VTC-KSVD:一种融合视觉特征与标签一致性的多标签图像标注方法

提出一种融合视觉特征及标签一致性的多标签图像标注方法VTC-KSVD.首先通过K均值奇异值分解（KSVD）法建立图像的标签一致性模型TC-KSVD,然后将多视图特征融合在该模型中.该方法既利用了训练样本的类标与编码系数的判别式模型,又利用了训练样本的标签与编码系数的关系,增加了字典的判别性,提高了标注性能.在Corel5K数据集上的实验结果表明,融合了多视图视觉特征与标签一致性的VTC-KSVD方法可以较为准确地找到视觉特征与语义特征均相似的图像近邻,能明显提升多标签图像的标注性能,并能有效缓解训练数据有限而引起的稀疏性问题.      

基于主动学习SVM分类器的视频分类

提出一种基于主动学习SVM分类器的视频分类算法.该算法分为两个步骤:首先分析并提取与视频类型有关的十维底层视觉特征;然后用SVM分类器建立这些底层特征与视频类型之间的联系.在获取SVM分类器所需的训练样本时,采用主动学习的方法选择对SVM分类器最"有用"的样本提供给用户进行标注,用更少的训练样本获得与大量训练样本近似的分类效果,从而减轻用户标注负担.针对多类SVM分类的主动学习问题,提出用后验概率计算分类器对未标注样本的置信度进行样本选择.实验结果表明,主动学习算法与随机采样标注的被动学习算法相比,在相同的训练样本情况下能够获得更高的分类精度;而基于后验概率选择样本的主动学习要略好于传统的基于变型空间(version space)选择样本的主动学习.     

基于分水岭的图像分割训练样本的自动选择和标注

图像分割是图像理解、模式识别、计算机视觉等研究方向的一个重要研究内容。图像分割的方法有很多,将支持向量机(Support Vector Machine,SVM)应用于图像分割已是一种较为广泛的分割方法,但该方法大多采用人工方式来选取训练样本,降低了图像分割的自适应性,且有可能影响图像分割的质量,因此基于支持向量机的图像分割方法的研究内容是如何自动选择足够多且分布良好的训练样本,并自动进行类别标注。文章提出一种基于分水岭的图像分割训练样本的自动选择和标注方法,分水岭分割区域的中心点可以看作支持向量机的训练样本,将选取的训练样本对照分割参考图中的像素点进行类别标记。然后对训练样本进行训练,其中选择图像的颜色特征和纹理特征作为训练样本的特征属性。文章采用的彩色图像来自Berkeley图像数据库以及互联网,从实验结果可以看出文中提出的方法可取得很好的分割结果。     

基于不确定抽样的半监督城市土地功能分类方法

为提高分类准确率, 解决城市区域社会功能标签分类难的问题, 提出了一种基于不确定抽样选择策略的半监督城市土地功能分类方法。该算法从轨迹数据中提取城市区域的特征向量, 只需对少量区域进行标签, 根据不确定抽样的主动学习选择策略, 从未标注训练样本中选取具有较多信息的数据, 利用半监督学习算法进行标注, 得到新的标注训练样本添加到训练集, 反复迭代后得到分类结果。实验结果表明, 该方法对不同社会功能的城市区域分类准确率可达90. 2%, 与传统方法相比分类准确率高, 减少了大量标注工作, 在少数标签数据上仍有较好的分类效果。     

铁在空气中锈蚀的机理

金属的锈蚀有化学锈蚀和电化学锈蚀两种,铁在空气中的锈蚀属电化学锈蚀.即铁和电解质溶液作用而发生氧化的过程.金属的抗蚀能力是由金属的活性和表面氧化产物的性能两方面的因素决定的.根据这两方面的因素,可将金属划分成三类:①化学性质极不活泼的金属.如金、铂、银、汞等.电极电位都很高,一般条件下不会或不易被腐蚀;②特别轻的金属,如钾、钠、钙、镁等,它们在空气中极易被氧化。生成的氧化物体积比金属小,这样金属表面的氧化物层不能完全覆盖     

