自适应邻域选择的数据可分性降维方法

针对现有基于流形学习的降维方法对局部邻域大小选择的敏感性,且降至低维后的数据不具有很好的可分性,提出一种自适应邻域选择的数据可分性降维方法。该方法通过估计数据的本征维度和局部切方向来自适应地选择每一样本点的邻域大小;同时,使用映射数据时的聚类信息来汇聚相似的样本点,保证降维后的数据具有良好的可分性,使之实现更好的降维效果。实验结果表明,在人工生成的数据集上,新方法获得了较好的嵌入结果;并且在人脸的可视化分类和图像检索中得到了期望的结果。     

邻域参数动态变化的局部线性嵌入

局部线性嵌入是最有竞争力的非线性降维方法,有较强的表达能力和计算优势.但它们都采用全局一致的邻城大小,只适用于均匀分布的流形,无法处理现实中大量存在的非均匀分布流形.为此,提出一种邻域大小动态确定的新局部线性嵌入方法.它采用Hessian局部线性嵌入的概念框架,但用每个点的局部邻域估计此邻域内任意点之间的近似测地距离,然后根据近似测地距离与欧氏距离之间的关系动态确定该点的邻域大小,并以此邻域大小构造新的局部邻域.算法几何意义清晰,在观察数据稀疏和数据带噪音等情况下,都比现有算法有更强的鲁棒性.标准数据集上的实验结果验证了所提方法的有效性.     

一种邻域竞争线性嵌入的降维方法

针对局部线性嵌入算法处理稀疏数据失效的问题,提出一种基于邻域竞争线性嵌入的降维方法。利用数据的统计信息动态确定局部线性化范围,并采用cam分布寻找数据点的近邻,避免了近邻选取方向的缺失。在数据集稀疏的情况下,通过对数据点近邻做局部结构的提取,该算法能够很好地把握数据的局部信息和整体信息。为了验证算法的有效性,将该算法应用于手工流形降维和对Corel数据库进行图像检索等,结果表明该算法不仅有较好的降维效果,而且具有很好的实用价值。     

自适应邻域图的流形学习方法

针对目前流形学习方法的嵌入效果非常敏感于局部邻域的选取方式,提出一种自适应邻域图的非线性数据降维方法。该方法考虑数据点周围的点分布信息,自适应地寻找最近邻域大小。不同于传统的邻域选取方法,此方法根据样本点周围的疏密程度来动态地获得最近邻域数,且所得到的各个样本点的邻域数是不等的;将每个样本点与其最近邻点连接,构建自适应邻域图进行有效降维。在人工生成数据集和人脸数据上的仿真结果表明,提出的方法得到了良好的降维效果。     

基于局部线性加权的离群点检测方法

为了提高高维数据集合离群数据挖掘效率,在分析了传统的离群数据挖掘算法优点和缺点的基础上,提出了一种基于局部线性加权的离群点检测算法.该算法利用LLE算法的思想寻找样本数据的内在嵌入分布,并通过距离公式和离群点权值判别式进行权值数据判定,根据权值的大小标识出数据集中的离群点.仿真实验的结果表明了该方法能够有效地发现高维数据集中的离群点.与此同时,该算法具有参数估计简单、参数影响不大等优点.该算法为离群点检测问题的机器学习提供了一条新的途径.     

改进的非线性数据降维方法及其应用

局部线性嵌入算法（Locally Linear Embedding,LLE）是基于流形学习的非线性降维方法之一。LLE利用样本点的近邻点的线性组合对每个样本点进行局部重构,而不同近邻个数的选取会产生不同的重构误差,从而影响整体算法的实施。提出了一种LLE的改进算法,算法有效地降低了近邻点个数对算法的影响,并很好地学习了高维数据的流形结构。所提方法的有效性在人造和真实数据的对比实验中得到了证实。     

基于自适应邻域选择的正交局部敏感判别分析

维数灾难是机器学习算法在高维数据上学习经常遇到的难题,基于局部敏感判别分析(locality sensitive discriminant analysis,LSDA),可以很好地解决维数灾难问题.且LSDA构建邻域时不能充分反映流形学习对邻域要求和克服测度扭曲问题,利用自适应邻域选择方法来度量邻域,同时,引入施密特正交化获得正交投影矩阵,提出一种自适应邻域选择的正交局部敏感判别分析算法.在ORL和YALE人脸数据库上进行实验,实验结果表明了该算法的有效性.     

