Kinect平台上使用机器学习的非接触式GUI操控方式

触摸屏的出现使人们逐渐摒弃鼠标和键盘,而触摸操作的不便和局限性也随之显现,非接触式操作凭借其独特的优势正逐渐成为未来人机交互方式的新潮流。针对现有的非接触式操作方式存在的手势定义不合理,方法复杂难解,识别精度低等许多问题,提出了使用“抓”和“放”这两个手势的非接触式操控方式RemoteControl,用户可在三维空间中做出操控动作来完成大部分基础图形用户界面（graphical user interface,GUI）操作。RemoteControl使用支持向量机（support vector machine,SVM）和随机森林来从手部图像中识别出手的形状。实验结果表明RemoteControl的操控动作识别取得了较高的精确度。     

半监督软件缺陷挖掘研究综述

软件质量是计算机系统安全可靠运行的保障,而软件缺陷是导致软件质量低下的重要诱因。软件缺陷挖掘技术凭借其能够通过对软件代码及其相关数据进行分析建模,发现软件系统潜在的缺陷,已得到了软件质量保障领域的广泛关注。要准确发现软件模块中潜在的缺陷,需要利用大量带有缺陷情况标注的模块进行学习。然而,缺陷情况标注往往需要通过详细测试或人工代码检查获取,要消耗大量测试和人工资源,在实际应用中难以满足,这严重制约了软件缺陷挖掘的性能。针对这一问题,半监督学习技术被引入软件 缺陷挖掘,通过对大量缺少标注的模块进行利用,辅助提升软件缺陷挖掘的性能。本文对半监督缺陷挖掘技术的研究现状进行综述。首先综述了软件缺陷挖掘研究现状,然后简要介绍了半监督学习的4种学习范式;最后系统梳理了基于半监督学习进行软件缺陷挖掘的多种方法与技术。     

一种针对弱标记的直推式多标记分类方法

多标记学习主要解决一个样本可以同时属于多个类别的问题,它广泛适用于图像场景分类、文本分类等任务.在传统的多标记学习中,分类器往往需要利用大量具有完整标记的训练样本才能获得较好的分类性能,然而,在很多现实应用中又往往只能获得少量标记不完整的训练样本.为了更好地利用这些弱标记训练样本,提出一种针对弱标记的直推式多标记分类方法,它可以通过标记误差加权来补全样本标记,同时也能更好地利用弱标记样本提高分类性能.实验结果表明,该方法在弱标记情况下的图像场景分类任务上具有较好的性能提高.     

基于多示例学习的中文Web目录页面推荐

多示例学习为中文Web挖掘提供了一种新的思路.提出中文Web目录页面推荐这种特殊的Web挖掘任务,并且将其转化为多示例学习问题来解决.在真实世界数据集上的实验结果显示,该方法能够有效地解决该问题.     

TEOS—O3常压CVD膜形成技术

一、前言随着器件的高集成化，绝缘膜平坦化便成了更为重要的课题。因此，人们正广泛讨论替代原来SiH4－O2常压CVD法的TEOS－O3常压CVD法。其主要原因是TEOS－O3常压CVD膜具有极其良好的台阶覆盖性。尽管如此，TEOS－O3常压CVD膜在特性上尚有诸多探讨之处。本文就TEOS－O3常压CVD股特性，以我们所掌握的数据资料为基础加以论述。二、关于NSG膜NSG膜具有自平坦性。这一点是TEOS－O3常压CVD成膜技术的最大特点。为此，用简单的工艺便可获得平坦的绝缘膜。同时，它是代表今后CVD工艺方向的新技术。1．含杂质问题采用TE…     

Fretcit-kNN算法性能分析

1引言 上世纪90年代中期,多示例学习这个概念在Dietterich等人[1]对药物活性预测问题的研究中被首先提出.凭借其独特的性质和广泛的应用前景,多示例学习被认为是和监督学习、非监督学习、强化学习并列的一种学习框架[2].和监督学习相比,多示例学习中的训练集不再是由若干示例组成,取而代之的是一组带有概念标记的包(bag),每一个包是若干没有概念标记的示例集合.如果一个包中至少存在一个正例,则该包被标记为正包;如果一个包不含有任何正例,则该包为反包.学习系统通过对已经标定类别的包进行学习来建立模型,希望尽可能正确地预测不曾遇到过的包的概念标记.     

利用甲鱼骨研制活性钙的探讨

利用甲鱼骨研制活性钙的探讨黎铭乐坚（江西萍乡高等专科学校化工系，萍乡３３７０５５）１前言现代医学研究表明，钙是人体内最活跃、最丰富、最重要的元素，对维持人体各系统中的循环、呼吸、神经、消化、内分泌、肌肉、骨骼、泌尿、免疫等正常生理具有重要作用。补钙现...     

一种在无标注图像库中进行的基于关键词的检索方法

提出一种在无标注图像库中进行的基于关键词的检索方法.该方法在用户输入关键词后,首先利用图像周围的文字信息从网页中过滤一部分与检索主题无关的图像.然后利用图像的视觉特征在之前的基础上筛选出与检索词具有高度相关性的图像.最后利用数据审计技术对筛选出的图像进行进一步精化,并利用精化后的图像对图像库进行检索.实验结果表明,借助数据审计技术,该方法可有效提高对无标注图像库进行基于关键词的检索性能.     

基于多核集成的在线半监督学习方法

在很多实时预测任务中,学习器需对实时采集到的数据在线地进行学习.由于数据采集的实时性,往往难以为采集到的所有数据提供标记.然而,目前的在线学习方法并不能利用未标记数据进行学习,致使学得的模型并不能即时反映数据的动态变化,降低其实时响应能力.提出一种基于多核集成的在线半监督学习方法,使得在线学习器即使在接收到没有标记的数据时也能进行在线学习.该方法采用多个定义在不同RKHS中的函数对未标记数据预测的一致程度作为正则化项,在此基础上导出了多核集成在线半监督学习的即时风险函数,然后借助在线凸规划技术进行求解.在UCl数据集上的实验结果以及在网络入侵检测上的应用表明,该方法能够有效利用数据流中未标记数据来提升在线学习的性能.     

酶法水解甲鱼蛋白的研究

以鲜活无病甲鱼为原料，经蛋白酶水解后，再离心分离得蛋白水解液，进而制成鳖精口服液，通过正交设计试验，确定了蛋白酶适宜水解条件为：Ｔ＝５５℃，ｐＨ＝７．５，Ｅ∶Ｓ＝０．７％，水解时间为８ｈ，水解蛋白质收率达８１．４７％，水解液中含１９种氨基酸，其中游离氨基酸占总氨基酸的３３．３％，必需氨基酸占总氨基酸的３１．８％。