多项式光滑的支撑向量机

数据分类问题是数据挖掘研究的一个热门课题．它是根据对数据样本集合建模,得到最优的分类器,从而可以对未知数据进行分类．支撑向量机是二分类问题的一个分类模型,模型的结果表现为支撑向量．Lee和Mangasarian在2001年提出了使用Sigmoid函数的积分函数作光滑的支撑向量机模型SSVM．该文研究了用多项式函数作光滑的支撑向量机(PSSVM)模型,并提出了两个用于光滑多项式的函数．根据模型特点,应用BFGS方法以及Newton Armijo方法进行求解,数值实验结果表明PSSVM模型在分类性能上优于SSVM模型．     

Caldeórn方法在电阻抗反问题中的应用

Caldern给出了一种对边界值的测量而近似求解导电率的方法。讨论了由三个同心圆盘构成的二维区域的阻抗反问题。通过对Caldern方法的应用,得到了电介质系数的近似计算公式,此公式可以反演出不同介质的位置。这个结果对临床诊断有理论指导意义。     

基于显著目标移动的自动抠图方法

抠图技术是一种常用的提取图像中精确目标区域的方法,在图像编辑中有着重要的应用,现有的大多数抠图技术依赖于人工交互,本文提出一种基于显著目标移动的自动抠图方法。首先对输入图像进行区域分割;然后计算各个区域的显著性值,并建立区域之间的显著性引力模型;在此基础上进行基于显著目标移动的迭代,从而获取图像的显著区域;之后对显著图进行分割并且进行目标区域形态学运算,生成三分图;最后利用基于学习的抠图算法,提取图像目标。实验结果表明,本文方法不需要人工交互和其他的辅助信息,目标抠取效果良好。     

多维寿命分布模型

针对两部件组成系统的二维寿命分布,提出了基于条件失效率函数刻画方法,这是一种刻画寿命分布有效的新途径。同时,推广了条件失效率函数,得到了n维寿命分布的刻画情况。     

基于遗传机制和高斯变差的自动前景提取方法

针对无监督或全自动前景提取这一技术难点问题,提出了一种基于遗传机制和高斯变差的自动前景提取（GFO）方法。首先,利用高斯变差提取图像中的相对重要区域,定义为候选种子前景;之后,利用原始图像和候选种子前景的边沿信息,根据连通性和凸球原则生成前景目标区域轮廓,称之为星凸轮廓;最后,构造适应性函数,选择种子前景,利用选择、交叉及变异的遗传机制,得到精确且有效的最终前景。在Achanta数据库和多个视频上的实验结果表明,GFO方法的性能优于已有的基于高斯变差的自动前景提取（FMDOG）方法,且在识别的准确率、召回率以及F_β指标上都取得了较好的抽取效果。     

基于凸边界的学习样本抽取方法

学习样本的质量和数量对于智能数据分类系统至关重要，但在数据分类系统中没有一个通用的良好方法用于发现有意义的样本。以此为动机，提出数据集合凸边界的概念，给出了快速发现有意义样本集合的方法。首先，利用箱型函数对学习样本集合中的异常和特征不全样本进行清洗；接着，提出数据锥的概念，对归一化的学习样本进行锥形分割；最后，对每个锥形样本子集进行中心化，以凸边界为基础提取距离凸边界差异极小的样本构成凸边界样本集合。实验在12个UCI数据集上进行，并与高斯朴素贝叶斯（GNB）、决策树（CART）、线性判别分析（LDA）、提升算法（AdaBoost）、随机森林（RF）和逻辑回归（LR）这六种经典的数据分类算法进行对比。结果表明，各个算法在凸边界样本集合的训练时间显著缩短，同时保持了分类性能。特别地，对包含噪声数据较多的数据集，如剖腹产、电网稳定性、汽车评估等数据集，凸边界样本集合能使分类性能得到提升。为了更好地评价凸边界样本集合的效率，以样本变化率和分类性能变化率的比值定义了样本清洗效率，并用该指标来客观评价凸边界样本的意义。清洗效率大于1时说明方法有效，且数值越高效果越好。在脉冲星数据集合上，所提方法对GNB算法的清洗效率超过68，说明所提方法性能优越。     

基于特征部位圆形域的人脸图像修复方法

针对基于样本块的纹理合成方法存在的修复结构不合理和效率较低的问题，提出基于特征部位圆形域的人脸图像修复方法。首先进行人脸特征点定位，依据特征点分布将人脸图像分割出4个特征部位圆形域，明确特征搜索域范围。然后在优先级模型中以指数函数的形式改变置信度项的衰减趋势，并结合结构梯度项使用局部梯度信息约束优先级，提高修复结果的结构连通性。在匹配块搜索阶段，根据目标块与各个特征部位圆形域的相对位置，确定匹配块的搜索域，提升搜索效率。最终在结构相似性的标准下选择结构最佳匹配块，完成结构连通的人脸图像修复。与4个先进的方法相比较，所提方法修复图像的峰值信噪比（PSNR）平均提升了1.219~2.663 dB，时间消耗平均减小了34.7%~69.6%。实验结果表明，该方法对保持人脸图像的结构连通性和视觉合理性有显著效果，在修复的精度和时间上都表现优异。     

Calderón方法在电阻抗反问题中的应用

Calderón给出了一种对边界值的测量而近似求解导电率的方法.讨论了由三个同心圆盘构成的二维区域的阻抗反问题.通过对Caldern方法的应用,得到了电介质系数的近似计算公式,此公式可以反演出不同介质的位置.这个结果对临床诊断有理论指导意义.     

基于显著目标移动的自动抠图方法

抠图技术是一种常用的提取图像中精确目标区域的方法,在图像编辑中有着重要的 应用,现有的大多数抠图技术依赖于人工交互,本文提出一种基于显著目标移动的自动抠图方法。 首先对输入图像进行区域分割;然后计算各个区域的显著性值,并建立区域之间的显著性引力模 型;在此基础上进行基于显著目标移动的迭代,从而获取图像的显著区域;之后对显著图进行分 割并且进行目标区域形态学运算,生成三分图;最后利用基于学习的抠图算法,提取图像目标。 实验结果表明,本文方法不需要人工交互和其他的辅助信息,目标抠取效果良好。     

情感增强的对话文本情绪识别模型

针对现有的许多研究忽略了说话人的情绪和情感的相关性的问题，提出一种情感增强的图网络对话文本情绪识别模型——SBGN。首先，将主题和对话意图融入文本，并微调预训练语言模型RoBERTa以提取重构的文本特征；其次，给出情绪分析的对称学习结构，将重构特征分别输入图神经网络（GNN）情绪分析模型和双向长短时记忆（Bi-LSTM）情感分类模型；最后，融合情绪分析和情感分类模型，将情感分类的损失函数作为惩罚以构建新的损失函数，并通过学习调节得到最优的惩罚因子。在公开数据集DailyDialog上的实验结果表明，相较于DialogueGCN模型与目前最先进的DAG-ERC模型，SBGN模型的微平均F1分别提高16.62与14.81个百分点。可见，SBGN模型能有效提高对话系统情绪分析的性能。