基于支持向量机的特征提取方法研究

基因表达数据的一个重要应用是给组织样本进行分类。在基因表达数据中,基因的数量相对于数据样本的个数通常比较多;也就是说,可以得到变量数（基因数）远远大于样本数的数据矩阵。过高的维数（变量或基因数）将给分类问题带来极大的挑战。本文提出结合一种新的特征提取方法——非相关线性判别式分析方法（ULDA）和支持向量机（SVM）分类算法,对结肠癌组织样本进行分类识别。并同其它方法作了比较研究,结果表明了该方法的可行性和有效性。     

过敏原肌质钙结合蛋白在毕赤酵母中的表达、优化及免疫反应性研究

目的 探究天然肌质钙结合蛋白(sarcoplasmic calcium binding protein, SCP)的可替代物,为蟹类过敏原的检测提供基础材料,本研究首次利用毕赤酵母(Pichia pastoris, P. pastoris)高效表达表达三疣梭子蟹(Portunus trituberculatus)重要过敏原SCP,并检验其免疫反应性。方法 根据毕赤酵母的密码子偏好性优化SCP基因并构建重组质粒。将其热激转化至P. pastoris GS115菌株后经遗传霉素(Geneticin, G418)筛选获得阳性高拷贝子。最后通过甲醇诱导表达重组SCP并结合免疫印记(Western blotting, WB)和间接酶联免疫吸附实验(enzyme-linked immunosorbent assay, ELISA)验证其免疫反应性。结果 SCP在P. pastoris GS115中实现了可溶性高效表达,其表观分子量约为28 kDa。在摇瓶水平下,最佳诱导条件为pH为6.0、每24 h添加1.0%(v/v)甲醇,于28℃发酵144 h,在此条件下,纯度为91.6%的SCP产量可达15 mg/L。WB和间接ELISA结果表明,重组SCP具有IgG结合能力。结论 毕赤酵母表达系统可以得到纯度较高且免疫反应性良好的重组SCP。本研究为SCP的理化研究及产业化应用奠定了基础,并有望促进特异性甲壳类过敏原检测的发展。     

基于人脸关键特征提取的表情识别

自然场景下人脸表情由于受遮挡、光照等因素影响,以及表情局部变化细微,导致现有人脸表情识别方法准确率较低。提出一种人脸表情识别的新方法,以ResNet18为主干网络,利用残差连接模块加深网络结构,以提取更多深层次的表情特征。通过引入裁剪掩码模块,在训练集图像上的某个区域进行掩码,向训练模型中增加遮挡等非线性因素,提升模型在遮挡情形下的鲁棒性。分别从特征图的通道和空间两个维度提取表情的关键特征,并分配更多的权重给表情变化明显的特征图,同时抑制非表情特征。在特征图输出前加入Dropout正则化策略,通过在训练中随机失活部分神经元,达到集成多个网络模型的训练效果,提升模型泛化能力。实验结果表明,与L2-SVMs、IcRL、DLP-CNN等方法相比,该方法有效提高了表情识别准确率,在2个公开表情数据集Fer2013和RAF-DB上的识别准确率分别为74.366%和86.115%。     

基于加权混合融合变形的虚拟人情感表达

随着相关技术的发展,基于虚拟现实的人机交互技术越来越受到人们的关注。虚拟人作为一种直观的交互对象,在虚拟现实环境中扮演着十分重要的角色。在构建富有亲和力的虚拟人的过程中,制作虚拟人情感表达不可或缺。目前,主流的三维虚拟人情感表达主要依赖设计师手动制作面部表情动画,过程冗长,耗时费力。针对上述问题,该研究提出一种基于加权混合融合变形的虚拟人情感表达生成方法。该方法可以基于任意给定人脸表情图像,估计出三维虚拟人的目标混合形状(blendshape)的系数,进而自动化生成三维人类表情动画。实验结果表明,该方法具有较强的通用性和可迁移性,可有效减轻设计师制作情感表达面部动画时的工作量。     

