面向图文匹配任务的多层次图像特征融合算法

现有主流的利用预训练卷积神经网络提取图像特征的方法存在仅使用单层预训练特征表征图像和预训练任务与实际研究任务不一致的问题,使得现有图文匹配方法无法充分利用图像特征,极易受到噪声特征干扰。针对上述问题,使用了预训练网络中的多层特征,并提出了多层次图像特征融合算法。在图文匹配的学习目标指导下,利用多层感知机（multi-layer perceptron）有监督地融合和降维多层次的预训练图像特征,生成融合图像特征,从而充分利用预训练特征,减少噪声干扰。实验结果表明,提出的融合算法可实现对预训练的图像特征更有效的利用,相比于使用单层次特征的方法能获得更好的图文匹配效果。     

基于全局变量CRFs模型的微博情感对象识别方法

微博行文具有较大的自由性,其中情感对象识别是一个困难的问题,尤其是情感对象未显性出现情况下的情感对象识别,暂未发现有效解决方法。该文针对这一难题,结合中文微博的特点,提出了一种改进的条件随机场的模型。该模型把情感对象识别看作一个序列标记问题,通过在传统的CRF序列标记模型上增加情感对象的全局节点,有效地结合上下文信息、句法依赖以及情感词典,从而可以识别出微博中的情感对象。该方法的优势在于能够应用于情感对象未显性出现的情况。实验结果表明该方法比现有方法能更有效地识别出微博中的情感对象。     

基于用户潜在状态及依赖关系学习的时序行为推荐

如何捕捉用户行为的动态变化及依赖关系是当前时序推荐领域的一个重要问题,主要面临着行为事件空间庞大、行为的时序依赖关系复杂等挑战。针对以上挑战,提出了一种基于行为序列潜在状态及其依赖关系学习的时序推荐算法。首先,利用最大池化层级结构获得行为序列潜在状态的低维表征;然后,通过图神经网络捕捉和描述潜在状态之间的依赖关系以实现用户行为变化模式的学习,从而获得更准确的时序推荐效果。实验结果表明,所提算法在节目点播（IPTV）、纽约（NYC）和东京（TKY）这3个数据集上与近年的分层门控网络（HGN）基线算法相比,在性能评估指标召回率上分别提高了30.03%、29.48%和33.75%,在归一化折损累计增益（NDCG）指标上分别获得了37.20%、43.47%和40.34%的相对提升,且消融实验结果表明了时序状态的依赖关系学习的有效性,因此所提算法尤其适用于解决时序推荐中单一时间片中行为稀疏以及行为依赖关系复杂的问题。     

基于正交基的多视图迁移谱聚类

挖掘多视图一致性是提升多视图聚类性能的关键,为更好地从多视图数据中学习一致性表示,提出一种新的多视图聚类算法OMTSC。OMTSC算法同时学习每个视图的聚类分配矩阵和特征嵌入,并将聚类分配矩阵分解为共享正交基矩阵和聚类编码矩阵。正交基矩阵可捕获并储存多视图一致性信息形成潜在聚类中心,经过加权融合的多视图聚类编码矩阵可更好地平衡不同视图的质量差异。引入基于二部图的协同聚类,实现正交基、聚类编码和特征嵌入3个矩阵的知识相互迁移,以提升多视图数据一致性和多样性,并利用特征嵌入的多样性最大化多视图一致性学习最优的潜在聚类中心,从而提高多视图聚类的性能。此外,基于群稀疏约束的特征嵌入可有效消除多视图数据中的噪声,提升算法的鲁棒性。在WikipediaArticles、COIL20和ORL数据集上的实验结果表明,与SC-Best、Co-Reg等先进的多视图聚类算法相比,OMTSC算法在ACC、NMI、ARI 3个评价指标上整体取得最优值,其中在COIL20和ORL数据集中的NMI评价指标均高于0.9。     

基于递归神经网络局部建模的人群异常事件监测

针对密集人群建模困难、异常事件检测可靠性差等问题,提出了一种基于递归神经网络局部建模的人群异常事件监测与定位方法。该方法首先对人群场景进行网格划分,提取多尺度光流统计直方图特征,并按照一定规则进行特征选择,建立人群动态序列事件表示;然后采用递归神经网络对人群场景进行局部细粒度建模和预测;最后基于前后帧重构误差进行异常事件判定,实现异常事件的监测和定位。公共数据集UCSD上进行的对比实验结果验证了该方法的有效性。     

