基于字典学习的非线性降维方法

目前,众多的数据降维（Dimensionality reduction, DR）方法（如经典的PCA（Principle component analysis）, ISOMAP（Isometric mapping））能够使降维后的数据保留原始信号的重要特征,但是从降维后的数据中很好地恢复出原始信号仍旧是一个挑战.近年来,稀疏表示（Sparse representation, SR）在信号重构研究中受到广泛关注,信号可以利用过完备字典中少数原子的线性组合来描述.本文提出一种基于字典学习的非线性降维方法.从高维输入信号到低维特征的降维过程中,期望一些重要的几何特征（内积、距离和夹角）得以保留,同时又能够从低维数据中恢复出原始信号.为达此目的,本文采用CDL（Concentrated dictionary learning）算法训练一个字典对（高维字典D和低维字典P）,使高维原始信号的能量能够聚集于低维子空间中.字典D用来获取稀疏表示系数,字典P是D的直接降维采样,CDL算法能够保证P聚集D中的大部分能量.这样,信号的降维与恢复问题就转变为字典对的训练问题,信号的降维即为从D到P的能量保留过程.实验表明:CDL可在RIP（Restricted isomery property）条件的限制之外具有一定的信号重建能力,能在更低的维度条件下恢复图像,优于传统的压缩感知方法.此外,在噪声较大的情况下,CDL图像压缩效果优于JPEG2000.     

基于动态字典学习的欠定盲语音重构算法

为提高传统字典学习方法选用固定的语音分段长度重构源信号的精度,提出基于动态字典学习的欠定盲语音重构算法,以提取信号中最优的稀疏表示特征。在欠定语音盲分离的两步法框架下,利用正则化Sim CO字典学习对信号进行稀疏表示,依据最速下降思想通过改变语音分段长度迭代优化信号的重构结果直至收敛,得到信号恢复的总体最优解。实验结果表明,相较传统算法,动态Sim CO字典学习算法进一步提取了信号在字典稀疏域的语音特征,在保证运行成本低的同时有效提高了欠定盲语音的重构质量。     

基于图谱域移位的带限图信号重构算法

针对带限图信号的重构问题, 本文提出了基于图谱域移位的带限图信号重构模型, 该模型将图带限分量的恒等不变特性建模为最小二乘问题. 基于所提出的重构模型, 本文设计了基于谱移位的重构算法和基于残差谱移位的重构算法. 相比于其他重构算法, 两种新算法提升了迭代效率和重构精度. 此外, 本文算法还适用于分段带限图信号的重构问题, 并且具有良好的迭代效率和重构精度.通过实验仿真表明, 相比于目前其他的带限图信号重构算法, 新算法的迭代效率提升约70%和重构精度提升约60%.     

舰船辐射噪声混沌特征提取方法研究

研究舰船辐射噪声信号影响目标识别,针对传统子空间降算法只适用于多通道信号处理,为了清楚识别目标,提出多次迭代降噪的思想,并根据定义的信噪比改善量控制迭代次数.用相空间重构进行特征提取,为了降低特征维数,引入K-L变换进行特征压缩,提出一个基于子空间降噪理论与相空间重构以及K-L变换相结合的完整的舰船辐射噪声特征提取方法,进行计算机仿真,结果表明对舰船辐射噪声特征有效提取和分类识别很有效,证明方法对三类目标舰船噪声信号具有较好的分类效果.     

基于过完备字典的体域网压缩感知心电重构

针对体域网远程监护中心对重构的心电信号（Electrocardiogram,ECG）精度要求高和体域网（Body sensor network,BSN）低功耗问题,提出基于过完备字典的体域网压缩感知心电重构方法. 该方法利用压缩感知理论,在传感节点端利用随机二进制矩阵对心电信号进行观测,观测值被传送至远程监护中心后,再利用基于K-SVD算法训练得到的过完备字典和块稀疏贝叶斯学习重构算法对心电信号进行重构. 仿真结果表明,当心电信号压缩率在70%～95%时,基于K-SVD过完备字典比基于离散余弦变换基的压缩感知心电重构信噪比高出5～22dB. 该方法具有信号重构精度高、功耗低和易于硬件实现的优点.     

