标架丛上的局部特征联络学习算法

人脸识别问题中,经常会面临样本少的情况,在身份证识别、电子护照识别等系统中,甚至只有一个训练样本,很多传统人脸识别方法在处理单样本时将失效。从流形学习角度出发提出了一种有效解决单样本人脸识别的方法。以自组织映射神经网络为基础,将人脸局部特征(眼、鼻、嘴等)视为一个流形,训练出多流形结构。利用联络关联不同的流形,同时学习出局部特征流形间与流形内的方向变化信息,再进行有监督的训练。整个方法结合了神经网络学习和流形学习,将单样本人脸识别问题转换成多流形匹配问题。在著名人脸库ORL、UMIST、FERET、AR上的实验显示该算法在处理单样本问题时优于已有算法,在处理姿态、表情等变化问题时也表现出很好的效果。     

基于虚拟样本图像集的多流形鉴别学习算法

为了丰富训练样本的类内变化信息,提出了基于通用训练样本集的虚拟样本生成方法。进一步,为了利用生成的虚拟样本中的类内变化信息有效地完成单样本人脸识别任务,提出了基于虚拟样本图像集的多流行鉴别学习算法。该算法首先将每类仅有的单个训练样本图像和该类的虚拟样本图像划分为互补重叠的局部块并构建流形,然后为每个流形学习一个投影矩阵,使得相同流形内的局部块在投影后的低维特征空间间隔最小化,不同流形中的局部块在投影后的低维特征空间中间隔最大化。实验结果表明,所提算法能够准确地预测测试样本中的类内变化,是一种有效的单样本人脸识别算法。     

基于自适应邻域选择的局部判别投影算法

在多模数据分类中,使用局部Fisher判别分析和边界Fisher分析方法构建邻域不能充分反映流形学习对邻域的要求.为此,提出一种基于自适应邻域选择的局部判别投影算法.采用自适应方法扩大或者缩小近邻系数k,以构建邻域,从而保持局部线性结构,揭示流形的内在几何结构,利用局部化方法使得投影空间中同类近邻样本尽量紧凑、异类近邻样本尽量分开.在ORL和YALE入脸数据库中进行实验,结果表明,在不同训练样本个数下,该算法均能获得较高的识别率.     

正交判别的线性局部切空间排列的人脸识别

为了将线性局部切空间排列算法发展为有监督的学习算法,提出了一种正交判别的线性局部切空间排列算法.该算法首先利用样本数据的类别信息计算类间散度矩阵,然后再通过对原算法的目标函数进行修改来建立新的优化问题.在解出投影子空间的基础上,再通过进行正交化来得到投影的正交子空间.在两个标准人脸数据库上进行的实验表明,由于该算法使用了局部切空间来表示数据样本所在流形的局部几何结构,不仅融合了判别信息和正交化技术,并且兼顾了局部几何结构和判别结构的保持,因此提高了识别能力.     

基于特征子空间邻域的局部保持流形学习算法*

局部保持流形学习算法通过保持局部邻域特性来挖掘隐藏在高维数据中的内在流形结构。然而,对于缺乏足够训练样本的高维数据集,或者高维数据集存在非线性结构和高维数据特征中存在冗余、干扰特征,使得在原特征空间中利用欧式距离定义的邻域关系并不能真实反映数据的内在流形结构,从而影响算法的性能。提出利用正约束寻找特征子空间的方法,使得在此子空间中更多的同类样本紧聚,并进一步在该子空间中构建邻域关系来挖掘高维数据的内在流形,形成基于特征子空间邻域特性的局部保持流形学习算法(NFS-LPP和NFS-NPE)。它们在一定程度上克服了高维小样本数据集难以正确挖掘内在流形结构的问题,在Yale和ORL人脸库上的分类和聚类实验验证了其有效性。     

不确定性研讨信息的结构化与融合方法

基于流形正则化框架提出一种分类算法(MLD-RLSC),以解决高维文档分类问题。该算法通过构建训练样本的最近邻图来估计数据空间的几何结构并将其作为流形正则化项,结合多变量线性回归获得高维文档的低维流形结构,并采用k近邻分类器对低维流形进行分类,得到针对多类问题的分类器。该算法能够充分利用训练样本的类别信息来帮助学习以提取有效特征。通过在Reuters-21578数据集上的实验,证明该算法的分类性能和运行速度比传统分类器有较大的提高。     

泛化改进的局部切空间排列算法

改进的局部切空间排列(ILTSA)算法解决了当样本稀疏、分布不均匀或数据流密度曲率变化较大时,局部切空间排列算法不能揭示流形结构的问题,用于人脸识别能提取更好的低维特征,但不能有效处理不断增加的数据集的问题。为此,提出一种可泛化的ILTSA(GILTSA)算法。结合类别信息定义样本间的距离实现各样本的近邻集选择,基于ILTSA算法求解训练样本集的低维流形,对每个新样本寻找其在训练样本集中的最近邻,然后根据ILTSA算法原理求得其近似低维流形。在ORL、Yale和埃塞克斯大学人脸库上的实验结果表明,与主成分分析算法和线性局部切空间排列算法等相比,GILTSA算法具有更好的识别率。     

基于全局不相关的多流形学习

为提升人脸识别算法的鲁棒性,减少判别信息的冗余度,提出基于全局不相关的多流形判别学习算法(UFDML)。使用特征空间到特征空间的距离,学习样本局部判别信息,提出全局不相关约束,使提取的判别特征是统计不相关的。在Yale,AR,ORL人脸库上的实验结果表明,与LPP(局部保持投影)、LDA(线性判别分析)、UDP(非监督判别投影)等人脸识别算法相比,所提算法的平均识别率高于其它算法,验证了其有效性。     

