基于限制玻尔兹曼机的无极性标注情感分类研究

已有的网络评论情感分类算法都需要手工标注词汇情感倾向,然而网络评论具有表达形式自由、模式多变、词汇更新速度快等特点,手工标注的方式适应能力较低。为解决上述问题,结合限制玻尔兹曼机和相似差异向量运算,通过降低向量相似度,强调其差异性的方式,提出基于限制玻尔兹曼机的无词汇标注情感分类算法。实验表明,该算法虽褒义精确度稍低于支持向量机,但是在贬义精确度上优于支持向量机,并且不需要进行词汇情感倾向标注,降低了算法的复杂度,提高了泛化能力。     

Similarity Search Algorithm over Data Supply Chain Based on Key Points

In this paper, we target a similarity search among data supply chains, which plays an essential role in optimizing the supply chain and extending its value. This problem is very challenging for application-oriented data supply chains because the high complexity of the data supply chain makes the computation of similarity extremely complex and inefficient. In this paper, we propose a feature space representation model based on key points,which can extract the key features from the subsequences of the original data supply chain and simplify it into a feature vector form. Then, we formulate the similarity computation of the subsequences based on the multiscale features. Further, we propose an improved hierarchical clustering algorithm for a similarity search over the data supply chains. The main idea is to separate the subsequences into disjoint groups such that each group meets one specific clustering criteria; thus, the cluster containing the query object is the similarity search result. The experimental results show that the proposed approach is both effective and efficient for data supply chain retrieval.     

最短路问题的一种新动态规划算法

结合并行处理及顺序（逆序）递推算法的思想，对有循环不带负弧的有向图中特别指定的2个节点之间的最短路问题提出了一种新的动态规划算法，且新算法在搜索结果上与狄克斯拉（Dijkstra）标号算法相同，但因为新算法采用了双向递推的思想，因而其搜索速度明显优于Dijkstra标号算法。     

A new adaptive fast motion estimation algorithm based on local motion similarity degree (LMSD)

In the motion vector field adaptive search technique (MVFAST) and the predictive motion vector field adaptive search technique (PMVFAST), the size of the largest motion vector from the three adjacent blocks (left, top, top-right) is compared with the threshold to select different search scheme. But a suitable search center and search pattern will not be selected in the adaptive search technique when the adjacent motion vectors are not coherent in local region. This paper presents an efficient adaptive search algorithm. The motion vector variation degree (MVVD) is considered a reasonable factor for adaptive search selection. By the relationship between local motion similarity degree (LMSD) and the variation degree of motion vector (MVVD), the motion vectors are classified as three categories according to corresponding LMSD; then different proposed search schemes are adopted for motion estimation. The experimental results show that the proposed algorithm has a significant computational speedup compared with MVFAST and PMVFAST algorithms, and offers a similar, even better performance.     

基于交替迭代的压缩感知多目标定位算法

针对目前的多目标定位算法在定位精度等方面的不足,将交替迭代应用于压缩感知多目标定位方法。该方法首先利用压缩感知理论将传感器感知到的目标信号强度矩阵表示为测量矩阵与稀疏向量的乘积,将多目标定位问题转换为对稀疏信号的重构问题;然后运行传统压缩感知定位算法得到目标的粗略位置估计;最后通过交替迭代对定位结果不准确的目标进行精确定位。交替迭代过程中,采用菱形搜索寻找目标的精确位置。仿真结果表明:与传统的基于压缩感知的定位算法相比,该算法提高了不在网格中心的目标定位精度,改善了多目标间相互影响对定位干扰大的问题,具有较高的多目标定位精度。最后,以重庆某电力公司的室内运维巡检区域作为实验场所,将该方法应用于实际的巡检定位,取得了较好的室内定位结果。     

一种新的快速块匹配运动估计算法

提出了一种新的快速、有效的块匹配运动估计算法。算法采用多步搜索方法,利用相邻块之间的运动相关性,选择反映当前块运动趋势的预测点作为初始搜索点;用子采样块匹配失真度量来减少计算量;利用运动矢量的中心倾向的分布特性,用多侯选点钻石形状搜索方法来提高运动估计的速度和准确性。实验表明,该算法计算复杂性低,预测质量好。     

一种基于RRT-ConCon改进的路径规划算法

针对RRT算法缺乏稳定性和收敛速度慢的问题,基于RRT-ConCon算法和朝向目标搜索的策略,提出了一种改进的双向搜索路径规划算法.该算法通过改变两条搜索路径的临时扩展目标点,使搜索路径不仅易于朝着目标点方向生长,而且提高了算法的稳定性,同时可以保证规划的路径接近最优解.改进的RRT-ConCon算法利用随机节点生成函数,使朝着目标点生长的搜索路径避免陷入局部极小值.同时,为了测试各种仿真实验环境,还设计了一种仿真实验环境平台,实验结果验证了本算法的有效性和稳定性.     

