基于叶缘特征的植物图像分类检索

叶缘是植物属种识别分类可以参照的主要特征之一.与叶片形状特征相比,叶缘描述了尺度更细微的特征,对于弥补叶形识别特征的不足、以及从多尺度识别植物属种都有重要意义.在借鉴已有研究成果的基础上,设计了7个新的叶缘特征描述符、提出了以语义字典组织植物属种多层分类中的层间继承关系、以及通过叶节点成员相似性评估确定植物属种的技术框架和方法.通过分支结点描述符组合分类实验,证明了叶缘凸残差与叶局部面积比、右边长与左边长比对划分不同的非裂叶植物、以及划分不同的非全缘叶植物有效;叶缘凸残差均值等描述符对于划分不同的非全缘叶植物有效.通过多描述符组合的多层分类将30种非裂叶植物划分到多个叶节点,平均全局精度优于81.21%.而叶节点成员属种概率评估实验,进一步论证了这种多层分类和相似性检索框架的合理和有效性.     

基因芯片及其在抗癌药物研究中的应用

基因芯片技术和抗癌药物的筛选是现代生命科学诸多发展方向的两个重要方面.在抗癌药 物的研究中,由于合成药物在治疗中伴随明显的副作用,天然药物越来越受到人们的重视和青睐, 在中药中筛选有效且毒副作用小的抗肿瘤药物已成为近年来中草药研究领域的热点之一.结合基 因芯片筛选抗癌药物,在国内已成为筛选抗癌中药的一个新的发展方向.     

基于特征选择和机器学习的材料弹性性能预测

利用机器学习方法进行材料性能预测研究,通过运用3种特征选择方法(Filter、RFE、LASSO)和3种机器学习模型(线性回归、岭回归、支持向量回归),从众多多尺度特征集中选择最佳的特征子集来预测无机化合物的弹性性能,归纳了预测材料弹性性能的最有效的、组合了特征选择与机器学习的预测模型,比较了特征选择方法在不同机器学习模型上的表现,分析了利用特征选择方法得到的特征子集.实验结果表明,Filter和SVR组合模型的预测结果最好,机器学习模型比特征选择方法对预测结果的影响更大,特征选择方法选出的特征子集中主要包括熔点、晶体结构、门捷列夫序号等材料特性.文中研究成果可为获得无机化合物弹性性能描述符和进一步开发更有效的材料性能预测方法提供参考.     

基于广义典型相关分析融合和鲁棒概率协同表示的人脸指纹多模态识别

针对单模态生物特征识别容易受自身条件和环境变化的影响,鉴于人脸识别和指纹识别已经在生物识别系统中得到了广泛应用,提出了二者特征信息融合的多模态生物特征识别方法。该方法首先对人脸、指纹图像进行预处理,并对这两种模态均提取LBP和Gabor特征,然后将广义典型相关分析方法分别引入到人脸多特征融合和指纹多特征融合中,应用分块对角矩阵组合上述融合的人脸特征和指纹特征,最后用鲁棒概率协同表示分类器进行分类。在两个多模态数据库上的实验结果表明:与人脸或指纹单模态生物特征识别相比,基于人脸指纹的多模态生物特征识别具有更高的识别率和更好的稳定性;所提出的基于广义典型相关分析的特征融合方法优于传统的融合方法。     

δ—网分形指纹及其在图像匹配中的应用

基于δ－网分形指纹特征，提出了一种自然景物图像的匹配方法，实验结果表明δ－网分形指纹特征是一种自然景物图像的稳定分形特征，采用δ－网分形指纹特征对自然景物图象进行的匹配，能获得比传统的基于灰度和边缘的特征匹配方法以及多尺度分形指纹匹配方法更好的匹配结果。     

融合特征筛选策略的双塔网络鞋印检索算法

鞋印图像识别是计算机视觉在公安一线工作中的一项重要应用。当前公安侦查工作中鞋印图像无法进行精准识别的问题制约了工作效率与质量的提高，归纳起来主要是囿于鞋印现场提取的复杂情况、鞋印花纹图样的复杂特征以及鞋印图像的残缺不全。针对残缺鞋印，为了进一步提高残缺鞋印检索结果，本文设计了一种融合特征筛选的双塔网络鞋印检索算法。一方面，在网络中引入分区策略，将鞋印图像分为足掌区和足跟区用两个特征网络分别提取图像特征进行融合，另一方面，选择融合ResNet网络和Transformer网络的新型卷积神经网络convNeXt网络作为骨干网络，加入注意力机制模块，提取最后一层卷积特征后用不同的特征筛选方法去除鞋印图像中的无关特征，最后拼接展开成为特征描述符进行相似度计算。在训练阶段，优化学习策略，将其作为完整的图像分类网络进行训练。实验结果表示，本文选取的网络模型优于其他卷积神经网络，在CSS-200和FID-300两个鞋印数据集上取得了较高的准确率。     

