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。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形鉴别学习算法。该算法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不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。

韦恩图在测度扩张定理和点集可测中的应用

韦恩图是解决数学问题的常用方法,变抽象为具体,化繁为简。文章主要通过韦恩图在点集测度和测度扩张定理中的应用,来说明韦恩图对学习测度论等有辅助作用。

基于改进Gabor滤波器的多模态特征融合技术

传统的Gabor滤波器具有良好的方向特性和尺度特性,然而传统的Gabor滤波器不能提取图像中弯曲区域的局部信息。文中首先对传统的Gabor滤波器加以改进,使其在具有方向和尺度特性的同时具有良好的曲率响应特性,因而对于图像中弯曲的区域能够提取丰富的边缘特征。图像在不同的Gabor滤波器特征下有不同的表现形式,利用Gabor滤波器丰富的多特征信息,可以形成包含丰富信息的多个模态。然后文中提出一个多模态学习(Multi-modal Learning)框架。在此框架内,样本集合被投影到一个公共的鉴别空间内,在这个空间里,来自不同模态的同类样本相互聚集,异类样本相互散开。文中提出的多模态学习框架能很好地利用Gabor滤波器的多特征信息,Poly U掌纹数据库和AR彩色人脸数据库的实验结果表明了该方法的有效性。

基于局部稀疏重构度量学习的软件缺陷预测

随着计算机技术的不断发展,如何准确地预测出软件中潜在的缺陷显得至关重要。近年来,研究者们尝试把一些机器学习方法应用到软件缺陷预测领域中,但是这些方法在分类过程中大多使用了传统的欧氏距离。距离度量学习方法通过挖掘训练样本集的特征信息和标记信息,学习得到有效的距离度量,让样本在基于度量矩阵的新特征空间中具有更好的鉴别可分性。将距离度量学习方法引入到软件缺陷预测中,同时融入了局部稀疏重构信息,提出一种新的软件缺陷预测方法,即局部稀疏重构度量学习方法(LSRML)。该方法学习得到的距离度量具有很好的鉴别性,并有效地解决了噪声敏感问题。在软件工程NASA数据库上的实验结果表明,提出的方法具有较好的缺陷预测效果。

调脊通督针法联合三步六法推拿对腰椎间盘突出症患者疼痛程度改善及JOA评分影响

目的:观察对腰椎间盘突出症患者实施调脊通督针法联合三步六法推拿对疼痛程度改善及日本骨科协会评估治疗分数(Japanese Orthopaedic Association Scores,JOA)评分的影响。方法:选取我院2016年9月-2018年2月期间收治的腰椎间盘突出症患者56例为研究对象,采用随机数字表法进行分组,对照组28例实施调脊通督针法辅助常规舒筋手法治疗,观察组28例在调脊通督针法基础上联合实施三步六法推拿,对治疗后患者疼痛程度改善及JOA评分进行评定比较。结果:治疗后两组患者疼痛情况均有不同程度改善,观察组患者视觉模拟评分法(Visual Analogue Scale,VAS)评分显著低于对照组(P<0.05);治疗后两组患者JOA各指标评分均显著升高(P<0.05),观察组显著高于对照组(P<0.05);观察组治疗效果显著优于对照组(P<0.05)。结论:对腰椎间盘突出症患者实施调脊通督针法联合三步六法推拿治疗疗效显著优于单一调脊通督针法治疗,在改善腰痛情况,提高JOA各指标评分方面效果显著。