基于成对约束的非线性维数约减框架

半监督维数约简是指借助于辅助信息与大量无标记样本信息从高维数据空间找到一个最优低维判别空间,便于后续的分类或聚类操作,它被看作是理解基因序列、文本与人脸图像等高维数据的有效方法。提出一个基于成对约束的半监督维数约简一般框架（SSPC）。该方法首先通过使用成对约束和无标号样本的内在几何结构学习一个判别邻接矩阵;其次,新方法应用学到的投影将原来高维空间中的数据映射到低维空间中,以至于聚类内的样本之间距离变得更加紧凑,而不同聚类间的样本之间距离变得尽可能得远。所提出的算法不仅能找到一个最佳的线性判别子空间,还可以揭示流形数据的非线性结构。在一些真实数据集上的实验结果表明,新方法的性能优于当前主流基于成对约束的维数约简算法的性能。     

基于补集零空间与最近空间距离的人脸识别

针对人脸识别中在分类器判别时没有充分利用类间差异的问题,提出一种补集零空间（CNS）算法,并进一步提出结合CNS算法与最近空间距离的人脸识别算法——补集零空间与最近空间距离算法（CNSD）。首先,在训练样本中,对每一种类别的人脸样本,构建其子空间并计算其补集的零空间;其次,计算测试样本与所有子空间和补集零空间的距离,找到最小的子空间距离与最大的补集零空间距离对应的类别,将其判别为测试样本的类别。算法在ORL与AR人脸数据集上进行了测试,当训练样本数较小时,CNS算法与CNSD算法识别率远高于最近邻分类器（NN）算法、最近空间距离（NS）算法、最近最远空间距离（NFS）算法;训练样本数较大时,CNS算法与CNSD算法识别率也略高于NN算法、NS算法、NFS算法。实验结果表明,所提算法能充分利用图像的类间差异,提高人脸识别的成功率。     

社区庭院中公共空间和私密空间的融合

社区不是一个单个空间的累加,而应该是一个适宜生活的场所。公共空间和私密空间是社区庭院的两个重要的因素。两者之间的关系对社区的生活有着很大的影响。社区感是对社区的认同,包括两个方面的内容,一个是归属感;一个是与社区内居民的情感。公共空间和私密空间的设计规划,会直接影响社区感的形成。     

住宅室内空间设计——别墅室内外空间设计浅谈

近年来人们的生活质量有了较大的提升,不同职业、身份及家庭背景的业主对于居住质量和空间的形态和配置会提出不同的要求。因此设计师必须协助业主一起思考关于家庭与生活在住宅空间中的处境和所面临的问题。本文分析了住宅室内空间设计的设计观念以及在别墅规划设计中的空间构成和室内外空间设计的重要性,以及别墅室内外空间设计存在的一些问题,从几个方面探讨室内外空间设计应注意的问题,从设计的角度提出可能解决问题的方法。     

AutoCAD图形的打印输出技巧

针对AutoCAD使用者出图时所遇到的问题,提供了两种不同的解决方法.     

面向空间监视应用的空间目标数据库的建立

阐述了面向空间监视应用的空间目标数据库的建立技术与方法,并给出了它在空间监视的目标分类、识别应用中的样例。     

空间信息数字图书馆元数据系统研究

本基于分布式GIS系统的技术体系，结合无数据技术，空间数据仓库技术，提出了可操作的空间数字图书馆元数据模型及数据管理模型。     

基于HSV与YCrCb颜色空间进行肤色检测的研究

对肤色检测所适用的颜色空间进行研究,通过对比HSV和YCrCb颜色空间进行肤色识别的受亮度影响的程度,通过数据得出哪一种颜色空间更加适合进行肤色检测。     

UNIX系统内核信息的获取方法

本文提出了一种在用户层获取ＵＮＩＸ系统内核信息的方法，并介绍了笔者用这种方法实现的一个获取ＵＮＩＸ系统中的索引结点表的实用程序。     

基于类别空间模型的文本分类系统的设计与实现

从理论和应用的角度对文本信息的分类方法进行研究,提出类别空间模型的概念,用于描述词语和类别之间的关系,并实现了基于类别空间模型的文本分类系统。通过实验表明,该系统有效地提高了文本分类的正确率。     

基于参考点选择策略的改进型NSGA-III算法

针对多目标进化算法忽视种群在决策空间的分布信息,未考虑待优化问题Pareto前沿形状的问题,文中提出基于参考点选择策略的改进型NSGA-III算法.首先,根据种群在决策空间的分布特征,借助信息论中的熵思想,计算相邻两代种群的熵差,判定种群的进化阶段.然后,根据种群在目标空间的分布特征,借助参考点关联个体数目的统计信息,评估参考点的重要性.最后,在种群进化的中后期,依据参考点的重要性特征剔除冗余的无效参考点,使保留的参考点适应种群规模与Pareto前沿面,利用筛选后的参考点引导种群进化方向,加快算法收敛及优化效率.在测试函数集上的对比实验表明,文中算法在收敛性和分布性上均较优.     

航天装备测试技术现状与发展

航天装备测试技术是航天工程项目顺利实施的基础保证,其可靠性和高效性直接关系到任务的成功与否;针对航天任务高时效性、高可靠性、高环境适应性要求,文章系统分析了航天装备测试技术在“快”、“全”、“稳”、“准”4个领域面临的挑战,然后从通用化、信息化、智能化方面对国内外航天装备测试技术发展现状进行了梳理和分析,进而预测了其发展趋势,即基于先进传感网络技术的高效全面检测、基于云技术和边缘计算的测试信息融合利用,以及融合大数据与人工智能的健康管理技术;最后,围绕测试体系标准化建设、数据智能应用、发展国产化航天装备测试系统等问题对我国航天装备测试领域发展提出了几点建议。