基于张量模式的特征提取及分类器设计综述

摘要：(高阶)张量模式作为传统向量模式的扩展和补充,近年来已引起机器学习、模式识别等领域的广泛关注.对现有张量型学习算法进行总结:针对向量模式表示存在的问题,讨论了设计张量型学习算法的必要性和重要意义;从特征提取和分类器设计2个层面,对现有张量型学习算法进行分类和汇总,并着重从多线性投影方式出发,讨论了其内在联系及优缺点;分析了张量模式与向量模式表示间的本质关系及各自优势;探讨了张量型学习算法有待解决的问题及可能的研究趋势.     

3-PRRU并联机构自由度分析

3-PRRU并联机构具有2个转动和1个移动自由度,是少自由度并联机构中的一个重要分支,具有较大的应用潜力。运用几何代数对3-PRRU并联机构进行自由度分析。首先用几何代数表示了分支和动平台的运动空间;然后通过对分支运动空间求交得到动平台的运动空间,该运动空间的基给出了3-PRRU并联机构自由度的符号表达式。使用几何代数方法所得结果具有几何直观性,且不需要对机构进行约束分析,运算更为简捷。     

基于CNN特征空间的微博多标签情感分类

面对微博情感评测任务中的多标签分类问题时,基于向量空间模型的传统文本特征表示方法难以提供有效的语义特征。词向量表示能体现词语的语法和语义关系,并依据语义合成原理构建句子的特征表示。本文提出一个针对微博句子的多标签情感分类系统,采用经过有监督情感分类学习后的卷积神经网络(Convolution Neural Network, CNN)模型,将词向量合成为微博句子的向量表示,使得此CNN特征空间中的句子向量具有很好的情感语义区分度。在2013年NLPCC(Natural Language Processing and Chinese Computing)会议的微博情感评测公开数据集上,相比最优评测结果的宽松指标和严格指标,本系统的最佳分类性能分别提升了19.16%和17.75%;相比目前已知文献中的最佳分类性能,则分别提升了3.66%和2.89%。     

基于模式识别的计算机辅助零件分类系统设计

基于模式识别的计算机辅助零件分类系统 ,可以对零件进行迅速、准确地分类。这种分类方法不需要进行人工编码 ,故使分类过程更加简单 ,同时也避免了人的主观因素对分类的影响。系统中所用的参考模式起着一个聚类核心的作用 ,使分类更加准确 ,并可由一个空间向量来表示。该参考模式应用模糊聚类分析法进行运算 ,它虽然不代表任何零件 ,但却能反映零件组中诸特征的分布。作者交替运用聚类分析与模式识别法 ,并结合工厂的实际情况 ,取得了很好的分类效果。     

基于色度学空间的多元图表示

针对传统的多元图表示可以表示信息在空间中的几何分布,但无法表示类别概率的缺点,本文提出基于色度学空间的彩色多元图表示。在保留传统多元图表示优点的基础上,集成了色度学维度,利用色度混合原理表示不同类别数据在空间点所占的比例,有利于通过直观的视觉认识类别分布信息以及引入图像处理方法。比传统的多元图表示更适合可视化模式识别的应用。     

有限维线性空间中基的具体求法

m个n维（m〈n）线性无关向量组,如何扩充为TI维线性空间V的一组基,高等代数与线性代数教材中并没有给出具体有效的方法。为此,先把待扩充的向量组用线性空间V的坐标基线性表示,然后在其表示式的系数矩阵中寻找一个m阶非零子式,则可以立即得到由“一优个坐标向量和原向量组组成的”维线性空间V的一组基。     

两条代数曲线间Hausdorff距离的计算

Hausdorff距离是计算几何中的重要概念之一,由于Hausdorff距离是一个极大极小距离,所以我们可以根据两个物体之间的Hausdorff距离来测量它们的相似或者不匹配程度.Hausdorff距离在计算机图形学研究、计算机辅助几何设计、模式识别、图像处理、地形辅助导航系统和运动物体视觉分析中得到广泛应用.前人有关Hausdorff距离的工作基本上都是在参数曲线曲面的范围内解决的.由于代数曲线的特殊性,一般很难进行参数化导致代数曲线的Hausdorff距离计算问题一直未得到解决.笔者借助于区间算术和细分算法针对代数曲线之间的Hausdorff距离计算问题提出了一种新的解决方法.     

关于不变子空间问题的否定解

用代数方法进一步简化了不变子空间问题的否定解,在l1上给出了一个不具有非平凡的不变子空间的有界性算子。特别是用向量的坐标计算代替了某些向量的范数估计,用一些简单的代数运算代替了紧空间技巧。     

关于凸分析中代数闭包和向量闭包的概念研究

研究了线性空间中代数闭包和向量闭包的关系,给出了凸集的代数闭包是凸集的新证明,利用代数闭包与向量闭包的关系,得到了一个涉及向量闭包的分离定理。     

几何代数及其在摄动Kepler问题中的应用

为避免卫星轨道摄动分析过程中多种代数系统繁琐的相互转换,创新性地引入几何代数系统,在统一的代数框架内研究摄动开普勒问题.利用几何代数体系中的位置空间与旋量空间之间的转换关系,将摄动Kep ler方程转化为线性、正则的旋量方程(简称KS方程),并给出Kep ler旋量方程的解.最后,通过与传统方法比较,说明几何代数这种新工具在卫星轨道运动中应用的独特优势.     

