全球尺度下的海洋鱼类图像智能分类研究进展

在全球尺度上了解鱼类物种组成、丰度及时空分布等,将有助于其生物多样保护。水下图像采集是获取鱼类物种多样性数据的主要调查手段之一,但图像信息分析工作耗时耗力。2015年以来,海洋鱼类图像数据集更新和深度学习模型算法优化等方面取得了一系列进展,但细粒度分类表现仍显不足,研究成果的生产实践应用相对薄弱。因此,该文首先分析海洋相关行业对鱼类自动化图像分类的需求,然后综合介绍鱼类图像数据集和深度学习算法应用,并分析了所面临的小样本下的细粒度分析等主要挑战及相应解决方法。最后探讨了基于深度学习的海洋鱼类图像自动化分类对相关图像信息处理研究及应用平台对未来在生态环境监测等海洋相关产业领域的重要性及其前景。该文旨在为快速了解基于深度学习的海洋鱼类图像自动化分类的研究背景、进展和未来方向的工作者提供相关信息。

基于图神经网络的固定骨架蛋白质设计方法研究

针对图神经网络(GNN)ProteinSolver结构特征约束不充分的问题,增加了骨架二面角、配对氨基酸的相对位置编码和相对方向等结构约束,提出了一种基于GNN的固定骨架蛋白质设计方法。实现了基于Transformer多头注意力机制的GNN架构,将物理坐标添加到消息传递和更新步骤中,提高了原子坐标的等变特性。在CATH数据集上的训练和测试结果显示:该文模型平均困惑度为8.12,比ProteinSolver的平均困惑度8.97降低了0.85;在掩盖率为50%时,ProteinSolver的恢复率为28.7%;然后,增加更多的结构约束,恢复率达到了30.3%;随后,将ProteinSolver的GNN替换成基于Transformer的GNN,恢复率达到了34.3%;最后,通过再引入等变特性,恢复率进一步提高到35.0%。

离群模糊核聚类算法

一般说来,离群点是远离其他数据点的数据,但很可能包含着极其重要的信息.提出了一种新的离群模糊核聚类算法来发现样本集中的离群点.通过Mercer核把原来的数据空间映射到特征空间,并为特征空间的每个向量分配一个动态权值,在经典的FCM模糊聚类算法的基础上得到了一个特征空间内的全新的聚类目标函数,通过对目标函数的优化,最终得到了各个数据的权值,根据权值的大小标识出样本集中的离群点.仿真实验的结果表明了该离群模糊核聚类算法的可行性和有效性.

基于信息理论的合作聚类算法研究

传统的聚类算法是针对一个独立数据集的学习分类算法,如FCM(Fuzzy-C-Means)聚类算法.在现实生活中,一个数据集独立于其它数据集,而往往通过与别的数据集交换信息与之相互合作.因此在聚类过程中,需要考虑来自其它数据集的影响,从而得到更能反映现实的数据结构.该文提出了一种基于信息理论的信息增益方法来建模并定量分析多个数据集间的合作关系.在此基础上,导出了相应的新合作聚类算法CCA(CooperativeCluste-ringAlgorithm).理论分析表明该算法最终收敛.实验结果也进一步表明了该合作聚类算法的可行性与有效性.

基于模糊信息增益的图像相关性度量

针对图像中所含有的统计概率不确定信息以及模糊不确定信息,提出了一种综合图像概率信息与模糊信息的新模糊信息增益度量方法来比较目标图像与参考图像之间的相关度,从而为图像相关匹配与检索提供强有力的依据.实验结果表明,该方法是有效的.

采样定理、视觉原理及无监督聚类分析理论

通过引入采样定理,提出了基于视觉采样定理的新聚类算法,将生物物理学中的Weber定律、采样定理和视觉结构有效地结合起来,并在此算法的基础上提出了聚类的有效性准则.该算法基于视觉系统工作原理,具有更强的物理解释性能.实验表明,此算法简洁、有效.

基于模糊层次数值型数据库发现一般化模糊关联规则

关联规则发现是数据挖掘研究领域中的重要内容之一,而以自然语言描述的模糊关联规则更符合人类的思维方式,在决策中占据重要作用。基于属性间通常还存着更高层次的抽象,即呈现出层次结构尤其是模糊层次结构这一事实,通过把经典的模糊理论与关联规则发现算法相结合,提出了在模糊层次结构下从数值型数据库中挖掘一般化模糊关联规则的相应算法。

从Fuzzy Taxonomic数值型数据库中挖掘一般化关联规则

挖掘关联规则是数据挖掘研究的一个重要方面 基于属性内通常还存在更高层次的抽象 ,即呈现出Taxonomic结构这一事实 ,Srikant和Agrawal等人提出了在确定的Taxonomic结构下挖掘泛化布尔型关联规则的挖掘算法 但在实际应用中 ,往往这种Taxonomic结构还呈现出模糊性 ;着重研究了在这种模糊Taxonomic结构下如何从数值型数据库中挖掘一般化关联规则的问题 ,提出了一种新的FuzzyTaxonomic数值型数据库模型 ,并提出了相应的规则发现方法 。