基于概率LS-SVM 的多标签非均衡样本分类算法

针对多标签分类问题,提出了一种面向样本不均衡及类属不确定性的多标签分类算法。首先,结合“一对一”分解策略和贝叶斯理论,将多标签数据集分解为单标签数据子集,并利用Parzen窗方法估计子集样本后验概率,对类标签进行了基于概率的不确定性表示。然后,在融合概率类标签和LS-SVM模型的基础上,利用样本差异信息来调节惩罚参数值,建立了考虑样本不均衡的概率LS-SVM子分类器模型。依据正态分布的3σ原理,设计了子分类器决策阈值确定方法。最后,结合实例对算法进行了性能分析,结果证明了新算法的合理性和有效性。     

一种基于几何特征由粗到细点云配准算法

针对点云配准算法对初始位置敏感且收敛速度慢的问题,提出一种基于几何特征由粗到细点云配准算法。在粗配准阶段,通过投影法提取源点云和目标点云各4个轮廓点,然后利用曲率特征和轮廓点之间的距离寻找稳健的特征点对,计算得到初始刚性变换参数;细配准阶段,计算点云法向量及法向量夹角,以法向量为特征进行特征匹配,然后使用法向量夹角来启发搜索,使迭代最近点(iterative closest points, ICP)算法快速收敛。实验结果表明,所提出的由粗到细的配准算法鲁棒性强,具有较高的精度和速度。     

一种MPEG快速搜索算法

研究了MPEG中P帧与B帧的编程过程，对其中运动向量提取的搜索算法进行了分析。提出了一种既能保证质量，计算量也不是太大的快速搜索算法，经编程实现，效果较好，有实际应用价值。     

基于颜色和区域运动目标识别的研究

针对全自主足球机器人目标识别受光强变化的影响,实时性、准确性和鲁棒性存在的不足,提出了一种基于动态窗口HSI(H色度、S饱和度、I亮度)色彩空间模型的阈值向量位与及区域合并算法,并通过动态窗口减小搜索范围加快分割速度,实测目标识别的平均运行时间约26 ms;另外,根据目标的矩不变及卡尔曼滤波的方法,提高了跟踪目标的准确性和鲁棒性,实验结果表明,目标跟踪准确率约99.3%,使整套系统具有很高的实时性和很好的识别效果.     

一种解决群进化算法参数设置问题的最优向量法

群进化算法是智能计算领域研究的核心内容,而算法中数值型参数的设置是影响算法搜索效率的重要因素,因此设计解决参数设置问题的方法也是群进化算法研究的重要内容.目前解决参数设置问题的常规统计方法是根据算法搜索的部分结果组成有限样本数据,依据统计最好值个数大小的判定结果来确定最优参数预设值.常规统计方法在有些测试样本数据中很难确定唯一的最优参数预设值.为了解决常规统计方法的缺点,提出了一种最优向量法,该方法可以将任意形式有限样本数据转换为向量,依据向量计算的判定规则进行最优参数预设值的确定.实验结果表明,依据获取的有限样本数据通过最优向量法找到最优参数值,采用该参数值的群进化算法搜索效率相对最优,从而验证了最优向量法的有效性.     

加权平方误差测度下的快速矢量量化算法

为降低加权平方误差测度下的矢量量化运算量,针对加权因子固定与不固定2种情况,分别提出了快速搜索算法。加权因子固定时,对等均值最近临搜索算法做了相应改动即可应用;加权因子随输入矢量变化时,提出了一种分裂多级等均值最近临搜索算法,算法提出了3个新的排除准则,在不同的场合下选用部分或者全部,从而有效降低码字搜索运算量。测试结果表明:分裂多级等均值最近临搜索算法能够有效降低加权平方误差测度下矢量量化的运算量,比全搜索算法能够节省约69%的运算量。     