面向人体动作识别的局部特征时空编码方法

为克服BoF特征袋模型在视频人体动作识别中忽视局部特征间时空位置关系的问题,本文提出局部特征时空编码方法。将局部特征时空位置坐标引入特征编码中,直接对它们的时空位置关系建模。首先,将局部特征投影到人体运动子时空域,获得局部特征的时空位置坐标;然后,在特征编码阶段同时对局部特征的出现信息和时空位置坐标进行编码;最后,采用特征池提取该时空域内局部特征的统计信息用于动作分类。为进一步提高性能,多尺度时空编码和局部约束时空编码方法也一并被提出,并在分类阶段采用局部约束块稀疏表示分类方法提高动作识别精度。在KTH, Weizmann, UCF sports等标准测试集的实验表明,本文算法能够有效表示局部特征间时空位置关系、提高动作识别精度。     

基于数学规则的龟背纹自动生成方法

龟背纹是一种中国民间装饰纹样,一般为六角形连续状几何纹样。通过分析龟背纹的构图规则,提出了一种传统民间纹样生成算法。首先分析了龟背纹的最基本组成元素——图元,根据不同图元的对称性获得了组成图元的基本要素;然后通过旋转基本要素获得图元,平铺图元后获得整个龟背纹图案。通过定义符号,将图元生成流程参数化,获得了一般龟背纹的通用生成公式。仿真实验结果表明,通过调节生成公式参数,可生成具有不同细节的龟背纹样。     

一种基于CMAC神经网络的板形模式识别新方法

针对传统的板形识别模型在识别板形时,由于板宽的变化需要不同拓扑结构的神经网络才能完成板形模式识别任务,网络学习工作量大,网络存在收敛速度慢,易陷入局部极小等结构性能不佳的问题,建立了一种新的基于CMAC神经网络的板形模式识别模型。该模型利用欧式距离差得到网络的输入神经元,并在权值更新算法中引入了动态学习率。通过仿真实验表明该方法简单、实用,识别精度较高,克服了传统的识别模型的缺点和不足,有效地提高了板形模式识别模型的速度和精度。     

模式分类中的特征融合方法

特征融合方法是模式识别领域的一种重要方法.计算机视觉领域的图像识别问题作为一种特殊的模式分类问题,仍然存在很多挑战.特征融合方法能够综合利用多种图像特征,实现多特征的优势互补,获得更加鲁棒和准确的识别结果.笔者基于信息融合理论分析了特征融合方法的原理,介绍了特征融合方法的研究现状,讨论了特征融合与3类主流基础理论相结合的方法,其中基于贝叶斯理论的特征融合算法可以实现多特征的融合决策,基于稀疏表示理论的特征融合算法能够得到多特征的联合稀疏表示,基于深度学习理论的特征融合算法能够强化深度神经网络模型的特征学习过程.     

Application of extension neural network to safety status pattern recognition of coal mines

In order to accurately and quickly identify the safety status pattern of coalmines,a new safety status pattern recognition method based on the extension neural network (ENN) was proposed,and the design of structure of network,the rationale of recognition algorithm and the performance of proposed method were discussed in detail.The safety status pattern recognition problem of coalmines can be regard as a classification problem whose features are defined in a range,so using the ENN is most appropriate for thi...     

一种梯度方向直方图的人耳识别方法

为了提高多姿态人耳的识别准确率,提出了一种结合梯度方向直方图（H（）G）特征和监督保局投影的人耳识别方法．人耳图像被划分成重叠的子区域,在每个子区域中计算局部HOG特征．所有的局部HOG特征构造成包含丰富信息的高维向量,高维向量映射到流形空间利用监督保局投影进行鉴别分析,获得强鉴别力的特征．利用最小欧氏分类器进行分类识别．结果表明,本文方法提高了大姿态人耳的识别率．稀疏的子区域表示和局部HOG特征能在一定程度上克服姿态变化造成的对齐误差,对角度变化有很好的鲁棒性．     

多维多分辨仿生识别方法及其应用

提出了一种多维多分辨仿生识别新方法,该方法首先利用多分辨分析方法建立样本特征空间的多分辨表示,继而通过方向梯度描述符,建立样本特征的多分辨鲁棒表示;然后根据多个同类样本的自组织映射聚类和距离映射分布构建同类样本的最优多维空间拓扑覆盖;最后通过多尺度融合识别决策判定待测试样本是否属于相应的样本空间拓扑覆盖,从而实现样本识别。为了验证该方法的有效性,将该方法应用于虹膜识别,并基于JLUIRIS数据库测试其识别效果,实验结果表明,该方法可有效实现虹膜识别。