一种指纹特征识别的可信验证数字签名系统

针对云计算定制和交付两个出入口的安全问题,提出一种以可信云安全计算为支撑,基于传统密码学数字签名技术,设计了以生物指纹特征为可信计算的验证数字签名技术模型。首先利用二值化和细化算法生成1个像素宽度纹线的指纹图像数学模型框架,提取框架中的指纹特征点,进行数字指纹特征点的拓扑结构等价变换,并进行非对称加密,实现了基于指纹特征识别的可信验证数字签名信任根。结果表明该方法具备生物特征"零知识"验证特点,具有抗攻击性强、加解密运算速度快的优势,从而提高可信云-端的用户安全防御能力。     

非线性结构动力响应中的灵敏度分析

基于δ－网分形指纹特征，提出了一种自然景物图像的匹配方法．实验结果表明δ－网分形指纹特征是一种自然景物图像的稳定分形特征，采用δ－网分形指纹特征对自然景物图象进行的匹配，能获得比传统的基于灰度和边缘的特征匹配方法以及多尺度分形指纹匹配方法更好的匹配结果．     

滤除指纹伪特征算法的优化研究

通过分析指纹图像中存在的各类噪声的拓扑结构,并结合细化指纹图像中细节特征点固有的分布规律,提出了一种有效的滤除指纹细节伪特征点的方法.该方法简单、处理速度快,滤除精度基本可以满足应用的需要.     

一种标定指纹无特征区的新方法

指纹中无细节点特征的区域,即为无特征区。受指纹细点线位置、指纹纹线流向等因素的影响无特征区域的分布显高度随机性,因此无特征区本身就是一种高质量特征,可用于指纹识别。但是由于无特征区域形状会根据指纹细节点位置的变化而发生改变,我们很难使用一种统一的模型来表达无特征区域。研究设计了一种新颖的无特征区域表达方法,该方法使用网格标定的方式来实现对无特征区域的表达建模,首先沿横向和纵向把指纹分成若干等份,然后在各网格中统计无特征区域的分布位置与纹线条数等信息。为验证方法性能,构建一个小型指纹数据库,该数据库包含100枚三面捺印油墨指纹。实验结果显示两枚不同指纹中单个无特征区信息相同的概率为1%,多个(2个及以上)无特征区信息相同的概率为0%。可以实现指纹无特征区统计的稳定性。     

油指纹鉴别中特征比值的t检验比较法

介绍了基于油品特征比值进行油指纹鉴别的t检验比较法,包括方法原理、特征比值的筛选及鉴别原则,并分别以某原油及其风化样品的油指纹鉴别和2种不同原油的油指纹鉴别为例,说明了t检验法在两个油品鉴别中应用的有效性,该方法将传统油指纹鉴别中繁杂的谱图比较或抽象的数值比较转化直观简洁图形判别,减小了目视谱图比较的主观随意性和人为差别,并提出了量化指标,使得鉴别结果更加可靠,利于油指纹鉴别方法的标准化和推广.同时综合文献也给出应用t检验法进行油指纹鉴别的局限性.     

基于方向场的半区域指纹分类方法

提出了一种基于指纹方向场半区域指纹特征构造方法，并将此特征用于指纹分类．该方法充分利用了不同类型指纹方向场的结构特点，将指纹图像方向场中反映指纹全局特征的区域(感兴趣区域)分成许多小扇区，将扇区内所有像素方向的平均值作为该扇区的特征值，并将其按一定顺序排列起来构成一枚指纹的特征矢量．所提出的指纹特征矢量构造方法具有计算简单、特征矢量短等特点．实验结果表明，此方法构造的特征矢量在3种类型的指纹分类上具有令人满意的效果．     

有机化合物粘度的定量构性关系研究

本文对177个有机化合物,用HyperChem 6．0软件中分子力学方法MM^＋进行几何结构优化并经构象搜寻得到了最低能量构象的几何结构,并通过分子描述符软件计算了表征分子的电子、拓扑、几何结构的共102分子个描述符,用偏最小二乘法（PLS）建立其粘度定量构性关系（QSPR）．本文采用Monte Carlo模拟退火方法进行变量筛选,最终筛选出14个描述符．模型验证采用了留一法．所建立的最后的最优模型的结果为：Q^2=0．85,R^2=0．87,表明该模型具有较好的预测能力．     

