本点之间的边界在投影子空间尽可能扩大,保留了数据的邻域结构,具有较强的模式可分离性.通过在ORL和YALE两个标准人脸数据库上与其他降维算法的对比识别实验,证实了算法的有效性.     

MLLR特征的SVM语种识别算法

为了挖掘更多语种间区分性信息进行可靠的自动语种识别,本文提出一种将自适应领域的最大似然线性回归(maximum likelihood linear regression,MLLR)矩阵作为特征的语种识别算法。该算法首先对每个语种训练Gauss混合模型(Gaussian mixture model,GMM),然后对每个语音段在所有语种的GMM上计算MLLR矩阵。将得到的多类MLLR矩阵经归一化后拼接形成超矢量作为特征输入支持向量机(support vector machine,SVM)分类器进行训练和识别。比较了均值方差和排序两种归一化方法,并将多类MLLR-SVM算法与传统GMM语种识别算法进行对比。实验表明:排序归一化算法优于传统的均值方差归一化;建立在GMM模型基础上的MLLR-SVM系统性能有9.7%的提升,并与GMM分类器有很强的互补性。     

一种基于流形距离的迭代优化聚类算法

针对传统欧氏距离测度描述复杂结构的数据分布会失效的问题,引入能有效反映样本集固有的全局一致性信息的流形距离作为样本间相似度度量测度,并设计了反映类内相似度大、类间相似度小的聚类目标的准则函数,把数据聚类转化成准则函数优化问题,提出了一种迭代优化的聚类算法.通过4个人工数据集的仿真试验结果表明,新方法的参数很少且实现简单,由于实现过程中没有引入随机操作,因此结果比较确定.与标准k均值算法相比,新方法能够自动确定聚类数目,对于样本空间分布复杂的聚类问题具有良好的分类效果.     

基于上下文模型的非抽样小波图像去噪

文章提出了一种新的基于上下文模型的非抽样小波图像去噪方法。与传统正交小波变换不同,非抽样小波在图像分解时不对小波系数进行下采样。分解后的每一个小波系数被模型化为一个广义高斯分布随机变量,应用上下文模型估计每一个小波系数的边缘方差,软阈值函数的构造充分考虑了待阈值化小波系数与其邻域小波系数的相关性,产生空间自适应阈值。通过对加噪图像的实验,可以看出本文方法与其它几种传统去噪方法相比,不仅去噪效果有很大的改进,具有更好的重建视觉效果,而且信噪比也有较为明显的提高。     

基于最小类内离散度的改进Otsu分割方法的研究

提出了一种改进的Otsu阈值分割方法,该算法结合了最小类内离散度与最大类间方差.类内方差越小,类的内聚性就越好,据此提出分类的类内离散测度,综合最大类间方差,定义了新的阈值识别函数.实验结果表明:该方法克服了传统Otsu阈值分割信息不完备的缺陷,具有更强的抗噪能力,分割效果明显.     

基于变系数非参数回归的稳健性参数设计

利用变系数的非参数回归理论讨论多因子试验过程中因子间相互性对质量特性的影响,通过调节系数变量改变其他因子对过程的影响,找到最优的因子水平组合,进行稳健试验.提出了在稳健性参数设计中应用变系数的非参数回归模型理论,建立质量特性的均值和方差模型,得到最优的因子水平组合进行试验分析.最后,通过油墨打印机的实例说明此理论的可行性.     

估计随机变量母体均值的加权数据融合方法

提出了一种把多源信息综合处理的数据融合方法。该方法依据极大似然原理将来自不同母体(均值相同、方差不同)的随机样本有效融合，得到新的母体均值估计量。该估计量具有无偏性，并且比其它传统估计量更加有效。理论和实践证明，用该方法处理数据可提高检测精度。     

硫化物对GCr15轴承钢疲劳寿命的影响

硫使钢产生“热脆”,异相夹杂物使钢基体产生嵌镶应力,对基体产生划伤、割裂作用,破坏机体的连续性.不同类型异相夹杂因其形状、性能、分布、线膨胀系数等的不同而对基体产生的影响迥异.硫化物夹杂因其塑性好、线膨胀系数大、对轴承钢疲劳寿命影响较小.对硬脆夹杂物有包裹作用而对轴承钢疲劳裂纹的产生、发展有一定阻碍作用.但在脆性夹杂物大幅度降低条件下,硫(硫化物杂夹)含量范围应当予以限制.     