基于改进轻量级秩扩展网络的人脸表情识别方法

人脸表情识别作为人机交互的一种重要方法,广泛应用于智能医疗、公安测谎系统、车载安全系统等领域。现有人脸表情识别方法多数存在参数量冗余、计算成本高、特征表达瓶颈等问题。提出一种基于改进轻量级秩扩展网络ReXNet的人脸表情识别方法。通过构建改进的ReXNet以提取人脸表情特征,在参数量较少的条件下解决特征表达瓶颈的问题,增强对表情局部特征的关注,获得高层次的表情特征,同时融合坐标注意力模块,将位置信息嵌入到通道注意力中,精准地定位和识别感兴趣的特征,建立位置信息与局部特征之间的长依赖关系,减少计算开销。在此基础上,将细化模块引入到改进的网络架构中,利用类别上下文信息细化分类结果,增强类间的分化效果,从而提高人脸表情识别的准确率。实验结果表明,该方法在RAF-DB和FERPlus数据集上的人脸表情识别准确率分别达到88.43%和88.8%,相比VGG16-PLD、SHCNN、ResNet+VGG等方法,具有较高的准确率和较优的鲁棒性。     

科技写作中数字表达的探讨

文章分析总结了石油科技期刊的数字表达方式,与《关于出版物上数字用法的试行规定》进行对比,指出了目前数字使用中存在的不合理之处,并对数字分节、参数及偏差范围、约数的使用等几个方面提出了几点建议。     

表达式的覆盖、分解与划分

本文把简单表达式（项和原子）视为语言Ｌ的Ｈｅｒｂｒａｎｄ域或Ｈｅｒｂｒａｎｄ基中的集合．作者提出覆盖表达式的概念,得到２个表达式之间覆盖关系的判别准则．对多个表达式,作者提出表达式的分解概念及相应的分解算法,在此基础上,本文给出卫个表达式覆盖多个表达式的等价条件．根据集合的划分公式,得到划分表达式的方法．最后定义１个变换把合取式转换为简单表达式,从而方便地把简单表达式的结果推广到合取式．本文是作者提出的一种标记逻辑程序的过程语义的理论基础．     

Clustering of temporal gene expression data by regularized spline regression and an energy based similarity measure

Clustering analysis of temporal gene expression data is widely used to study dynamic biological systems, such as identifying sets of genes that are regulated by the same mechanism. However, most temporal gene expression data often contain noise, missing data points, and non-uniformly sampled time points, which imposes challenges for traditional clustering methods of extracting meaningful information. In this paper, we introduce an improved clustering approach based on the regularized spline regression and an energy based similarity measure. The proposed approach models each gene expression profile as a B-spline expansion, for which the spline coefficients are estimated by regularized least squares scheme on the observed data. To compensate the inadequate information from noisy and short gene expression data, we use its correlated genes as the test set to choose the optimal number of basis and the regularization parameter. We show that this treatment can help to avoid over-fitting. After fitting the continuous representations of gene expression profiles, we use an energy based similarity measure for clustering. The energy based measure can include the temporal information and relative changes of the time series using the first and second derivatives of the time series. We demonstrate that our method is robust to noise and can produce meaningful clustering results.     

Salient feature and reliable classifier selection for facial expression classification

A novel facial expression classification (FEC) method is presented and evaluated. The classification process is decomposed into multiple two-class classification problems, a choice that is analytically justified, and unique sets of features are extracted for each classification problem. Specifically, for each two-class problem, an iterative feature selection process that utilizes a class separability measure is employed to create salient feature vectors (SFVs), where each SFV is composed of a selected feature subset. Subsequently, two-class discriminant analysis is applied on the SFVs to produce salient discriminant hyper-planes (SDHs), which are used to train the corresponding two-class classifiers. To properly integrate the two-class classification results and produce the FEC decision, a computationally efficient and fast classification scheme is developed. During each step of this scheme, the most reliable classifier is identified and utilized, thus, a more accurate final classification decision is produced. The JAFFE and the MMI databases are used to evaluate the performance of the proposed salient-feature-and-reliable-classifier selection (SFRCS) methodology. Classification rates of 96.71% and 93.61% are achieved under the leave-one-sample-out evaluation strategy, and 85.92% under the leave-one-subject-out evaluation strategy.     

基于多频域LBP-TOP的人脸表情识别

针对人脸表情时空域特征信息的有效提取问题,提出一种多频域LBP-TOP与最大间隔球形支持向量机相结合的人脸表情识别算法。采用小波分解增强序列各帧的图像信息,对同频率的子图像序列提取分块改进的LBP-TOP特征,采用最大间隔球形支持向量机进行样本的训练及识别。实验结果证明,该方法能有效提取运动的表情特征,识别率高,同时符合实时性要求。