一种基于主动贝叶斯分类技术的垃圾邮件过滤方法

目前,将机器学习、文本分类与信息过滤技术相结合的过滤方法成为研究热点.对实际邮件过滤时往往会遇到训练样本中包含大量未带类别标注的邮件,应用传统分类方法存在耗时且过滤性能差等问题,文章提出采用主动贝叶斯分类方法RANB对训练样本进行预处理,以标识其多类别;实验表明,这种方法可有效地提高训练样本质量,提高过滤器性能,在各项评价指标上具备优越性.     

基于用户兴趣度的垃圾邮件在线识别新方法

多数在线垃圾邮件识别方法未有效区分用户针对不同邮件内容的感兴趣程度,导致垃圾邮件识别精度不高.文中提出了一种基于支持向量机的垃圾邮件在线识别新方法.即结合传统增量学习及主动学习理论,先通过随机选择代表样本寻找分类最不确定的样本进行人工标注;接着引入用户兴趣度的概念,提出了新的样本标注模型和算法性能评价标准;最后结合"轮盘赌"方法将标注后样本加入训练样本集.多种对比实验表明,文中方法针对垃圾邮件识别精度高,样本训练及待标注样本选择速度快,具有较高的在线应用价值.     

基于分组LSTM与CNN的青铜器锈蚀类别智能标识方法

青铜器锈蚀标识在青铜器保护修复中具有重要作用。目前,青铜器锈蚀标识以人工标识为主,但是,由于该青铜器锈蚀较为混杂,不易识别,也会因个人经验差异出现标注不一致等问题。因此,该文提出了一种青铜器锈蚀智能标识方法,即基于分组LSTM与CNN的标识方法(multi-group LSTM and CNN,MGLC)。该方法对青铜器高光谱图像设计了一种端到端的网络,该网络在CNN网络的基础上引入了多分组策略的LSTM网络,CNN网络可以提取丰富的空间信息,多分组策略的LSTM可以探索光谱的上下文信息,MGLC网络有效地结合了青铜器高光谱图像的空间信息和光谱信息。实验表明,该方法在青铜器锈蚀类别的智能标识中具有良好的效果。     

基于深度神经网络的锈蚀图像分割与定量分析

为解决传统钢结构表面锈蚀检测中缺乏检测标准且锈蚀难以量化的难题,基于深度神经网络提出了一种新型锈蚀检测方法,通过对锈蚀图像进行语义分割来实现锈蚀区域的检测与定量分析.设计深度神经网络时采用"编码器-解码器"架构,将网络计算流程分为编码阶段(降采样)与解码阶段(上采样)两部分,最终得到与输入图像长宽一致的分割模板,用以表示每个像素点是否为锈蚀.采用了苏通大桥锈蚀数据集(包括锈蚀图像440张,图像分辨率为709×1067)训练网络并对其进行了数据增强,最终得到6156张经人工标注过的彩色图像,图像分辨率为256×256.网络训练经过50次循环总耗时约7 h,最终正确率可以达到训练集92. 55%和验证集90. 56%.此外还在原始锈蚀图像上进行检测,结果显示分割网络可以识别出图像中锈蚀区域的主体部分.为进行锈蚀的定量分析定义了"锈蚀面积"、"锈蚀率"、"总体锈蚀率"等评价指标,通过分割网络可以直接计算得到这些锈蚀区域的定量指标,为钢结构日常管理养护提供数据支撑.     

基于词性分析和领域知识的Deep Web语义标注

基于对中文Deep Web查询结果的词性分析,提出一种基于中文词性和领域知识的Deep Web语义标注方法.借助中文分词工具得到Deep Web查询结果的词性,并根据词性或词性组合与语义建立映射规则,同时结合领域知识进行语义标注.实验表明,该方法能够在多个领域对Deep Web查询结果进行正确的语义标注,从而验证了该方法的有效性.     