A characteristic size of approximately 10 Mpc for the ionized bubbles at the end of cosmic reionization

The first galaxies to appear in the Universe at redshifts z > 20 created ionized bubbles in the intergalactic medium of neutral hydrogen left over from the Big Bang. The ionized bubbles grew with time, surrounding clusters of dwarf galaxies and eventually overlapped quickly throughout the Universe over a narrow redshift interval near z approximately 6. This event signalled the end of the reionization epoch when the Universe was a billion years old. Measuring the size distribution of the bubbles at their final overlap phase is a focus of forthcoming programmes to observe highly redshifted radio emission from atomic hydrogen. Here we show that the combined constraints of cosmic variance and light travel time imply an observed bubble size at the end of the overlap epoch of approximately 10 physical Mpc, and a scatter in the observed redshift of overlap along different lines-of-sight of approximately 0.15. This scatter is consistent with observational constraints from recent spectroscopic data on the farthest known quasars. This implies that future radio experiments should be tuned to a characteristic angular scale of 0.5 degrees and have a minimum frequency bandwidth of approximately 8 MHz for an optimal detection of 21-cm flux fluctuations near the end of reionization.     

Mixing matrix estimation of underdetermined blind source separation based on the linear aggregation characteristic of observation signals

Under the underdetermined blind sources separation ( UBSS) circumstance, it is difficult to es-timate the mixing matrix with high-precision because of unknown sparsity of signals.The mixing ma-trix estimation is proposed based on linear aggregation degree of signal scatter plot without knowing sparsity, and the linear aggregation degree evaluation of observed signals is presented which obeys generalized Gaussian distribution ( GGD) .Both the GGD shape parameter and the signals’ correla-tion features affect the observation signals sparsity and further affected the directionality of time-fre-quency scatter plot.So a new mixing matrix estimation method is proposed for different sparsity de-grees, which especially focuses on unclear directionality of scatter plot and weak linear aggregation degree.Firstly, the direction of coefficient scatter plot by time-frequency transform is improved and then the single source coefficients in the case of weak linear clustering is processed finally the im-proved K-means clustering is applied to achieve the estimation of mixing matrix.The proposed algo-rithm reduces the requirements of signals sparsity and independence, and the mixing matrix can be estimated with high accuracy.The simulation results show the feasibility and effectiveness of the al-gorithm.     

12种治疗高血压中药材的微量元素的因子分析

采用多元统计方法,对12种治疗高血压的中药材中9种微量元素的质量含量进行了因子分析,建立了主因子对变量的数学模型,并对其和3个主因子得分进行统计处理.结果表明,矩阵方差85%以上的贡献来自前3个主因子.中药材中的微量元素与其药效相一致.     

随机双向分类模型中方差分量区间估计的改进

本文首先给出了随机双向分类模型中方差分量基于由方差分析产生的平方和的区间估计．然后以此为基础进行了改进，推导出了同时依赖于均值与平方和的区间估计．二者的区间长度相同，但后者有较高的置信度．     

基于数据包络分析的交通科技项目投入产出科技效率评价

基于交通科技项目评价体系涉及面宽、种类繁多和难以量化的特征分析,通过因子荷载阵及计算因子系数矩阵的估计方法,运用因子分析法完成了指标体系的降维处理.并采用构建基于投入的交通科技项目C2R模型,分析投入因子的效率评价指数、生产可能集约束系数和投入/产出松弛变量,结合因子分析逆向求解得到投入指标的有效值,从而得出交通科技项目投入人员及经费的有效利用率.所选的投入因子的特征根解释了总体方差的83.7%信息,确保了数据包络分析的适用性.