Semi-supervised learning based probabilistic latent semantic analysis for automatic image annotation

In recent years, multimedia annotation problem has been attracting significant research attention in multimedia and computer vision areas, especially for automatic image annotation, whose purpose is to provide an efficient and effective searching environment for users to query their images more easily.In this paper, a semi-supervised learning based probabilistic latent semantic analysis ( PL-SA) model for automatic image annotation is presenred.Since it' s often hard to obtain or create la-beled images in large quantities while unlabeled ones are easier to collect, a transductive support vector machine ( TSVM) is exploited to enhance the quality of the training image data.Then, differ-ent image features with different magnitudes will result in different performance for automatic image annotation.To this end, a Gaussian normalization method is utilized to normalize different features extracted from effective image regions segmented by the normalized cuts algorithm so as to reserve the intrinsic content of images as complete as possible.Finally, a PLSA model with asymmetric mo-dalities is constructed based on the expectation maximization( EM) algorithm to predict a candidate set of annotations with confidence scores.Extensive experiments on the general-purpose Corel5k dataset demonstrate that the proposed model can significantly improve performance of traditional PL-SA for the task of automatic image annotation.     

向量和集两种标准下集值优化近似解的最优性条件

考虑一类集值优化问题在向量优化和集优化两种标准下关于近似解的最优性条件,利用上、下Studniarski导数,得到了在向量优化和集优化两种标准下集值优化问题关于近似解最优性的充分必要条件.     

基于涡流搜索算法的过程支持向量回归机模型

针对传统支持向量回归机在机制上难以直接对时变信号进行处理的问题, 提出了一种用于时间序列预测 的过程支持向量回归模型, 采用涡流搜索算法优化选择模型参数, 采用 UCI(University of California Irvine)数据 库的空气质量数据集和比利时 SIDC(Solar Influences Data Analysis Center)的太阳黑子数据进行仿真实验。 实验 结果表明, 该模型预测结果均优于粒子群过程支持向量回归机和支持向量回归机的预测结果, 具有较好的预测 能力。     

基于 SVM 新的情感计算方法

传统的情感计算方法主要基于面部表情和肢体动作的变化, 为解决此类方法存在的主观性问题, 以人在 正性和负性情感下的 EEG(Electroencephalagrams)信号作为研究对象, 使用中国情感图片系统, 设计了测试者 观看情感刺激图片的实验, 使用支持向量机算法对数据进行分析, 并根据实验的实际情况提出了将连续的 12 条数据分为一组, 采用其均值进行计算的方法。 实验结果表明, 该方法的识别准确率达到 73. 33%。 这不仅 提供了一种减少情感产生时延导致误差的方法, 同时也为脑电波的分析和优化提供了参考。     

双马赫-曾德尔分布式光纤扰动监测系统设计

为解决扰动监测系统定位精度低的问题, 基于对光纤马赫-曾德尔干涉的研究, 设计了改进型双马赫- 曾德尔分布式光纤扰动监测系统。 利用双马赫-曾德尔光纤传感系统光程差定位原理, 通过互相关算法估算光 程差导致的时间差确定扰动点。 淹没于高频噪声的扰动信号经自主设计的信号预处理电路, 采用低通巴特沃 斯滤波器滤除 3. 3 kHz 以上高频噪声, 通过嵌入式采集与处理模块对得到的数据进行平滑滤波, 提高了扰动信 号的相关性, 有效减小了定位误差。 通过多次重复测试和数据分析结果表明, 系统定位误差约为10 m, 可用于 扰动实时监测。     

采用振动信号二维特征向量聚类的配电开关机械状态识别新方法

配电开关动作产生的振动信号具有非线性非平稳特性,蕴含机械状态信息.提出一种基于振动信号二维特征向量和模糊K均值聚类的配电开关机械状态识别新方法.利用HHT带通滤波对配电开关振动信号进行时频分解,分别求取各子频带信号的能量值和重心频率,得到振动信号的二维特征向量作为反映配电开关的机械状态的特征量.提取配电开关在正常、底座螺丝松动、机械结构卡涩及卸掉A相触头绝缘拉杆等4种典型状态实测振动信号的二维特征向量做模糊K均值聚类,结果表明,所提取的特征向量能有效地表征配电开关的机械状态.     

基于玉米近红外光谱的CWT-SVR蛋白质预测模型

采用国家标准方法测定125个玉米样品的蛋白质含量,并同时进行红外光谱(NIRS)测定.在连续小波变换(CWT)处理玉米NIRS数据的基础上,通过多次随机选择定标集和校正集样品的模型优化方法,建立了二次ε不敏感损失函数的CWT-SVR蛋白质预测模型.模型用于检验集样品中蛋白质的测定,结果满意,且优于传统的偏最小二乘模型(PLS).     

基于改进蚁群算法与遗传算法组合的网络入侵检测

为提高网络入侵检测的检测效果,提出一种基于改进蚁群算法与遗传算法组合的网络入侵检测方法.该方法采用遗传算法(genetic algorithm,GA)对网络入侵的特征集进行快速选取,为后续特征提取打下基础;对传统蚁群算法(ant colony optimization,ACO)的节点选择策略和信息素更新策略进行改进,提出一种改进的蚁群算法,提高对最优特征的选择效果,采用改进的蚁群算法对特征进一步选择;采用支持向量机(support vector machine,SVM)统计机器学习方法建立各类网络入侵的检测分类器.仿真实验结果表明,新的网络入侵检测方法综合GA和改进蚁群算法的优势,能够获得更好的入侵特征,从检测正确率、误报率和漏报率3个方面综合比较,新的网络入侵检测方法具有更好的网络入侵检测效果,且提高了检测速率.     

基于相空间重构和支持向量机的小麦条锈病预测方法

小麦条锈病预测对小麦灾害的预防和控制具有十分重要的意义.本文使用相空间重构和最小二乘支持向量机相结合的方法对成都市小麦条锈病发病率进行预测.实验中使用成都地区的气象数据作为模型的输入参数,发病率作为模型的输出参数,对20例发病病例样本进行预测,得到了比较好的预测效果.实验中还与简单最小二乘支持向量机预测结果作了对比,结果表明,相空间重构和最小二乘支持向量机结合的模型预测准确率明显高于简单最小二乘支持向量机,因此本模型对小麦条锈病预测是十分有效的.     

利用本征矢量的特性讨论电磁辐射和引力辐射问题

本文利用电磁场能动张量本征矢量的类时、类空和类光的性质来判断有无电磁辐射,并推广到引力辐射,即利用引力场Weyl张量本征双矢量主方向的性质来判定各类引力场有无引力辐射。