基于两级非负线性编码表示的人脸识别

针对大规模人脸识别问题,提出了一种基于两级非负线性编码表示的人脸识别方法.首先利用第一级的线性编码表示,通过在初始的大规模人脸库中寻找对应测试图像的M最近邻,以消除干扰训练样本并降低训练样本集的规模;然后以此M最近邻为训练样本集,通过第二级的线性编码表示实现对测试样本的分类判别.在线性编码表示中,通过进一步引入非负系数约束,更好地改善了分类识别性能.基于AR、ORL和Yale B人脸库的实验结果初步验证了文中所提方法的有效性.     

基于半监督学习模型的自动图片标注研究

基于关键字的自动图片标注方法,可以更为有效地实现海量图片的管理和检索.然而由于"语义鸿沟"问题,传统的自动图片标注效果往往并不理想.因此,对不精确的标注结果进行优化就显得尤为重要.文中提出一种新颖的图片标注方法.首先,利用基于相关性模型的递进算法得到图片的初始标注结果.然后,利用一种半监督的学习模型,也即随机游动与重新启动算法对得到的初始标注结果进行优化,并选择一定数量的顶端标注作为图片最终的标注.通过在通用Corel图片数据库的实验表明,文中提出的方案可以有效地提高图片自动标注的性能.     

氯盐侵蚀环境下橡胶集料掺量对钢筋混凝土梁耐久性的影响

采用施加阳极电流的加速锈蚀方法,对4个橡胶集料掺量(0～150,kg/m3)、0.45和0.55两种水灰比的钢筋混凝土梁进行了试验,分别测试了暴露时间为5 d和10 d下的钢筋失重率和混凝土保护层裂缝宽度,并对锈蚀后梁的受弯性能进行了试验.结果表明,掺入橡胶集料能够明显改善钢筋混凝土梁的抗锈蚀性,且随着掺量的增加抗锈蚀性增强;分析认为与砂料相比,橡胶集料的表面物理化学特性有助于阻碍氯离子在混凝土中的扩散,起到了固体抑制剂的效果;同时,由于锈蚀所导致的梁承载力及延性的损失随着橡胶集料的增加呈明显的降低趋势.     

宽带光谱成像系统最优训练样本选择方法研究

为解决现有标准色卡或颜色样本集因数量大、存在严重颜色冗余而导致的光谱成像工作繁重的问题,提出一种基于宽带光谱成像系统光谱重建误差最小化的最优训练样本选择方法.通过现有颜色样本集中最有效样本的选择,实现宽带光谱成像系统训练样本的优化.研究通过伪逆方法进行光谱重建,以光谱均方根误差作为评价依据,从颜色样本集中逐步挑选训练样本,实现每次迭代所确定训练样本对样本集重建光谱误差的最小化.实验结果表明,在选择相同数量训练样本条件下,本研究方法所构建训练样本的光谱和色度精度明显优于现有方法.      

对桥梁钢构件锈蚀影响的分析

桥梁结构体系中,由于钢构件的锈蚀,往往会使结构耐久性降低.所以要对桥梁结构尤其是存在钢构件的桥梁进行精确而详细的分析,就要专门对锈蚀问题进行分析.本文给出了锈蚀分析的一种方法,并以实际算例对钢桥梁结构的锈蚀进行了分析.     

金属表面催化技术在煤矿电气设备隔爆面防锈处理上的应用

简要介绍了煤矿电气设备隔爆面锈蚀对设备的危害以及煤矿电气设备隔爆面防锈处理的方案,探讨了应用金属催化技术解决隔爆面锈蚀问题的可行性和经济效益.     

