基于稀疏注意力关系网络的小样本图像分类方法

针对小样本图像分类问题,从卷积操作的局部连接性和基于非局部操作的注意力机制出发,提出了稀疏注意力关系网络(SARN)模型。在非局部操作过程中,利用稀疏策略筛选参与响应计算的相关特征。通过稀疏注意力机制构建不同空间位置相关特征之间的依赖性,切断语义无关特征之间的联系。后续卷积操作对不同空间位置的语义相关特征进行度量,抑制了无关信息的干扰,提高了模型的整体度量能力。通过在Mini-ImageNet和Tiered-ImageNet数据集上进行的一系列实验发现,相较于其他小样本学习模型,SARN模型的性能获得了显著提升。

基于稀疏编码的复杂机械振动信号盲分离方法

复杂机械振动信号激励源较多,故源信号之间互为相关源,且较难满足统计独立特性,导致传统盲源分离方法分离效果不佳。对此,提出一种基于信号稀疏编码的机械振动信号盲分离方法。盲源分离的关键在于对混合矩阵的精确估计,然而机械振源中相关成分的存在严重影响混合矩阵的估计。对此,首先对观测信号进行短时傅里叶变换,增加信号稀疏性;然后利用稀疏编码筛选出具备直线聚类特性的时频观测点,利用K均值(K-means)聚类法找到聚类中心;最后利用所提筛选规则找到估计的混合矩阵,重构出源信号。通过对往复压缩机故障数据的分析,验证了所提方法有效性。

三维稀疏反演多次波预测及曲波域匹配相减技术

传统的自由表面多次波压制(SRME)方法研究是基于二维假设的,这种算法对多次波贡献考虑过于局限,难以应对复杂地质构造的情况。3DSRME算法过于笨拙,对数据要求过于苛刻,很难有效推广和应用。三维稀疏反演多次波预测方法利用柯西概率密度函数,将垂直测线方向上稀疏的多次波能量贡献道集转换到模型空间,有效重构同相轴能量顶点——菲涅尔带,从而有效拾取多次波能量,准确预测多次波。采用曲波域匹配相减技术对多次波进行去除,相较于传统的最小平方匹配相减方法,Curvelet域具有多方向、多尺度的特性,能够更有效地压制多次波。建立三维倾斜层状速度模型,对模拟三维地震数据进行试算,并与常规2D SRME的处理结果进行对比,验证了本文所述方法的有效性。

相关子空间中的局部离群数据挖掘算法研究

针对高维数据集,采用局部稀疏差异和局部密度差异的度量因子,给出一种相关子空间中的局部离群数据挖掘算法.该算法根据K最近邻(K-NN),确定数据集中各数据对象的局部数据集,并依据属性值的稀疏因子生成全局的稀疏因子矩阵和局部稀疏因子矩阵,从而有效地反映了数据对象的局部稀疏程度;根据局部稀疏因子矩阵,计算属性维对应的局部稀疏差异因子,并确定数据对象对应的子空间定义向量,从而体现了具有任意性相关的相关子空间;如果数据对象存在相关子空间,则采用高斯误差函数体现相关子空间中各数据对象的局部密度差异,有效地降低了"维灾"的影响,使得离群数据的度量与相关子空间的维度无关,并能够度量相关子空间的数据对象,否则设置数据对象的局部密度差异为0,表明其为正常数据;选取局部密度差异(离群程度)最大的若干数据对象作为局部离群数据;最后采用UCI和恒星光谱数据集,实验验证了该算法的有效性.

字典原子优化的图像稀疏表示及其应用

为了提高图像稀疏表示性能,提出了一种有效的结构化字典图像稀疏表示方法.针对过完备字典构造和稀疏分解中原子筛选问题,提出了一种基于灰色关联度的字典原子筛选和结构聚类方案.首先,对测试图像分块处理,利用块作为原子样本;然后,计算原子间的灰色关联度,并设置原子灰色关联度的筛选准则;最后,利用结构特征对原子聚类,构造图像稀疏字典.算法利用灰色关联度选择表征能力强的原子,提高字典的表征能力,缓解了传统字典设计对原子个数的依赖;同时,降低了算法的复杂度.将该方法得到的字典用于图像去噪,结果表明,视觉效果明显优于同类算法,峰值信噪比提高2 dB左右,且算法复杂度显著降低.

