基于结构化遮挡编码和极限学习机的局部遮挡人脸识别

提出使用结构化遮挡编码（SOC）结合极限学习机（ELM）的算法来处理人脸识别中的遮挡问题。首先，使用SOC去除图像上的遮挡物，将遮挡物体与人脸分离开；同时，通过局部性约束字典（LCD）来估计遮挡物的位置，建立遮挡字典和人脸字典。然后，将建立好的人脸字典矩阵进行归一化处理，并利用ELM对归一化的数据进行分类识别。最后，在AR人脸库上进行的仿真实验结果表明，所提方法对不同遮挡物和不同区域遮挡的图像具有较好的识别率和鲁棒性。     

面向模式的文本数据描述模型

实际应用中常有从非结构化文本中提取符合指定模式信息的需求。在分析了使用正则表达式处理这类问题的缺陷之后,提出了一种面向模式的文本数据描述模型,将模式分为终端模式、结构体模式、联合体模式和数组模式,并详细介绍了各模式在文本匹配以及数据映射中的作用,最后通过相应的示例演示了模型的结构性与便利性。     

粘胶短纤市场的五个预判

近期,新冠肺炎疫情发展牵动人心,其对纺织业的影响也颇受关注。2019年年底笔者曾对2020年化纤行业走势作出预判:从2019年纺织原料产业运行情况看,化纤类产品处于库存增长期,在这段时间内如果下游纺织板块结构化调整速度有限,则2020年化纤类产品的库存仍然会呈现增长的状态。     

天然气水合物的开采方法及困境

我国对天然气水合物研究取得了一批重要成果,已步入世界先进水平。但目前天然气水合物的开发仍受到理论认知、开采方案、关键技术、安全环保、开采成本等方面的制约而难以实现规模化的商业开采。文章概述了目前关于可燃冰开采的几种方法及其优缺点,并对开采困境作出了阐述,对开发前景做了展望。     

面向多源数据的可扩展主题建模分析框架

随着信息技术的不断发展和应用,大量信息系统积累了海量多源异构数据,这些数据中有很大一部分都是结构化数据,具有高维度、低质量、无标注等特点,难以进行特征提取与进一步的知识提炼。主题建模是文本处理和数据挖掘中的一个非常重要的方法,它是一种无监督学习算法,最初用于对无结构的自然语言文本进行建模,可以有效地从文本语义中提取主题信息,以进行特征提取和降维分析,然而主题建模技术尚不能很好应用在关系复杂的多源数据,尤其是结构化数据的处理中。提出了一个基于可扩展主题建模技术的针对结构化与非结构化多源数据分析框架,通过数据导入、数据分析、数据可视化三个步骤对多源数据进行基于主题建模技术的数据分析,并在此基础上实现了一个多源数据分析工具,最后通过两个数据集的实验证明了所提的多源数据分析框架的有效性。     

结构化加权稀疏低秩恢复算法在人脸识别中的应用

针对训练样本或测试样本存在污损的情况，提出一种结构化加权稀疏低秩恢复算法（structured and weighted-sparse low rank representation，SWLRR）。SWLRR对低秩表示进行加权稀疏约束和结构化约束，使得低秩表示系数更加趋近于块对角结构，进而可获得具有判别性的低秩表示。SWLRR将训练样本恢复成干净训练样本后，再根据原始训练样本和恢复后的训练样本学习到低秩投影矩阵，把测试样本投影到相应的低秩子空间，即可有效地去除测试样本中的污损部分。在几个人脸数据库上的实验结果验证了SWLRR在不同情况下的有效性和鲁棒性。