非贪婪的鲁棒性度量学习算法

目的 度量学习是机器学习与图像处理中依赖于任务的基础研究问题。由于实际应用背景复杂,在大量不可避免的噪声环境下,度量学习方法的性能受到一定影响。为了降低噪声影响,现有方法常用L1距离取代L2距离,这种方式可以同时减小相似样本和不相似样本的损失尺度,却忽略了噪声对类内和类间样本的不同影响。为此,本文提出了一种非贪婪的鲁棒性度量学习算法——基于L2/L1损失的边缘费歇尔分析（marginal Fisher analysis based on L2/L1 loss,MFA-L2/L1）,采用更具判别性的损失,可提升噪声环境下的识别性能。方法 在边缘费歇尔分析（marginal Fisher analysis,MFA）方法的基础上,所提模型采用L2距离刻画相似样本损失、L1距离刻画不相似样本损失,同时加大对两类样本的惩罚程度以提升方法的判别性。首先,针对模型非凸带来的求解困难,将目标函数转为迭代两个凸函数之差便于求解;然后,受DCA（difference of convex functions algorithm）思想启发,推导出非贪婪的迭代求解算法,求得最终度量矩阵;最后,算法的理论证明保证了迭代算法的收敛性。结果 在5个UCI（University of California Irrine）数据集和7个人脸数据集上进行对比实验：1）在不同程度噪声的5个UCI数据集上,MFA-L2/L1算法最优,且具有较好的抗噪性,尤其在30%噪声程度的Seeds和Wine数据集上,与次优方法LDA-NgL1（non-greedy L1-norm linear discriminant analysis））相比,MFA-L2/L1的准确率高出9%;2）在不同维度的AR和FEI人脸数据集上的实验,验证了模型采用L1损失、采用L2损失提升了模型的判别性;3）在Senthil、Yale、ORL、Caltech和UMIST人脸数据集的仿真实验中,MFA-L2/L1算法呈现出较强鲁棒性,性能排名第1。结论 本文提出了一种基于L2/L1损失的鲁棒性度量学习模型,并推导了一种便捷有效的非贪婪式求解算法,进行了算法收敛性的理论分析。在不同数据集的不同噪声情况下的实验结果表明,所提算法具有较好的识别率和鲁棒性。     

HHZ新型旋流器提高粗颗粒充填尾砂产率的试验研究

进行了直径为100 mm的3种不同结构旋流器实验室研究,比较了多锥角的HHZ新型旋流器与标准的10°、20°旋流器的差异,以此为依据,设计了参数可变化的用于工业试验的多锥角旋流器HHZ150,并与CZ150旋流器进行了对比试验,研究证明了HHZ旋流器可以在直径、工艺条件相同时降低分离粒度,达到提高沉砂的固体产率、增加用于充填的粗颗粒尾砂产量的目的。     

微细粒低品位碳酸锰矿强磁选工艺研究

对某地微细粒低品位碳酸锰矿进行强磁选工艺试验,经强磁粗选,可获得品位和回收率分别为22 .64 %和51 .76 %的锰精矿,经疏水絮凝处理可将磁选精矿品位和回收率分别提高到23 .06 %和54 .89 %;经强化疏水絮凝处理,可获得品位和回收率分别为18 .80 %和10 .69 %的扫选精矿.     

浅谈《电子技能实训》的教学心得

文章从目前中职学校电子技能实训课程在教学上普遍存在的问题出发,探讨电子实训技能课程改革的有效方法与途径.     

水稻旱育秧苗床管理存在的问题及对策

通过对水稻旱育秧苗床管理现状的调查研究,剖析影响旱育秧生产苗床管理的多种制约因素,针对水稻旱育秧苗床管理现状存在的问题提出相应对策。     

阶段磨选磨矿粒度划分的理论分析与计算

从磨矿动力学出发, 提出了阶段磨选时磨矿粒度的划分方法, 将阶段磨矿的能耗问题转换成当量磨矿时间最小的数学问题, 通过分析磨矿时间与粗精矿产率的相互关系, 用数学方法回归磨矿动力学方程和粗精矿产率与磨矿粒度的数学关系, 提出了与磨矿能耗一致的当量磨矿时间概念, 以最小的总能耗划分磨矿粒度。借助于EXCEL可以实现两段、三段磨矿合理的磨矿粒度划分。以某一铁矿的阶段磨选为例, 对合理的两段、三段磨矿进行了计算, 得到了总能耗最小的磨矿粒度划分。     

有噪条件下的新类检测算法

针对有噪条件下新类检测性能较差的问题,提出一种基于核零空间判别局部保持投影算法(KNDLPP).首先通过核函数将样本隐式映射到高维特征空间,在核空间中利用距离加权机制对样本进行权重赋值,在保持局部结构的同时降低离群噪声样本的影响;然后利用样本类内零空间使同类样本坍塌为一点,实现对已知类分布的有效约简;最后基于零空间再求得使类间距最大化的变换矩阵,以上步骤得到一个判别性变换矩阵以刻画样本的分布信息、描述样本之间的相似性.该算法能刻画样本潜在结构,提升已知类与新未知类之间的判别性.在11个公开数据集上的实验结果表明,该算法是有效和鲁棒的,具有较好的新类检测性能.在局部保持性实验中,KNDLPP在4个UCI数据集上的整体平均AUC值为90.656％;在复杂结构保持性实验中,KNDLPP在Banana,Moon及3个UCI数据集上的整体平均AUC值为91.949％;在2个无噪高维数据集的新类检测实验中,KNDLPP平均AUC值为86.214％,高于次优算法4个百分点;在4个UCI数据集的4种有噪条件下,KNDLPP性能排名第1.     

盲小波算法在遥感图像去噪中的应用

根据盲信号分离原理和小波分析,提出了一种遥感图像去噪的盲小波算法,首先将遥感图像的个信号进行同深度小波分解,得到不同信号相应深度的小波系数和尺度系数,然后将小波系数进行软阈值法处理,并进一步对不同信号的同深度的小波系数和尺度系数进行盲分离,并提取与源信号相关的信号,最后通过信号重构估计源信号。这种将小波分析和盲信号分离技术有机结合的方法能够有效的消除遥感图像的噪声。通过对实际遥感图像的处理,并与其他去噪技术相比较,利用盲小波算法得到的结果更为理想。     

旋流器用于氧压酸浸闪锌矿磨矿前预先分级的试验研究

某冶炼厂使用立式砂磨机对二段浸出给矿进行开路磨矿, 但由于磨矿浓度低, 矿浆通过磨机时间短, 导致磨矿粒度偏粗, 影响浸出率。针对这一问题, 提出了使用分级旋流器预先分级的技术方案, 分级后的高浓度旋流器底流进入砂磨机磨矿。试验结果表明, 通过调节旋流器的结构与操作参数, 既可以获得用于浸出的粒度合格的溢流, 又可获得浓度大于50%的适合砂磨机磨矿的底流。旋流器预先分级能减轻磨机的负荷, 提高磨矿浓度, 有利于磨矿效率的提高和浸出率的改善。