基于自适应近邻参数的局部线性嵌入

局部线性嵌入算法是一种有效的非线性降维方法。文中提出一种自适应的局部线性嵌入方法。该方法通过分析数据集中任意样本所在局部区域的线性重构误差,确定该局部区域的近似线性块,然后根据位于此局部线性块上的样本来选择局部线性嵌入的近邻参数。实验结果表明,在不同的数据集上,采用多个评价标准,自适应的局部线性嵌入方法相比普通的局部线性嵌入方法,取得更好的结果。     

一种邻域线性竞争的排列降维方法

局部线性嵌入算法以及局部切空间排列算法是目前对降维研究有着重要影响的算法, 但对于稀疏数据及噪声数据, 在使用这些经典算法降维时效果欠佳。一个重要问题就是这些算法在处理局部邻域时存在信息涵盖量不足。对经典算法中全局信息和局部信息的提取机制进行分析后, 提出一种邻域线性竞争的排列方法（neighborhood linear rival alignment algorithm, NLRA）。通过对数据点的近邻作局部结构提取, 有效挖掘稀疏数据内部信息, 使得数据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。     

融合LLE和ISOMAP的非线性降维方法

局部线性嵌入（LLE）和等距映射（ISOMAP）在降维过程中都只单一地保留数据集的某一种特性结构, 从而使降维后的数据集往往存在顾此失彼的情况。针对这种情况, 借助流形学习的核框架, 提出融合LLE和ISOMAP的非线性降维方法。新的融合方法使降维后的数据集既保持着数据点间的局部邻域关系, 也保持着数据点间的全局距离关系。在仿真数据集和实际数据集上的实验结果证实了该方法的优越性。     

ADAPTIVE METHOD FOR IMAGE SEGMENTATION BASED IN LOCAL FEATURE

Abstract

This paper presents a method for finding a threshold surface that fits each region of the image and allows separation of objects from background. A surface threshold is determined by interpolating die gray levels at points where there is a high gradient, corresponding with object boundaries. The gradient map and die gray-level distribution give the necessary information for calculating an adaptive threshold level at each point of the image that allows successful segmentation of images in which object-background boundaries are well defined. This method has been tested successfully in different applications of artificial vision oriented to object manipulation by robots and die measurement of wood volume carried by trucks in a cellulose factory.     

基于自适应局部二值模式的纹理特征提取方法

局部二值模式(local binary pattern, LBP)是一种简单有效的纹理特征描述符,但是存在对噪声缺乏鲁棒性以及编码过程中信息缺失的问题。针对该问题提出基于自适应阈值的带方向的完整局部二值模式(adaptation threshold complete local binary pattern with direction,DAT-CLBP)。提出一种自适应阈值选取方法和判别条件,通过判别条件,从自适应邻域像素中值和中心像素值中选取一种作为LBP编码时的阈值;计算邻域像素和阈值的差分的幅值,并以幅值最小点为起点,从小到大地计算局部邻域的二值模式。在通用纹理库上运行算法,统计两种阈值的发生率,证明了采取自适应阈值的必要性。以纹理库上添加了不同程度的椒盐噪声的纹理图像为样本实验,结果表明算法能更好地描述纹理,同时也对椒盐噪声具有鲁棒性。     

二维局域连接神经网络

本文提出了一种具有局域连接特性的二维神经网络模型,有效地克服了Hopfield种经网络因完全连接而带来的若干缺陷,并给出了相应的学习算法及用此神经网络记忆和识别26个英文字符的模拟结果.     