猪链球菌微滴数字PCR定量检测方法的建立

根据猪链球菌(Streptococcus suis,SS)gdh基因的保守序列设计特异性引物和Taq Man探针,通过反应条件优化和特异性、敏感性、重复性试验以及临床样品的检测,建立可对其准确定量的微滴数字PCR(droplet digital PCR,dd PCR)检测方法,并与实时荧光定量PCR(Quantitative real-time PCR,qPCR)检测方法进行比较分析。结果表明,该方法特异性良好,与猪传染性胸膜肺炎放线杆菌、副猪嗜血杆菌、大肠杆菌、沙门氏菌、金黄色葡萄球菌、猪圆环病毒2型和伪狂犬病毒无交叉反应;灵敏度优于qPCR,线性相关系数(R2)为0.991,呈良好线性关系,最低可检测到2.692 copies/μL的阳性质粒;稳定性好,变异系数为1.66%。临床样品定量检测结果表明,dd PCR具有敏感性高、特异性好等优点,能对qPCR检测的可疑样品进行精确定量。本研究建立的dd PCR能够准确定量检测SS,将为SS相关研究提供有益参考。     

面向图像数据集的高斯过程分类

高斯过程分类是近年机器学习领域引起广泛关注的一类有监督的学习算法。该算法在高斯过程的先验假设下,以后验概率最大化的为目标,获得对新样本的预测值及属于该值的概率。针对图像数据的特性,提出一种将高斯过程应用于图像分类的方法,同时在此基础上给出对图片进行排序的一种方案。在公开的图像数据集上进行了实验,并与支持向量机分类器进行对比,证实了其有效性,为改进图像分类技术提供一条可供参考的途径。     

副猪嗜血杆菌微滴数字PCR定量检测方法的建立

根据副猪嗜血杆菌(Haemophilus parasuis,HPS)OMP P2基因的保守序列设计特异性引物和Taq Man探针,通过反应条件优化和特异性、敏感性、重复性试验以及临床样品的检测,建立可对其准确定量的微滴数字PCR(droplet digital PCR,ddPCR)检测方法,并与实时荧光定量PCR(Quantitative real-time PCR,qPCR)检测方法进行比较分析。结果表明,该方法与猪传染性胸膜肺炎放线杆菌、猪链球菌、枯草芽孢杆菌、大肠杆菌、沙门氏菌、金黄色葡萄球菌以及猪圆环病毒2型、猪瘟病毒无交叉反应;其灵敏性优于qPCR,线性相关系数(R2)为0.996,呈良好线性关系,最低可检测到2.647 copies/μL的阳性质粒,变异系数为3.29%。临床样品定量检测结果表明,ddPCR具有敏感性高、特异性好等优点,其检出率稍高于qPCR。本研究建立的ddPCR能够准确定量检测HPS,将为HPS相关研究提供有益参考。     

基于贝叶斯网络与语义树的隐私数据发布方法

为在隐私预算相同的条件下提高发布数据的可用性,在PrivBayes的基础上,提出一种改进的隐私数据发布方法PrivBayes_Hierarchical。基于贝叶斯网络隐私数据发布方法的思想,引入语义树对含有层次关系的数据属性进行抽象,使用贝叶斯网络描述数据属性之间的依赖关系。利用格雷码减少随机噪声对数据精度的影响,并对贝叶斯网络结构学习方法进行优化,以减少不必要的隐私预算消耗,提高数据可用性。实验结果表明,该方法在公开数据集下可以获得比PrivBayes更高的数据精度,从而提升隐私数据集的可用性。     

基于多视角多标签学习的读者情绪分类

传统的读者情绪分类主要从情感分析的角度出发,着重考量读者评论中体现出来的情感极性。然而现实中,读者评论的缺失有可能影响情绪分类的有效性和及时性。如何融合包括新闻文本和评论在内的多视角信息,对读者情绪进行更加准确的研判,成为了一个具有挑战性的问题。针对这一问题,构建了一种融合多视角信息的多标签隐语义映射模型(Multi-view Multi-label Latent Indexing,MV-MLSI),将不同视角下的文本特征映射到低维语义空间,同时建立特征和标签之间的映射函数,通过最小化重构误差对模型进行求解,并设计了相关算法,从而实现对读者情绪的有效预测。相比于传统模型,该模型不仅可以充分利用多视角的信息,而且考虑了标签之间的相关性。在新闻文本数据集上的实验表明,该方法可以获得更高的准确率和稳定性。