基于流形学习的图像检索研究进展

基于内容的图像检索是当前研究的热点,然而由于"语义鸿沟"问题而限制其检索能力的提高.而流形学习可以利用图像数据库中的数据,以及和用户交互的反馈信息获得用户的语义概念,从而提高检索性能.本文鉴于流形学习在图像检索中表现出的有效性,分析了近几年将流形学习应用到基于内容图像检索中的算法,从归纳和转导角度将相关内容分为两个类别,针对每个类别总结分析了相关算法,并总结了有待进一步研究的问题.     

贵阳市紫林庵路口通行能力分析及改进措施

作者以目前贵阳市紫林庵信号环形交叉口为例,通过对此路口高峰时段交通量调查及相关数据采集,对该交叉口的通行能力进行分析和计算.再假设在其它相关数据不变的基础上,分析和计算将现在的信号环形交叉口改为信号平面直交口的通行能力.将两者进行比较和评价,得出信号平面直交口的设计通行能力比信号环形交叉口的设计通行能力更大,更能缓解该地区高峰时段交通拥堵状况.由此得到将现有的环形交叉口改为平面直交口的方案是合理可行的.     

基于改进距离的孤立点检测方法

局部切空间排列(LTSA)算法是一种有效的流形学习方法,但该算法对孤立点的存在非常敏感.为了增强LTSA算法对孤立点的鲁棒性,文中提出了一种基于改进距离的孤立点检测方法.该方法通过改进距离来度量样本点之间的距离,降低了样本点分布不均匀对孤立点检测算法的影响.实验结果表明,该数据预处理方法能有效地提高LTSA算法的鲁棒性,更好地挖掘数据集的本征特性,具有更好的数据可视化效果.     

一类城市轨道交通系统的鲁棒稳定性分析

对既具有范数有界不确定扰动又含有脉冲扰动的一类城市轨道交通系统的稳定问题进行了分析。在给出该系统鲁棒稳定定义的基础上,应用李亚普诺夫函数法导出这类不确定城市轨道交通系统鲁棒渐近稳定的充分条件。最后,通过数值示例验证所得充分条件的正确性。     

硝酸银对蕨菜和朝鲜野菊花愈伤组织生长与分化的影响

以蕨菜和朝鲜野菊花愈伤组织为材料,研究其在含有不同浓度AgNO3的培养基中生长及分化的情况。结果表明:0mg·L-1(对照)AgNO3适宜蕨菜愈伤组织的生长;0.4mg·L-1AgNO3适宜蕨菜愈伤组织的分化。0mg·L-1(对照)AgNO3适宜朝鲜野菊花愈伤组织的生长;0.4-0.6mg·L-1AgNO3适宜朝鲜野菊花愈伤组织的分化。     

用于癌症分类的随机子空间半监督维数约减

精确的癌症分类对于癌症的成功诊断和治疗是必不可少的.半监督维数约减算法在干净的数据集上表现得很好,然而当面临噪声时,当前的大部分算法所构造的邻域结构是拓扑不稳定的.为了克服这一问题,文中提出了一种基于随机子空间的半监督维数约减算法(RSSSDR),将随机子空间与半监督维数约减算法结合起来.在数据集的不同随机子空间上,该算法首先设计多个不同的子图,然后将这些子图联合起来构成一个混合图并在其上进行维数约减.该算法通过最小化局部重构误差来确定邻域图的边权值,在保持癌症数据集局部结构的同时能够保持其全局结构.在公共癌症数据集上的实验结果表明,RSSSDR算法具有较高的分类准确率和较好的参数鲁棒性.     

多步桥接精化迁移学习

传统机器学习方法假设训练数据和测试数据分布一致,但在许多实际应用中这个假设并不能得到满足.针对该情况,文中提出了一种非参数化的迁移学习算法--多步桥接精化算法.首先构造一系列中间模型来建立不同领域之间的桥梁,然后在近邻的模型间进行标签传播,实现从源领域到目标领域的判别信息迁移.实验结果表明,分布相近的模型使迁移变得平滑...     

机械设计制造及其自动化的发展方向研究

我国科学技术正在日益飞速的发展,机械制造业也是如此,而机械设计制造及其自动化是机械工作发展过程中的重要阶段。机械自动化设计制造是一门集合机械制造技术、电子技术、计算机技术、自动控制等多元化的综合技术。机械制造及其自动化具有高效、高质、节能、功能多样化、可靠性高等诸多优势。进一步探讨机械设计制造及其自动化发展方向对企业发展具有不言而喻的重要意义。该文对机械设计制作及其自动化的概念、特点进行了分析,并对未来机械设计制造及其自动化发展方向进行了分析。     

基于改进距离孤立点检测预处理的LTSA算法

局部切空间排列算法(LTSA)是一种有效的流形学习方法,但该算法对孤立点的存在非常敏感.本文提出了一种快速有效的数据预处理方法-基于改进距离的孤立点检测方法来降低孤立点对LTSA算法的影响.该方法通过改进距离来度量样本点之间的距离,降低了样本点分布不均给孤立点检测算法带来的影响.实验表明,该数据预处理方法能有效地提高LTSA算法的鲁棒性,可以更好的挖掘数据集的本征特性,具有更好的数据可视化效果.     

基于局部重构与全局保持的半监督判别分析方法

为克服线性判别分析(LDA)只能利用有标记样本的缺点,提出一种基于局部重构与全局保持的半监督判别分析(LRGPSSDA)方法.LRGPSSDA通过最小化局部重构误差来确定邻域图的边权值,在保持数据集局部结构的同时保持其全局结构,具有对邻域参数的选择不敏感、所得投影子空间的维数不受样本类别数的限制等特点.相较现有的半监督判别分析方法(如SDA和UDA),LRGPSSDA的分类性能更好.在YaleB和CMUPIE标准人脸库上的实验结果验证了该算法的有效性.