无局部存储器线性阵列的综合

自８０ 年代末,处理器阵列研究的一个新方向是设计线性阵列．但是,目前文献中还没有提出一个实用的线性阵列设计方法．线性阵列可以分为有局部存储器线性阵列和无局部存储器线性阵列两类．在“有局部存储器线性阵列的综合”一文中,提出了一个运算时间最优的有局部存储器线性阵列的设计方法．作为续篇,文中将提出一个运算时间最优的无局部存储器线性阵列的设计方法     

工业彩色图像的局部自适应滤波

针对工业彩色图像的特点和实时性较高的要求,提出了简单的局部自适应滤波方法。该方法可以按照设定参数自动选择局部灰度平稳区,根据选定领域范围内像素的统计特性来判断中心像素的类型,可以较为准确地区分背景点、脉冲噪声点和边界点。结合邻域大小和类型,设计了不同的滤波模板。该方法不需人为选定待滤波区域,效果较好,且运算时间短,满足实时要求。     

有局部存储器线性阵列的综合

自８０年代末,处理器阵列研究的一个新方向是设计线性阵列。在这方面,Ｌｅｅ和Ｋｅｄｅｍ作出了开创性工作,他们提出了一个线性阵列模型及一组正确设计应满足的条件,但是,至今文献中还没有提出一个实用的线性阵列的设计方法,按照Ｌｅｅ－Ｋｅｄｅｍ线性阵列模型,根据处理单元是否有局部存储器,线性阵列可以分为两类,对此,作者通过引入一个刻画算法的新参数－路径函数,提出上一个实用的,运算时间最优的有局部存储器线性阵     

基于自适应局部阈值的交互式图像分割

目前比较主流的交互式图像分割技术,对用户的输入位置和输入量比较敏感,而且用户的输入具有试探性,所以为了得到满意的分割结果,用户不得不多次调整自己的输入,比较繁琐。针对这种不足,提出一种新的交互式图像分割方法。首先采用基于自适应局部阈值的图像分割算法,生成一系列同质区域,并描绘出其轮廓;然后用户用不同颜色,粗略标记出组成不同目标的区域集;最后通过合并同色标记的区域集,完成图像分割。实验结果表明,该算法不仅满足用户对交互式图像分割输入更直观、结果更准确的需要,同时方便地实现了多区域多目标的图像分割。     

DECENTRALIZED ROBUST ADAPTIVE CONTROL FOR CONTINUOUS-TIME LINEAR PLANTS

Results on robustness of continuous-time decentralized adaptive control using a relative deadzone are given for the situation of many adaptive systems interacting through inputs and outputs subject to static memoryless nonlinear actuators. Stability is preserved by the use of a deadzone function in each adaptation loop. Augmented adaptation error signals taking account of the input deviations from linearity may be used to adapt the adaptive algorithm deadzone to the relative changes of the adaptation error with respect to the estimated unmodeled dynamics contribution.     

线性离散时变系统的鲁棒自适应控制

利用滑模控制的概念,提出一种线性离散时变系统的自适应控制设计方法.在等价控制信号外,用两个补偿项代替切换信号,避免了传统滑模控制中的抖动现象.文中证明了自适应闭环系统的稳定性.     

线性时变系统的模型参考自适应控制

1　引言近年来 ,对时变系统的自适应控制的研究已取得了较大的进展 .一些学者研究了慢时变[1 ] 、周期时变[2 ] 和已知变化结构的快时变对象的自适应控制系统 .在快时变对象参数的变化结构为已知的前提下 ,文献 [3]中的自适应控制方案可以保证对任意有界初始条件下闭环内所有信号的有界性 ,但系统响应缓慢、自适应时间长、震荡很大 .本文针对线性时变系统提出一种新的模型参考自适应控制方案 .这种控制方案可用于对象参数的变化结构已知的快时变系统 .文中分析了该系统的稳定性 ,与文献 [3]相比 ,本文方案在仿真实例中明显提高系统动态性能 …