基于类标签的离散监督哈希算法

基于哈希算法的相似性检索以其高效性和实用性受到学术界的广泛关注。为了提升哈希学习算法的准确性和扩展性,提出了一种基于类标签的离散监督学习算法。首先,假设每个类标签都存在一个潜在的哈希码,并深入探索了类标签的关联性与其哈希码之间的关系,用以求解每个类的哈希码;然后,度量数据点的哈希码与类哈希码间的内积关系构建度量模型,同时采用非线性核函数建立量化模型;最后,在求解哈希码的过程中,采用了离散求解法以提升准确性。NUS-WIDE和CIFAR-10数据集的实验结果均表明,基于类标签的离散监督哈希算法是有效的。     

加权平方误差测度下的快速矢量量化算法

为降低加权平方误差测度下的矢量量化运算量,针对加权因子固定与不固定两种情况,分别提出了快速搜索算法。加权因子固定时,对等均值最近临搜索算法做了相应改动即可应用;加权因子随输入矢量变化时,提出了一种分裂多级等均值最近临搜索算法,算法提出了3个新的排除准则,在不同的场合下选用部分或者全部,从而有效降低码字搜索运算量。测试结果表明:分裂多级等均值最近临搜索算法能够有效降低加权平方误差测度下矢量量化的运算量,比全搜索算法能够节省约69%的运算量。     

基于新冗余度的特征选择方法

现有过滤式特征选择模型采用贪心策略结合互信息评价特征子集,容易陷入局部最优陷阱.考虑标签信息对冗余度的影响,利用一种改进的MIFS-U方法在给定标签的条件下衡量冗余度,采用基于分解的多目标优化框架结合引入多项式突变的差分进化算子进行全局搜索,避免搜索陷入局部最优.引入l₁正则化项来保证特征子集的稀疏性,并提出了新的特征选择算法MOEA/D-DEFS.实验阶段使用knn-5分类器来验证学习效果,并在多组来自不同领域的数据集上进行测试.结果表明,将特征选择视为多目标问题采用全局搜索策略搜索可以在特征子集维度和分类准确性方面提供更好的性能.     

高效多分层半像素精度块匹配运动估计算法

为了降低视频编码器的运算负荷,提出一个空时相关多分辨半像素精度块匹配运动估计算法,这个算法利用运动矢量场的空间和时间相关性及多层结构中父子块间的相关性,缩小局部运动搜索范围,得到低运算复杂性。利用一个自适应门限调整算法,使运动搜索次数对不同视频序列近于一致。模拟结果表明,该算法运动补偿增益和运动矢量熵也有明显改进,搜索次数低于著名的三步法。最后讨论了半像素精度和变块大小运动估计方案。     

LKLR: A Local Tangent Space-Alignment Kernel Least-Squares Regression Algorithm

In the fields of machine learning and data mining, label learning is a nascent area of research, and within this paradigm, there is much room for improving multi-label manifold learning algorithms for high-dimensional data. Thus far, researchers have experimented with mapping relationships from the feature space to the traditional logical label space(using neighbors in the label space, for example, to predict logical label vectors from the feature space's manifold structure). Here we combine the feature manifold's and label space's local topological structures to reconstruct the label manifold. To achieve this, we use a nonlinear manifold learning algorithm to transform the local topological structure from the feature space to the label space. Our algorithm adopts a regularized leastsquares kernel method to realize the reconstruction process, employing an optimization function to find the best solution. Extensive experiments show that our algorithm significantly improves multi-label manifold learning in terms of learning accuracy and time complexity.     

一种改进的运动矢量场自适应运动估计算法

对MVFAST和PMVFAST算法的分析,提出了一种改进的运动矢量场自适应运动估计算法。该算法基于MVFAST算法分级搜索的思想,优化了运动强度的划分方法,增加了相对运动类型的划分,搜索中尽量使用简单策略,并自适应提前结束搜索。实验结果证明,该算法在保持图像质量的情况下,与MVFAST和PMVFAST相比,不仅有效降低了计算复杂度,而且加快了搜索速度,具有很好的应用价值。     

基于半监督支持向量机的数据分类

为解决支持向量机在分类识别前需要利用已知训练集进行训练的问题，本文提出了一种基于k均值的对无标识数据进行分类的支持向量机分类算法。首先利用k均值算法将未知数据划分成某个数量的子集，然后对新数据进行支持向量机训练得到决策边界与支持矢量，最后对无标识数据进行分类。模拟结果表明：训练时消耗的CHU时间为1．8280秒，支持向量个数为60时，分类错误率小于2％。