基于流形正则化判别的因子分解

通过对非负矩阵分解(non-negative matrix factorization,NMF)和因子分解(concept factorization,CF)的分析,针对它们无法核化或忽略数据几何结构和判别信息的问题,提出了基于流形正则化判别的因子分解算法(manifold regularized-based discriminant concept factorization,MRCF).该算法用CF算法对数据进行低维非负分解时,根据流形学习的图框架理论,构建邻接矩阵保持数据局部几何结构;利用样本的标签信息,进行监督学习,给出算法多步更新规则,理论上证明了MRCF算法的收敛性.在人脸数据库ORL、图像库COIL20和手写体数据库USPS上的仿真结果表明,相对于NMF、CF及其一些改进算法,MRCF均具有更高的聚类精度.     

应用凸函数证明不等式

<正> 对不等式的讨论已见诸多杂志,本文旨在对某一类不等式进行归纳,利用凸函数给出一般性的论证,提供一种证明或建立某些不等式的思路。 下面是一些高中数学习题中常见的不等式     

甘肃高校大学物理课时设置比较研究

以教育部教学评估中专家的建议和意见,结合教育部文件精神,对甘肃高校大学物理课程的教学课时做了比较和分析,对教学内容、教学方法和手段做了尝试性的改革,提出了未来的计划和建议。     

L_(3/2)正则化图非负矩阵分解算法

基于图正则化非负矩阵分解算法(GNMF),提出一种基于凸光滑的L3/2范数正则化图非负矩阵分解算法.该算法用非负矩阵分解算法对数据进行低维非负分解时,根据流形学习的图框架理论,构建邻接矩阵保持数据局部几何结构,并对数据的低维表示特征进行凸光滑的L3/2范数稀疏性约束,在给出算法更新迭代规则的同时,从理论上证明了所给算法的收敛性.通过人脸数据库ORL、手写体数据库USPS和图像库COIL20的仿真实验表明,相对于非负矩阵分解算法及其基于稀疏表示的改进算法,所给算法均具有更高的聚类精度.     

基于虚拟仪器的生物组织电特性测量

主要介绍了利用虚拟仪器技术检测生物组织电学特性,结合生物组织的频率响应等理论搭建了电压-电流转换电路,运用图形化编程软件组建了测试生物组织电阻抗的虚拟仪器,并测试分析得到了离体生物组织(皮肤)的电阻抗随时间的线性变化关系。