基于稀疏反演三维表面多次波压制方法

三维表面多次波压制是海洋地震资料预处理中的重要研究课题,基于波动理论的三维表面多次波压制方法(3DSRME)是数据驱动的方法,理论上来说,可有效压制复杂构造地震数据表面多次波.但该方法因对原始地震数据采集要求高而很难在实际资料处理中广泛应用.本文基于贡献道集的概念,将稀疏反演方法引入到表面多次波压制中,应用稀疏反演代替横测线积分求和,无需对横测线进行大规模重建,进而完成三维表面多次波预测,这样可有效解决实际三维地震数据横测线方向稀疏的问题.基于纵测线多次波积分道集为抛物线的假设,为保证预测后三维表面多次波和全三维数据预测的多次波在运动学和动力学特征上基本一致,文中对预测数据实施基于稳相原理的相位校正.理论模型和实际数据的测试结果表明,本文基于稀疏反演三维表面多次波压制方法可在横测线稀疏的情况下,有效压制三维复杂介质地震资料中的表面多次波,从而更好地提高海洋地震资料的信噪比,为高分辨率地震成像提供可靠的预处理数据保障.

基于类别相关近邻子空间的最大似然稀疏表示鲁棒图像识别算法

为了构建一个快速鲁棒的图像识别算法,提出基于类别相关近邻子空间的最大似然稀疏表示图像识别算法.考虑到每个测试样本的不同分布特性及训练样本选择的类别代表性原则,不再将所有训练样本作为稀疏表示的字典,而是基于距离相近准则选择合适子空间,从每个类别中选取自适应数量的局部近邻构成新的字典,在减少训练样本的同时保留了稀疏表示原有的子空间结构.然后基于最大似然稀疏表示识别方法,将稀疏表示的保真度表示为余项的最大似然函数,并将识别问题转化为加权的稀疏优化问题.在公用人脸与数字识别数据库上的实验证明该算法的合理性,提高识别速度的同时保证了识别精度和算法的鲁棒性,特别是对于遮挡与干扰图像具有较好的适应性.

小波域的灰色关联度图像压缩

为了改善小波变换的图像稀疏表示性能,提出了一种小波域的灰色关联度图像压缩算法.首先,利用小波变换对测试图像进行分解,获得不同区域的小波系数;然后,利用小波系数特点,将灰色关联度用于系数关联度的刻画中,并计算不同尺度间系数的灰色关联度;根据小波系数区域特征,将小波系数进行分类,构造出不同系数类型下的稀疏表示方法;最后,将该算法应用于图像压缩.实验结果表明,在相同压缩率下,所提算法的客观评价指标峰值信噪比较现有同类算法提高了1.04~3.65 d B,图像主观视觉质量明显提高.所提算法能够结合系数特征和视觉特性自适应地构造字典,提高了图像稀疏表示能力,进一步提高了图像压缩性能.

三维表面多次波压制方法

地震数据处理中二维情况下的表面多次波压制(SRME)算法已很成熟;但在三维情况下,当地下地层在横测线方向存在一定倾角时,利用二维SRME算法进行多次波预测存在一定误差,且通过自适应相减无法弥补所预测多次波模型的误差,因此开发了三维SRME算法。由于地震数据采集的限制,三维情形下震源和检波器在横测线方向分布过于稀疏,直接将二维SRME算法拓展到三维无法准确预测多次波。本文假定三维情况下每道记录对应的多次波贡献道集是一个双曲线形态,通过对对应多次波贡献道集进行稀疏反演,实现了三维情况下多次波的预测。模拟三维数据的处理结果验证了方法的可行性与有效性。

基于知识粒度的高属性维稀疏聚类算法

目前的高属性维稀疏数据算法大多面向二态数据,而且没有聚类结果的评价方法,给应用带来很大局限.针对这些问题,文中提出了一种基于知识粒度的高属性维聚类算法.首先通过设计面向数据稀疏特征的半模糊聚类算法对数据进行离散化,并基于此给出稀疏相似度和初始等价关系的定义;然后设计可变精度的二次聚类模型对初始聚类结果进行修正,使算法具有较强的抗噪声能力;最后结合应用领域定义一种新的聚类质量评价模型.实验证明,该算法可提供多粒度分析结果,准确度更高,得到的聚类结果能真实反映数据的特征.