DNA指纹与性状间的相关分析

根据资料总体分布特征,推导出ＤＮＡ指纹与两种类型性状间的相关度量公式,论述了采用该公式筛选标记性状指纹的合理性,同时给出了样本条件下相应的计算和统计推断方法,并举例说明方法的具体运用。     

指纹自动识别系统使用方法和技巧

指纹自动识别系统采用先进的计算机算法,通过指纹检验鉴定的理论和工作经验,对现场指纹与指纹库中指纹逐一进行比对鉴别,提供候选名单,从而快速的进行筛选确认。虽然计算机可以自动的进行比对,但是,指纹特征标注的是否准确往往直接影响自动比对的结果,人工认定的过程也有一定的方法和技巧。该文从标记特征点、发送指纹查询、人工认定嫌疑人等三个方面,分别阐述了指纹自动识别系统使用方法和技巧。     

一种基于遗传算法的指纹比对算法

指纹比对在身份验证与身份识别中具有非常重要的应用。该文提出了一种基于遗传算法的指纹比对算法。该算法针对指纹比对的特点 ,设计了相关的目标函数与遗传算子 ,搜索了两幅指纹间可能存在的平移、旋转等几何参数变化关系 ,并在此基础上确定了二者之间的特征点匹配关系 ,从而可判断两幅指纹匹配的程度。实验结果表明 ,该方法可以在变换与局部变形存在的情况下 ,正确判定两幅指纹之间对应的特征点。与直接利用遗传算法搜索特征点对应关系的方法相比 ,新搜索方法收敛所需的迭代次数仅为遗传算法的1/ 5 ,速度得到了提高     

一种应用于脑电情感识别的迁移学习框架

脑电信号作为最能表征人体情绪的信号，正在成为情感识别的主流信号源.利用迁移学习可以克服生理信号源域、目标域间存在分布差异的问题.传统迁移学习由于缺少对样本、特征的选择过程，会对迁移效果产生负影响，致使识别率较低.为提升迁移效果，在样本、特征两个方面对迁移数据进行优化.介绍了一种基于Like值的实例筛选方法，以及基于粒子群优化的自动特征选择方法，并使用联合分布适配(joint distribution adaptation, JDA),提出了一种应用于情感识别的迁移学习框架.在SEED数据集上构建了两个迁移任务并进行验证，结果表明，该框架可以有效提升迁移效果，提高跨域情感识别准确率.     

2D-Haar声学特征超向量快速生成方法

针对大数据量音频的高速处理,提出一种快速的声学特征超向量生成方法,有效提高音频识别系统的识别速度和精度.所提方法首先将多个连续音频帧的常用声学特征构成声学特征图,进而使用低复杂度的运算方法在其中快速提取维数达数十万的Haar-like声学特征;然后使用AdaBoost.MH算法,筛选出具有较高代表性的Haar-like声学特征模式组合,用以构成声学特征超向量;进而提出Random AdaBoost特征筛选方法,进一步提高特征筛选速度.实验结果表明,在音频事件识别、说话人识别、说话人性别识别3种场合下,使用Haar-like声学特征可以使SVM、C5.0、AdaBoost等识别算法获得比MFCC、PLP、LPCC等常用声学特征更高的识别准确率,同时可以获得7~20倍的训练速度提升和5~10倍的识别速度提升.      

一种基于指纹中心点的匹配算法

针对基于点模式匹配的指纹匹配算法速度较慢的现状。研究了一种基于指纹中心点的指纹匹配算法．该算法首先根据指纹模式区中检测的奇异点结构特征信息对指纹进行粗匹配，判断指纹不匹配的情况．其次，对无法判断的情形，则进行精确匹配．进一步利用奇异点或指纹有效区域的质心点寻找匹配的基准特征点对和相应的变换参数，并将待识指纹相对于模板指纹做姿势纠正，最后采用坐标匹配的方式实现两枚指纹的比对．实验结果证明，该算法可以快速、准确的定位基准点，精确求取变换参数，误识率低，准确性高，并具有图像旋转平移不变性．对面积适中的指纹图像，匹配结果可以满足在线应用的需要．     

遗传算法-偏最小二乘法用于卵巢癌血清蛋白质组数据的特征挑选

统计学t检验结合引入的变量筛选方法——遗传算法-偏最小二乘法（GAPLS）对卵巢癌SELDI-TOF MS数据进行特征筛选，从15154个原始变量中筛选得到4个特征质荷比值，采用支持向量机（SVM）模型的留一法交叉验证结果为95.26%.结果表明这4个质荷比值具有重要的生物学意义，它们或许可以作为卵巢癌的生物标记物，同时GAPLS可以作为一种有效的蛋白质组数据的特征筛选方法.