大间距无监督正交特征提取算法

以主成分分析和局部保持投影为理论基础,提出了一种同时考虑数据样本的全局和局部特性的大间距无监督正交特征提取算法,算法的目标函数采用大间距准则,避免了由于矩阵求逆带来的小样本问题,同时为了进一步增强算法的识别性能,对所求取的投影矩阵进行了正交化约束,最后人脸库上的实验结果表明所提方法的有效性.     

一种用于人脸识别的有监督核化多类多流形ISOMAP算法

在核等测距映射（kernel ISOMAP）和多类多流形ISOMAP算法的基础上,提出一种针对人脸识别任务的有监督核化多类多流形ISOMAP算法.该算法保持了kernel ISOMAP算法的泛化特性,同时又能完成分类任务,解决了ISOMAP-C在对具有高维小样本特性的人脸数据集识别时,所要调整的神经网络权值数目将随输入维度呈指数增长,且易出现过拟合现象的问题.在多种人脸数据集上的实验结果表明了该算法的有效性,且对训练样本集的大小有较好的鲁棒性.     

基于Tri-training的入侵检测算法

半监督的双协同训练要求划分出的2个数据向量相互独立,不符合真实的网络入侵检测数据特征。为此,提出一种基于三协同训练(Tri-training)的入侵检测算法。使用大量未标记数据,通过3个分类器对检测结果进行循环迭代训练,避免交叉验证。仿真实验表明,在少量样本情况下,该算法的检测准确度比SVM Co-training算法提高了2.1%,并且随着循环次数的增加,其性能优势更加明显。     

三维网格模型水印自适应调节算法

为提高三维网格模型嵌入水印的透明性,提出一种基于模型局部几何特征的自适应水印强度调节算法。将网格模型分割为若干局部区域,根据各区域内几何数据的波动情况对水印嵌入强度进行调节。几何误差和视觉失真误差评价结果表明,与非自适应嵌入方法相比,该方法嵌入的水印透明性较高。     

检测识别跟踪分离的在线多样本视频目标跟踪

在视频目标跟踪中,经常出现“漂移”现象,且学习算法需要离线训练。为此,提出一种检测识别跟踪分离的在线多样本视频目标跟踪方法。利用多样本学习方法解决学习算法在更新过程中的内在不确定性,使用优于在线半监督的boosting方法解决“漂移”现象。实验结果表明,该方法鲁棒性较好,可以有效解决“漂移”现象,并能实时地完成在线跟踪。     

A Novel Sample Selection Method for Plant Resistance Gene Recognition

植物抗性基因识别中的从头预测方法可以看作机器学习中的分类问题.通常情况下,一个分类器的训练需要正确标记的正例和反例.然而,抗性基因识别中可用的信息仅有少数人工标记的抗性基因,且不具有抗性功能的基因也不明确.为了消除由于正例太少和错误的反例带来的抗性基因识别的影响,基于抗性基因和其他基因在蛋白质相互作用网中的距离,提出了一种新的样本选择方法,并对提出的样本选择方法和通常样本选择方法分别在四种分类器上进行了10倍交叉验证.结果表明,文中方法的SN值平均提高了6.9％,SP值平均提高了13.1％.因此,就敏感性和特异性而言,提出的方法获得了更高效、更可靠的结果.     

用阶梯样本提取受训MLP或SVM的输入输出关系

神经网络具有强大的函数拟合能力,但是,训练的结果是‘黑盒子'.采用构造阶梯样本、计算陡峭指数的方法,将受训多层感知器或支撑向量机的输入输出变量关系以直观的形式(阶梯图)反映出来.与传统方法比较,这种新的相关性分析方法能更充分地揭示样本中输入与输出变量间的非线性关系.在烟草行业单料烟模拟感觉质量评估的应用中,仿真试验验证了该方法的有效性与实用性.     

基于边界样本的训练样本选择方法

以入侵检测系统中的分类器设计为例，研究分类器训练样本选择问题。提出了一种大规模数据集的训练样本选择方法，首先通过聚类将训练数据划分成不同的子集缩小搜索范围；然后根据聚类内离散度和样本的覆盖区域选择样本，保留每个聚类的边界样本，删除内部样本。 即保留了典型样本，减少了训练样本数量，从而保证分类器的性能并且训练效率较高。     

一种改进的线性判别分析法在人脸识别中的应用

提出了一种新的基于LDA的人脸识别算法。该方法重新定义了样本的类间散布矩阵，在原始的定义基础上增加了一种径向基函数（RBF）调节类间距离，使得在选择投影方向时能更好地分升各类样本；同时该方法存类间散布矩阵与类内散布矩阵的特征分解的基础上，通过变换求出符合Fisher准则的最优投影方向，可以证明这样得到的投影方向同时具有正交性与统计不相关性。通过ORL人脸数据库的数值实验，表明了该算法比传统算法有更好的性能。     

基于TCP/IP的网络流量监测系统模型的研究

网络流量监测对网络的资源分布、容量规划、服务质量分析、错误监测与隔离、安全管理都十分重要,文中介绍了网络性能监测领域的研究现状,并在此基础上,提出了基于TCP/IP的网络性能监测模型,并阐释了实现该模型的关键技术。