基于长短期记忆的稀疏数据过滤推荐算法

采用目前算法对稀疏数据进行过滤推荐时,没有综合考虑用户的整体评分特征和不同项目的单独评分对数据补全的影响,导致MAE值和RMSE值大、F1值小。提出基于长短期记忆的稀疏数据过滤推荐算法,首先通过相关因子对相似性进行计算,利用云模型将稀疏数据缺失项进行补全,然后采用补全后的数据构建长短期记忆网络,通过长短期记忆网络得到简单优化函数并对其求解,最后建立稀疏数据过滤推荐算法模型,完成基于长短期记忆的稀疏数据过滤推荐。实验结果表明,所提方法的MAE值和RMSE值更小、F1值更大。

面向微博的多实体稀疏关系数据联合聚类

针对大规模微博中多实体间的稀疏关系数据,提出一种面向多实体稀疏关系数据的高效联合聚类算法。在算法中,为了充分利用多关系数据,提出了一种顽健的约束信息嵌入方法构建关系矩阵,降低了矩阵的稀疏性,进一步提高了算法的准确率。在稀疏约束的块坐标下降框架下,关系矩阵通过非负矩阵三分解算法同时获得不同实体的聚类指示矩阵。非负矩阵分解过程中,通过高效的投射算法实现快速求解,确保了聚类结果的稀疏结构。在人工和真实数据集上的实验表明,算法在3个指标上都具有明显提高,特别是在极端稀疏数据上的效果更加明显。

应用稀疏反演方法压制自由表面多次波

SRME的自适应相减过程易损伤有效信号,本文采用的反演方法克服了SRME的上述局限。首先阐述了基于稀疏反演的自由表面多次波压制理论,推导了脉冲响应与震源子波的更新公式;然后通过模拟算例对比分析了稀疏反演法与SRME的多次波压制效果;最后通过实际数据进一步验证了方法的有效性。

中国书法的章法与平面设计构成语言的比较

从中国书法的章法形式构成为切入点,将其与现代平面设计构成方法作相应的对比。将书法章法的虚实、疏密对比和以白为黑与设计中的图底关系、形式对比关系及设计中的留白三组问题作对应性的讨论,继而梳理三组问题之间的内在联系。

面向事件相关电位成分的稀疏字典构建方法

利用稀疏分解来研究EEG信号是一种新兴的可靠的方法。常见的稀疏字典学习算法中,K-SVD算法得到了比较广泛的应用。但是利用K-SVD算法获得的字典原子很难完整的包含EEG信号中的事件相关电位(ERP)成分,通常样本中的ERP成分都会分布在大量原子中。本文提出把常用的K-SVD算法基础结合稀疏性能指标作为约束条件,解决稀疏字典难以与ERP成分对应的问题,并给出利用该算法进行ERP分析的步骤。通过在一个基于听觉刺激的公开数据集上使用本文的方法,成功地获得了包含完整目标ERP成分的字典原子,证明了方法的可行性。

基于全局和局部特征融合的车型识别

针对车型识别中计算时间过长、识别精度低的问题,提出基于整体与局部特征融合的车型识别方法。利用Sobel算子、Gabor滤波器组分别提取车辆的整体特征以及局部特征,结合灰关联分析对维数较高的局部特征进行优化;为减少稀疏表示中字典维度过高带来的计算耗时问题,提出双层串行分类策略,第一层中以整体特征为依据对车型进行粗略划分,第二层中以局部特征为依据实现最终的车型辨识。实验结果表明,该方法能有效提高车型识别的正确率,减少高维特征带来的计算时间消耗。

