一种基于压缩感知的邻域优化算法

非线性降维方法是目前对降维研究有着重要影响的方法,但在降维过程中经常会遇到局部邻域信息量不足、短路和噪声干扰等问题,严重影响降维效果,很难广泛应用于真实数据的处理中.对以上问题分析发现,其主要原因在于经典降维算法都是采用全局固定的邻域大小.提出了一种基于压缩感知的邻域优化算法,运用压缩感知技术对高维空间目标点近邻进行压缩采样,构建“收—放”模型,自适应得到最优子空间,同时优化邻域组成元素,使得数据的整体降维效果更加稳定.通过手工流形和真实数据集的实验,验证了算法的有效性和稳定性.     

pH、碱度和苯酚对低浓度氯氮废水处理工艺的影响

低浓度氨氮废水的处理一直是近年来的研究热点和难点,各种处理工艺的运行并不稳定,出水氨氮浓度经常超标.本文对pH、碱度和有毒物质苯酚等影响低浓度氨氮废水处理工艺运行的主要因素进行了研究.结果表明低浓度氨氮废水处理的最优pH在9左右,偏碱性的环境更有利于低浓度氨氮废水的处理;Alk/N=38.39(此时pH=8.7)时,低浓度氨氮硝化速率接近最大值,充足的碱度有利于低浓度氨氮的彻底硝化;苯酚对硝化污泥的抑制为非竞争性抑制;达到相同的氨氮出水浓度,苯酚抑制条件下泥龄大于无抑制情况,且抑制程度越高,所需泥龄越长.低浓度氨氮硝化污泥一旦受到苯酚的抑制,很难通过控制泥龄的途径得到解决.     

基于需求关系的测试用例集优化方法

针对测试用例集存在冗余测试用例的问题,给出基于需求关系的测试用例集优化方法。从需求对应的代码分布出发,按照测试用例覆盖路径定义需求的逻辑关系,借鉴DDGRAPH方法,提出公共路径约减算法,并在此基础上,给出需求-用例调整算法,对需求及其对应的用例集进行优化。实验结果表明,该方法能降低处理的基数,提高用例设计的效率。     

日立整合在华业务 全力构建三网平台

2005年10月18日，日立（中国）有限公司信息通信部宣布，今后在秉承其“中国长期合作伙伴”的宗旨下，日立将联合日立（中国）有限公司，日立（中国）研究开发有限公司，盛立亚（中国）光网络系统有限公司第三家公司，     

大形变微分同胚图像配准快速算法

本文提出一种研究大形变图像配准算法. 大形变使得图像信息和拓扑结构有较大的改变, 目前该方面的研究仍然是一个难点. 基于严密数学理论的微分同胚Demons算法是图像配准的著名算法, 为解决大形变配准问题提供了重要基础. 基于对微分同胚Demons算法的研究结合流形学习的思想提出一种大形变图像配准的新算法(MRL算法). 新算法通过挖掘图像的局部和全局流形信息改进微分同胚Demons 速度场的更新, 更好地保持图像的拓扑结构. 对比实验结果表明, 本文所提出的算法能够快速高精度地实现大形变图像的配准.     

高维数据中鲁棒激活函数的极端学习机及线性降维

极端学习机(extreme learning machine,ELM)训练速度快、分类率高,已经广泛应用于人脸识别等实际问题中,并取得了较好的效果.但实际问题中的数据往往维数较高,且经常带有噪声及离群点,降低了ELM算法的分类率.这主要是由于:1)输入样本维数过高;2)激活函数选取不当.以上两点使激活函数的输出值趋于零,最终降低了ELM算法的性能.针对第1个问题,提出一种鲁棒的线性降维方法(RAF-global embedding,RAF-GE)预处理高维数据,再通过ELM算法对数据进行分类;而对第2个问题,深入分析不同激活函数的性质,提出一种鲁棒激活函数(robust activation function,RAF),该激活函数可尽量避免激活函数的输出值趋于零,提升RAF-GE及ELM算法的性能.实验证实人脸识别方法的性能普遍优于使用其他激活函数的对比方法.     

一种基于局部线性嵌入的多流形学习算法

针对局部线性嵌入算法在处理多流形数据时失效问题,提出一种新的基于局部线性嵌入的多流形学习算法.采用cam分布寻找数据点的近邻,避免了近邻选取方向的缺失;同时在获取重建权值矩阵的过程中引入一个正则项约束,从而降低了算法对噪声的敏感度.通过对分布在不同流形上的高维数据实验后发现改进算法具有很好的降维效果.为了进一步验证算法的有效性,将改进后的算法对COIL-20数据库进行图像检索,结果表明该算法不仅有较好的降维效果而且在多类别多形状流形学习中有很好的实用价值.     

人体运动分割算法:序列局部弯曲的流形学习

针对已有的基于流形学习的分割算法多采取全局或局部线性化的学习策略,无法解决序列数据的局部高曲率问题,利用数据的几何特征描述运动的连贯性,提出一种时序流形学习的人体运动分割方法.该方法根据序列数据的局部弯曲指标描述人体运动的连贯性,利用过渡片段数据局部弯曲较大的特点寻找分割点;通过滤波技术及分段线性近似算法对局部弯曲指标数据进行处理,结合降维后的特征曲线实现人体运动时间序列的分割.对CMU人体运动捕获数据库等的实验结果表明,文中方法是有效的.     

一种新的全局嵌入降维算法

目前大多数流形学习算法都以距离来度量数据间的相似度, 并取得满意的效果,但都难以处理噪音造成的子空间偏离.针对此问题, 提出了一种基于角度优化的全局降维算法.通过给出多样本增量的协方差阵更新方式, 从理论上证明了中心化样本长度与其偏离低维空间角度为子空间偏离的主要因素, 进而解决了噪音造成的子空间偏离问题.同时,与主成分分析相比, 能够更好地与其他算法融合解决小样本问题.实验证实了该算法在手工和真实数据集上的有效性.