离群模糊切换回归模型研究

模糊切换回归模型被广泛地应用于经济领域和数据挖掘技术中。本文在传统的模糊切换回归模型的基础上,通过为每一个数据样本分配一个动态的权值,得到了一个新的离群模糊切换回归模型,提出了FCWSRM(FuzzyCWeightedSwitchingRegressionModel)算法,最终得到的权重是数据分布的一种代表,将被用来发现数据集中的离群点。实验表明,离群模糊切换回归模型比传统的模糊切换回归模型具有更强的鲁棒性,并且能通过权值发现数据集中的离群点。

内燃机轴系纵弯扭振动动态测试方法的实验研究

本文提出了一个测量内燃机轴系纵 弯 扭振动的方法 。

一种基于概念层次数据库挖掘一般化关联规则的算法研究

从数值型数据库中挖掘出关联规则是一个很有应用前景的课题。在实际中 ,通常属性内还存在更高层次的概念抽象 ,即呈现出层次结构。本文基于这一结构 ,首先将原来的数据库扩展成层次数据库 ,然后提出了从此数据库中 ,挖掘出更一般关联规则的方法。运行实例表明了本文提出方法的有效性。

基于加速度信号几何特征的动作识别

根据人行为动作的特点,提出了一种基于加速度信号几何特征的层次识别算法以识别多种人的行为,例如:步行、下楼、上楼、跑步等.所分析的数据由绑在人体胯部的加速度传感器在实际环境中采集.该算法利用加速度信号的几何特征(周期,波峰值,波谷值)和信号的物理意义(如各方向的能量分布),所选取的特征对个人依赖较小.识别的过程采用了分层识别算法.该算法识别速度快,准确率高,在实际应用中取得了较好的效果.大量的实验表明,该算法对动作的识别正确率在80%以上.

基于轮廓特征的SAR图像自动配准

针对SAR图像的自动配准问题,提出了一种基于轮廓特征的快速配准方法。在对SAR图像正确检测和分割的基础上提取图像的区域轮廓,并对其几何特征属性进行准确描述,利用配准点可以实现自动图像配准,仿真试验表明可以获得亚像素级配准结果。

汽车发动机曲轴纵向振动的研究

本文研究了汽车发动机曲轴的纵向振动的计算方法和振动特性。首先分析了曲轴产生纵向振动的两种等效激励源——弯曲-纵向耦合力矢和扭转-纵向耦合力矢。建立了简化模型和在两种不同性质的力作用下的统一运动方程,并分析了求解方法和步凑。用新设计的扭/弯/纵振动测量仪实测了曲轴自由端的纵向振幅,与计算结果相当吻合。说明本文提出的分析汽车发动机轴系纵向振动的方法合理可行。

一种增量符号相关的景象匹配方法

针对图像灰度变化和遮挡问题,提出一种增量符号相关的景象匹配方法。介绍了增量符号相关算法的理论基础,基本原理为将二维图像变换为一维向量,再将一维向量按照某种编码规律进行编码,得到由0、1组成的特征字符串,对由实时图和基准图上同样大小的基准子图变换而来的特征字符串求相关,相关系数最大者即为最佳匹配区。将此算法与绝对差算法和归一化积相关算法进行实验对比,在对算法进行定量分析的基础上,证明增量符号算法对灰度变化和遮挡有较好的鲁棒性,为图像匹配导航与制导提供了新的思路。

特征空间属性加权模糊核聚类算法

充分考虑了属性间的不平衡性,通过Mercer核把原始的观察空间映射到高维特征空间,提出了一种新的特征空间中的加权模糊核聚类算法WFKCA。众多实例表明,WFKCA比传统的聚类算法具有更好的性能,且对于高维数据具有很好的聚类效果。

基于主成份分析的仿射不变特征图像匹配方法

从理论和实验上分析比较了尺度不变特征图像匹配方法和仿射不变特征图像匹配方法的异同,为提高图像匹配的速度和图像特征描述的准确性,提出了一种利用主成份分析对仿射不变特征匹配特征描述向量降维的方法。实验结果表明该方法能加速仿射不变特征图像匹配方法,在不降低匹配效果的前提下,将128维特征向量降低至15维。

一种新的子空间聚类算法

通过对数据空间进行网格划分并寻找稀疏区域来发现类的边界，提出了一种基于密度与网格的新的子空间聚类算法．该算法使用投影寻踪的搜索策略来发现存在于子空间内的类，同时运用基于竞争的修剪方式来有效地控制算法的计算复杂性．实验结果表明，所提算法在精度、时间复杂性等方面具有优良性能.

一种新的子空间聚类算法

通过对数据空间进行网格划分并寻找稀疏区域来发现类的边界,提出了一种基于密度与网格的新的子空间聚类算法.该算法使用投影寻踪的搜索策略来发现存在于子空间内的类,同时运用基于竞争的修剪方式来有效地控制算法的计算复杂性.实验结果表明,所提算法在精度、时间复杂性等方面具有优良性能.

低密度办公建筑研究

低密度办公建筑的出现源于办公的生态主义倾向与郊区化倾向。优美的周边环境、水平方向展开的建筑群体布局、三-五层带庭院的单体建筑是其外在特点;而生态性、人性化则是其内在品质。