分段迭代匹配追踪图像重构算法

目的 压缩采样匹配追踪（CoSaMP）算法虽然引入回溯的思想,但其原子选择需要大量的观测值且在稀疏度估计不准确时,会降低信号重构精度,增加重构时间,降低重构效率。为提高CoSaMP算法的重构精度,改善算法的重构性能,提出了一种基于广义逆的分段迭代匹配追踪（StIMP）算法。方法 为保证迭代时挑选原子的精确性和快速性,对观测矩阵广义逆化,降低原子库中原子的相干性;原子更新结合正交匹配追踪（OMP）算法筛选原子的准确性与CoSaMP算法的回溯性,将迭代过程分为两个阶段：第1阶段利用OMP算法迭代K/2次;第2阶段以第1阶段OMP算法迭代所得的残差和原子为输入,并采用CoSaMP算法继续迭代,同时改变原子选择标准,从而精确快速地重构出稀疏信号。结果 对于1维的高斯随机信号,无论在不同的稀疏度还是观测值下,相比于OMP、CoSaMP、正则化正交匹配追踪（ROMP）算法和傅里叶类圆环压缩采样匹配追踪（FR-CoSaMP）算法,StIMP算法更加稳健,且具有更高重构成功率;对于2维图像信号,在各个采样率下,StIMP算法的峰值信噪比（PSNR）均高于其他重构算法,在采样率为0.7时,StIMP算法的平均PSNR值比OMP、CoSaMP、ROMP和FR-CoSaMP算法分别高2.14 dB、1.20 dB、3.67 dB和0.90 dB,平均重构时间也较OMP、CoSaMP和FR-CoSaMP算法短。结论 提出了一种改进的重构算法,对1维高斯随机信号和2维图像信号均有更好的重构效率和重构效果,与原算法和现有的主流图像重构方法相比,StIMP算法更具高效性和实用性。     

字典重建和空间分布关系约束下的特征选择与图像拼接

目的 针对大型图像检索领域中,复杂图像中SIFT特征描述子的冗余和高维问题,提出了一种基于字典重建和空间分布关系约束的特征选择的方法,来消除冗余特征并保留最具表现力的、保留原始空间结构性的SIFT特征描述子。方法 首先,实验发现了特征选择和字典学习方法在稀疏表示方面的内在联系,将特征选择问题转化为字典重构任务;其次,在SIFT特征选择问题中,为了保证特征空间中特征的鲁棒性,设计了新型的字典学习模型,并采用模拟退火算法进行迭代求解;最后,在字典学习的过程中,加入熵理论来约束特征的空间分布,使学习到的特征描述子能最大限度保持原始SIFT特征空间的空间拓扑关系。结果 在公开数据集Holiday大型场景图片检索数据库上,通过与国际公认的特征选择方法进行实验对比,本文提出的特征选择方法在节省内存空间和提高时间效率（30%~ 50%）的同时,还能保证所筛选的特征描述子的检索准确率比同类特征提高8%~ 14.1%;在国际通用的大型场景图片拼接数据库IPM上,验证本文方法在图像拼接应用中特征提取和特征匹配上的有效性,实验表明本文方法能节省（50% ~70%）图像拼接时间。结论 与已有的方法比较,本文的特征选择方法既不依赖训练数据集,也不丢失重要的空间结构和纹理信息,在大型图像检索、图像拼接领域和3D检索领域中,能够精简特征,提高特征匹配效率和准确率。     

