基于机器学习的视频指纹识别

把视频应用于指纹识别,定义指纹视频的内部相似性(inside similarity,S^I)和一对待匹配指纹视频的外部相似性(outside similarity,S^O),计算两个视频的匹配分数来表示它们的相似性,大大提高了自动指纹识别系统的识别率。为寻求更好的识别效果,提出把一次匹配结果作为一个样本,将S^I和S^O作为一个样本的两个特征的新思路,把判断一次匹配是同源匹配还是异源匹配问题转化为对具有二维特征(S^I,S^O)的样本进行分类的问题。在样本集上应用常见的机器学习算法,对每次的匹配结果进行分类。在两组样本集上的实验结果为:应用机器学习算法得到的最低错误率分别为0.1704％和0.1106％,而使用阈值得到的最低错误率分别为0.2229％和0.1700％。结果表明,相比使用阈值来区分指纹同、异源的方法,应用机器学习算法不仅提高了识别率,而且省去了计算两个视频的匹配分数时对参数和阈值的复杂选取过程。     

基于深度学习的乳腺癌病理图像自动分类

乳腺癌病理图像的自动分类具有重要的临床应用价值。基于人工提取特征的分类算法,存在需要专业领域知识、耗时费力、提取高质量特征困难等问题。为此,采用一种改进的深度卷积神经网络模型,实现了乳腺癌病理图像的自动分类;同时,利用数据增强和迁移学习方法,有效避免了深度学习模型受样本量限制时易出现的过拟合问题。实验结果表明,该方法的识别率可达到91%,且具有较好的鲁棒性和泛化性。     

铁锰氧化膜同步除微污染地表水铁锰氨氮研究进展

近年来,饮用水源水中铁、锰、氨氮复合污染的问题越来越普遍。地表水中铁、锰伴生氨氮超标的现象呈现季节性,且多发生在水库水体中,对人们的日常饮用水安全造成威胁。本文首先分析了复合污染产生的原因、危害,简单介绍了常用的处理方法及局限性,阐述了铁锰活性氧化膜接触催化氧化法的由来、氧化膜的作用机理、成熟滤料的制备过程、对污染物的去除特性及催化活性恢复等内容。重点分析了目前已有的两种反应机理,分别是活化分子氧的氧自由基理论和氧化物表面活性锰的氧化理论。最后,指出了接触催化氧化法形成与作用机理的研究仍需深入,对下一步的探索进行了展望,提出了络合催化加速滤膜成熟的设想,并认为该方法在未来具有较大的发展潜力和广阔的应用前景。     

基于深度卷积神经网络的色素性皮肤病识别分类

针对当前皮肤病识别分类面临的两个主要问题：一是由于皮肤病种类繁多,病灶外观的类间相似度高和类内差异化大,尤其是色素性皮肤病,使得皮肤病的识别分类比较困难;二是皮肤病识别算法模型设计存在一定的局限性,识别率还有待进一步提高。为此,以VGG19模型为基础架构,训练了一个结构化的深度卷积神经网络（CNN）,实现了色素性皮肤病的自动分类。首先,采用数据增强（裁剪、翻转、镜像）对数据进行预处理;其次,将在ImageNet上预训练好的模型,迁移至增强后的数据集进行调优训练,训练过程中通过设置Softmax损失函数的权重,增加少数类判别错误的损失,来缓解数据集中存在的类别不平衡问题,提高模型的识别率。实验采用深度学习框架PyTorch,在数据集ISIC2017上进行。实验结果表明,该方法的识别率和敏感性可分别达到71.34%、70.01%,相比未设置损失函数的权重时分别提高了2.84、11.68个百分点,说明该方法是一种有效的皮肤病识别分类方法。