基于深度学习的汽车轮毂缺陷自动分割技术

针对建立轮毂无损检测智能化平台的需要,本文提出一种基于深度学习算法的轮毂缺陷自动分割方法,利用卷积神经网络的结构和径向基函数神经网络的非线性特点,构造一种深度学习网络结构来模拟人类的视觉感知。本文依据汽车轮毂X射线图像,利用U-Net网络来训练轮毂缺陷分割模型,并在感兴趣区域的基础上模拟人脑层次感知系统,该层次感知系统能识别感兴趣区域的灰度像素,通过深度学习分层网络和卷积神经网络,逐层提取缺陷区域的内在特征,从而实现轮毂缺陷的自动分割。实验表明本方法针对复杂轮毂缺陷的识别率达到90%以上,且识别时间开销大约5ms/张,优于传统方法。可见该方法能够满足轮毂缺陷自动分割的需求,具有潜在的应用前景。     

基于Bayes分类的PAC-Bayesian定理证明

采用类似基于Gibbs分类的PAC-Bayesian定理的证明方法,证明基于Bayes分类的PAC-Bayesian定理.对于PAC-Bayesian定理的证明采用Bayes分类,可以方便有效地运用到统计问题中来解决相关问题.     

基于社会计算和机器学习的垃圾邮件识别方法的研究

在对目前各种垃圾邮件识别方法进行研究分析的基础上,结合社会计算的理论和机器学习的方法,提出了一种新的垃圾邮件识别方法。通过利用邮件头部中能反映联系人社会关系的特征来构造一张联系人来往关系图对垃圾邮件进行初次识别,对于无法确定存在社会关系的联系人的邮件再利用机器学习的方法进行识别。实验结果表明,采用该方法进行垃圾邮件识别较之单纯采用贝叶斯方法,识别准确率有了较大的提高,同时,识别时间得到降低。     

基于连续肯德尔相关系数学习相似度函数的图像检索方法

提出了一种基于连续肯德尔相关系数学习图像间相似度函数和运用学习的相似度函数进行图像检索的方法.通过对500幅图像所组成的图像数据库以及和其他传统相似度函数学习方法在图像检索中检索效果的比较实验可以得出:该方法的图像检索效果要优于其他相比较的传统方法.     

即刻早期基因Arc/Arg3.1的表达及其与学习记忆关系概述

Arc/Arg3.1基因为即刻早期基因(Immediate-early genes,IEGs)中的一种,相对于其他作为转录因子的IEGs,Arc/Arg3.1是可以直接作为效应因子的细胞结构元件.Arc/Arg3.1基因在神经元的突触可塑性方面起重要的作用,如果它的蛋白表达受阻则会损坏LTP的维持,从而损坏长期记忆的巩固.就Arc/Arg3.1基因的序列克隆与表达及其与学习记忆之间关系的研究进展进行了阐述.     

基于问题学习PBL模型的药理学教学方法

成人高等教育的学时较少,按照传统模式组织药理学教学无法满足培养人才的需要,因此必须进行教学改革.在成人教育药理学教学中采取基于问题的学习模式,发现该模式具有极大的优势,可充分利用成人学生已经掌握的药理学理论和实践知识,提高他们的学习兴趣,进一步培养其自学能力.对成人高等教育学生毕业后更好的从事临床及相关工作提供良好的基础.     

校园恶性突发事件发生机理的“规则-策略”博弈学习模型

在"规则-策略"的博弈理论范式下, 建立了校园恶性突发事件发生机理的博弈学习模型.首先, 通过建构社会边缘人的心智模型(包括主观认知规则和决策规则), 分析了校园恶性突发事件中社会边缘人从理性的学习规则, 到非理性的反社会学习规则的"规则学习"过程(即"规则学习"遵循着同时包含了强化学习规则与理性规则的广义强化学习模型), 得出了社会边缘人面对自身博弈收益的持续恶化状况, 采取非理性的反社会行为规则的临界条件.其次, 分析了校园恶性突发事件处于潜伏期、爆发期和扩散期等不同演化阶段中社会边缘人的"策略学习"过程, 构建了社会边缘人的"策略学习"的模仿学习模型.最后, 提出防范校园安全的综合治理对策.     

Improved adaptive pruning algorithm for least squares support vector regression

As the solutions of the least squares support vector regression machine(LS-SVRM) are not sparse,it leads to slow prediction speed and limits its applications.The defects of the existing adaptive pruning algorithm for LS-SVRM are that the training speed is slow,and the generalization performance is not satisfactory,especially for large scale problems.Hence an improved algorithm is proposed.In order to accelerate the training speed,the pruned data point and fast leave-one-out error are employed to validate the temporary model obtained after decremental learning.The novel objective function in the termination condition which involves the whole constraints generated by all training data points and three pruning strategies are employed to improve the generalization performance.The effectiveness of the proposed algorithm is tested on six benchmark datasets.The sparse LS-SVRM model has a faster training speed and better generalization performance.     

一种基于模型共享的半监督多标签图像学习法

提出一种快速且有效的半监督多标签学习方法:模型共享半监督推举。该方法能发现、共享并组合多个基模型,每个基模型是在某个标签上利用半监督支持向量机(S3VM)上学习的。通过使用模型共享,标签关联被显示地利用且对于每个标签来说只需要少量的基模型即可生成最后的决策结果。在Corel5k和Mediamill数据集上评估方法,实验结果显示的方法与当前流行的监督和半监督多标签学习方法是可比的。     

一种基于弱标签的三维模型语义自动标注方法

随着三维应用的普及,三维模型大量产生并广泛传播。由于三维模型广泛应用于计算机辅助设计、三维游戏、电影特效制作等诸多领域,已经形成了大量的三维模型数据库。三维模型语义标注的目的是给出描述其语义的标注词,是三维模型管理和基于文本的三维检索的关键技术。针对互联网大量存在的弱标签三维模型现状,提出一种基于弱标签的三维模型语义标注方法LPMLL,首先,采用半监督学习方法进行标签传播,得到标注词置信度,达到提升训练集的目的。然后,采用一种基于最大后验概率准则的方法进行多标签学习,得到最终标注词。实验数据表明了该方法的有效性。