基于小波变换和K-SVD的应急广播语音压缩方法

针对应急广播中语音传输效率低的问题,提出了一种基于小波变换和K-奇异值分解（K-SVD）的语音压缩方法,以提升应急广播的信息传输时效性。首先,该方法舍弃语音小波分解得到的高频分量,在小波合成时用随机信号代替;其次,在低频分量的压缩感知过程中,用K-SVD字典学习算法训练的过完备字典对其稀疏表示;最后,采用改进的基于子空间回溯的广义正交匹配追踪算法重构信号。实验结果表明,在压缩效率为50%时,该方法重构应急广播语音的客观语音质量评分（PESQ）达到3.717,比其他对照算法分别提升了3%~47%,说明在保证压缩效率的同时,所提出的方法能提升应急广播语音重构质量,确保应急广播的传输时效性。     

基于截断核范数低秩分解的自适应字典学习算法

针对过完备字典直接对图像进行稀疏表示不能很好地剔除高频噪声的影响,压缩感知后图像重构质量不高的问题,提出了基于截断核范数低秩分解的自适应字典学习算法。该算法首先利用截断核范数正则化低秩分解模型对图像矩阵低秩分解得到低秩部分和稀疏部分,其中低秩部分保留了图像的主要信息,稀疏部分主要包含高频噪声及部分物体轮廓信息;然后对图像低秩部分进行分块,依据图像块纹理复杂度对图像块进行分类;最后使用K奇异值分解（K-single value decomposition, K-SVD）字典学习算法,针对不同类别训练出多个不同大小的过完备字典。仿真结果表明,本文所提算法能够对图像进行较好的稀疏表示,并在很好地保持图像块特征一致性的同时显著提升图像重构质量。     

引入低秩约束先验的深度子空间聚类

大多数子空间聚类算法将高维数据映射到低维子空间时不能较好捕获数据间几何结构.针对上述问题,文中提出引入低秩约束先验的深度子空间聚类算法,兼顾数据全局和局部结构信息.算法结合低秩表示与深度自编码器,利用低秩约束捕获数据全局结构,并将约束神经网络的潜在特征表示为低秩.自编码通过最小化重构误差进行非线性低维子空间映射,保留数据的局部特性.以多元逻辑回归函数作为判别模型,预测子空间分割.整个算法在无监督联合学习框架下进行优化.在5个数据集上的实验验证文中方法的有效性.     

结合分块LBP与投影字典对学习的表情识别

针对字典学习和分类过程所采用的表示系数[l1]范数稀疏约束求解过程代价过高的问题,同时为获取更有效的表情相关特征来进行字典学习,提出一种结合分块LBP特征与投影字典对学习的表情识别方法。提取图像的分块LBP特征替代原始数据样本,用来训练和测试。学习一个分析字典和一个综合字典,分析字典可求得表示系数,综合字典具备重构能力。利用综合字典和分析字典求出各类别的重构误差进行分类,从而实现人脸表情识别。在JAFFE和CK+数据库上的实验结果表明,与其他方法相比,所提出的方法不仅可以大大降低训练和测试阶段的时间复杂度,而且可以在分类任务中达到更高的识别率。     

支持非第一范式的DBMS中DD的设计和实现

NFMDB数据库管理系统是在 RDBMS的基础上扩充而成的 ,它支持非第一范式 NF2 (Nonfirst normal form)及多媒体数据类型。首先 ,分析了集中式和分离式字典系统的特点 ,并阐述了主动 DD和被动 DD的区别 ;其次 ,讨论了 NFMDB系统为处理 NF2问题而引入的关系字典、属性字典等字典的构造 ,并给出了部分结构描述 ;然后 ,用 create语句描述了一个关于 NF2 存储模式实例 ,同时以 select语句为例讨论了用关系字典和属性字典为基础转换多维 NF2 问题为平滑关系的算法 ,所有这些操作均在关系字典和属性字典中给出了相应的存储描述 ;最后 ,探讨了以关系方式存储 DD的优点以及 DD与 DBMS的关系。由此得出以扩充 DD系统为基础处理 NF2 问题是可行的。     

COMLEX Syntax – A Large Syntactic Dictionary for Natural Language Processing

This article is a detailed account of COMLEX Syntax, an on-line syntactic dictionary of English, developed by the Proteus Project at New York University under the auspices of the Linguistics Data Consortium. This lexicon was intended to be used for a variety of tasks in natural language processing by computer and as such has very detailed classes with a large number of syntactic features and complements for the major parts of speech and is, as far as possible, theory neutral. The dictionary was entered by hand with reference to hard copy dictionaries, an on-line concordance and native speakers‘intuition. Thus it is without prior encumbrances and can be used for both pure research and commercial purposes. This revised version was published online in August 2006 with corrections to the Cover Date.     