模糊神经网络分类器的主动学习方法

针对模糊神经网络分类器设计过程中所遇到的样本采样与标注过程耗时、代价大的问题,提出了一个新颖的模糊神经网络分类器主动学习方法,以最小-最大边界法以及确定样本的不确定性闽值两个新概念为主动样本选择准则,确保选择其中信息量尽可能大的样本进行标注,使得网络设计过程中对未标注样本的标注工作量和时间大为减少．实验结果表明,该方法与模糊神经网络的被动学习模型相比,训练样本数目大为减少,训练时间大大缩短．     

基于主动学习的油气管道沿线地物变化检测

油气管道在储运过程中,沿线区域地物变化对其安全具有较大影响,特别是道路的修建、沟壑的挖掘、滑坡等。由于油气管道分布范围广、周边环境复杂,传统的人工巡检方式存在一定的局限性,因此研究了基于卫星遥感的油气管道沿线地物变化检测。在综合考虑空间信息和算法自动化程度的基础上提出一种改进的基于多特征融合和主动学习的油气管道沿线地物变化检测算法。首先利用基于自适应阈值算法选择初始训练样本,然后利用梯度提升树、k近邻和极限随机树集成结构进行未标记样本的类别判定,并基于边缘采样的主动学习算法进行未标注样本增选。在样本增选过程中为了减少噪声对训练样本的影响并且减少冗余信息,通过两方面对增选样本进行优化,首先通过分割对象约束分类器集成变化检测结果,提高增选样本的准确性,然后利用边缘采样方法选择信息量较大的未标记样本进行标注。通过两景融合后的资源三号(ZY-3)影像进行实验,结果表明该算法可以有效检测地物变化情况,并且在提高变化检测结果精度的同时,可以有效减少训练样本的标注成本。     

钢筋混凝土锈蚀诱导的膨胀监测及评估——低相干光纤应变传感器的应用

针对钢筋混凝土中锈蚀问题,提出了一种基于低相干光纤应变传感器的钢筋混凝土锈蚀进程监测方法,设计中将传感光纤环绕在待测结构易锈蚀部分,通过测量钢筋锈蚀诱导膨胀所造成的结构微形变来反映其锈蚀进程.基于Michelson干涉仪的信号解调方法可以测得任意长传感光纤上5μm的绝对形变.将布里渊分布式传感器和低相干光纤应变传感器布置在同一钢筋混凝土试件结构中,进行模拟海洋环境的电化学加速锈蚀实验.结果表明,分布式传感器在多点测量方面有优势,但其信号强度在锈蚀的后期衰减较快,在18mm钢筋直径的锈蚀实验中测得的上限锈胀应变为1000με,这难以满足结构耐久性监测的需要.而低相干光纤应变传感器可以长寿命测量出锈蚀的产生及发展,根据这些实验数据对钢筋混凝土的锈蚀膨胀应变与结构性能作了相关分析,为钢筋混凝土结构的耐久性监测提供了一种可行的实验室研究手段.     

长期服役结构中钢筋的纵向随机锈蚀分布特征

钢筋在服役结构中的自然锈蚀与试验室人工加速锈蚀存在差异.为研究实际服役工程中钢筋的自然锈蚀特征，从服役50余年的钢筋混凝土桥面板中获取一批钢筋试件，通过三维激光扫描得到精确的锈蚀钢筋剩余表面信息，以锈后剩余截面积直观表征钢筋沿纵向的锈损情况，探究锈蚀程度、钢筋长度对锈蚀纵向不均匀性的影响，经统计分析进行钢筋纵向随机锈蚀的概率分布特征研究，提出相应的概率分布模型.研究结果表明：自然锈蚀钢筋具有多种典型锈蚀形态，锈蚀区域及锈蚀程度沿钢筋纵向随机分布；最大截面积损失率、剩余截面积方差随平均锈蚀率的增大而增大，即平均锈蚀程度越大则锈蚀越不均匀；钢筋长度对纵向锈蚀不均匀性有明显影响，在钢筋来源及平均锈蚀率相同的情况下，随钢筋长度的增大锈蚀不均匀性增大.钢筋的纵向随机锈蚀具有明显的统计规律，多峰正态分布模型可精确描述不同锈蚀程度钢筋的剩余截面积概率分布；Weibull分布及单峰正态分布模型对实测截面积数据拟合优度略低，但其形式简单便于运用，适用于平均锈蚀率低于10%的钢筋.