基于栈式相关性稀疏自编码的电力通信网故障诊断

针对电力通信网故障的特征自学习提取与诊断问题,提出一种栈式相关性稀疏自编码(Stacked RelationalSparse Autoencoder, SRAE)深度神经网络的电力通信网故障诊断方法。将电力通信网中MIB(Management Information Base)变量状态数据编码为二进制序列作为训练数据,浅层单一的自编码网络对故障的自学习、特征提取能力不足。因此,首先将稀疏性限制和输入数据相关性限制融入自编码网络,构成相关性稀疏自编码神经网络(Relational Sparse Autoencoder, RAE)。然后将其层层堆栈,并在最后一层隐含层后添加分类器,构成SRAE。最后,以路由器之间的连接故障为例进行仿真实验。实验结果表明所提出的故障诊断方法准确率平均值达到99.625%,具有较高且稳定的诊断准确性。

基于语境交互感知和模式筛选的隐式篇章关系识别

隐式篇章关系识别是篇章分析(Discourse Analysis)中一项具有挑战性的子任务,旨在推断出同一篇章内相邻文本片段(称为论元)之间潜在的语义连接关系,例如:时序关系、因果关系等.如何有效地表征篇章论元以及挖掘论元间的交互信息是实现该任务的核心要素.传统研究注重篇章中人工总结的表层语言特征(即情感词极性、位置特征和动词类型等),存在数据稀疏和预处理错误级联的问题,导致机器学习模型性能不高.新近的深度神经网络模型则自动提取篇章论元中的特征,利用注意力或记忆机制等捕获论元的重要信息,并组合不同神经网络提取大量关系特征,以提升模型识别性能.然而,其忽略了表示过程中论元间双向非对称的交互信息,以及识别过程中论元间交互模式的稀疏特性.受认知学相关理论的启发,本文提出基于语境交互感知和模式筛选的隐式篇章关系识别方法(MATS).首先,通过双向长短期记忆网络(Bidirectional Long Short-Term Memory,BiLSTM)分别编码两个论元,以获取带有上下文语境信息的论元表示;其次建模其动态交互注意力机制,以自动学习论元之间的非对称关联矩阵,进而得到融合语境交互感知信息的论元表示;最后,利用带有稀疏约束的张量神经网络捕捉具有篇章关系指示性的深层交互模式,从而提升模型的识别性能.Penn Discourse Treebank(PDTB)语料库上的实验结果表明,本文提出方法的精确率在其四分类上改善了2.36%.

基于数据规则化和稀疏反演的三维表面多次波压制方法

表面多次波是海洋地震勘探中的主要问题.目前,二维数据驱动的表面多次波压制技术(SRME)已经比较成熟,并且已经成为工业界压制海洋表面多次波的主流方法.但是由于二维SRME算法没有考虑横测线方向上多次波的贡献,导致在处理实际三维海洋资料时存在比较大的误差.将二维SRME算法扩展到三维空间后可以得到三维SRME算法,但是由于目前实际采集的三维海洋资料的观测系统存在拖缆漂移,而且横测线方向采样过于稀疏,直接应用三维SRME算法无法准确预测表面多次波.本文提出的通过数据规则化配合稀疏反演的三维表面多次波压制方法能够解决这种实际资料和三维SRME算法之间的矛盾.本文通过研究数据规则化与反规则化技术,使得数据分布满足三维SRME的要求;通过研究稀疏反演技术,有效解决了横测线方向采样稀疏对于多次波预测的影响,三维实际海洋资料的应用结果验证了方法的有效性和可行性.

联合低秩稀疏的多核子空间聚类算法

针对多核子空间谱聚类算法没有考虑噪声和关系图结构的问题,提出了一种新的联合低秩稀疏的多核子空间聚类算法(JLSMKC)。首先,通过联合低秩与稀疏表示进行子空间学习,使关系图具有低秩和稀疏结构属性;其次,建立鲁棒的多核低秩稀疏约束模型,用于减少噪声对关系图的影响和处理数据的非线性结构;最后,通过多核方法充分利用共识核矩阵来增强关系图质量。7个数据集上的实验结果表明,所提算法JLSMKC在聚类精度(ACC)、标准互信息(NMI)和纯度(Purity)上优于5种流行的多核聚类算法,同时减少了聚类时间,提高了关系图块对角质量。该算法在聚类性能上有较大优势。