Automating dictionary construction

Computer readable dictionaries are produced by the dictionary editor system JISYO, which takes inputs from dictionary data bases produced from type-setting tapes by the DTV (Data Translation and Verification) system of M. Nagao. Topological structuring transforms the dictionaries into thesauri with associative partial ordering by means of which denotations are computed as limits.     

基于多重数组的词典技术研究与实现

词典的查询速度直接影响到分词系统的处理速度,从而影响到整个系统的性能,基于多重数组的分词词典技术很好的解决了词典的查询速度问题。     

A method of creating new valency entries

Information on subcategorization and selectional restrictions in a valency dictionary is important for natural language processing tasks such as monolingual parsing, accurate rule-based machine translation and automatic summarization. In this paper we present an efficient method of assigning valency information and selectional restrictions to entries in a bilingual dictionary, based on information in an existing valency dictionary. The method is based on two assumptions: words with similar meaning have similar subcategorization frames and selectional restrictions; and words with the same translations have similar meanings. Based on these assumptions, new valency entries are constructed for words in a plain bilingual dictionary, using entries with similar source-language meaning and the same target-language translations. We evaluate the effects of various measures of semantic similarity.     

面向跨语言信息检索的蒙汉语义词典构建初探

以跨语言信息检索需求为背景,介绍了目前语义词典及应用的概况,根据蒙古文互联网发展的现状,从应用需求出发,提出构建面向跨语言信息检索的蒙汉双语语义词典的重要性,并利用构建领域本体的方法给出蒙汉双语计算机术语语义词典的初步设计方法。     

基于字典学习和原子聚类的图像去噪算法

针对图像去噪过程中会导致细节和纹理结构信息丢失的不足,本文提出了基于字典学习和原子聚类的图像去噪算法。该算法首先利用含噪图像通过字典学习算法得到自适应的冗余字典,然后提取字典中每个原子的HOG特征和灰度统计特征构成特征集,并利用原子的特征集将冗余字典中的原子分成两类(不含噪原子和噪声原子),最后利用不含噪原子恢复图像,达到去噪的目的。实验结果表明,本文提出的算法无需知道噪声的先验信息,峰值信噪比好于现有的流行算法,且能较好地保持图像细节和纹理结构信息,提高了视觉效果。     

基于结构字典的图像修复算法

随着稀疏表示理论的日渐完善,利用信号的稀疏性对图像进行修复得到广泛应用。本文针对传统的字典仅是一种无结构的扁平的原子的集合,没有充分利用原子之间相关性的问题,提出基于结构字典的图像修复算法。实验结果表明了该算法的有效性。基于结构字典的图像修复算法不仅可以训练字典更紧致地完成图像修复任务,而且训练得到的字典具有平移不变性、尺度灵活性等优点。     

融合极端学习机的判别性分析字典学习算法

研究表明,端学习机和判别性字典学习算法在图像分类领域极具有高效和准确的优势。然而,这两种方法也具有各自的缺点,极端学习机对噪声的鲁棒性较差,判别性字典学习算法在分类过程中耗时较长。为统一这种互补性以提高分类性能,文中提出了一种融合极端学习机的判别性分析字典学习模型。该模型利用迭代优化算法学习最优的判别性分析字典和极端学习机分类器。为验证所提算法的有效性,利用人脸数据集进行分类。实验结果表明,与目前较为流行的字典学习算法和极端学习机相比,所提算法在分类过程中具有更好的效果。