一种加权融合两类核判别信息算法

完整核判别分析(CKFD)是线性判别分析(LDA)在核空间中的非线性推广.文章在CKFD算法的基础上,引进权重,对规则判别信息和不规则判别信息进行加权提取判别信息,提出了一种核判别分析方法.实验结果表明了该算法的有效性.

基于判别信息极限学习机的高光谱遥感图像分类

极限学习机(ELM)以其高效、快速和良好的泛化性能在模式识别领域得到广泛应用,然而在高光谱遥感图像分类中,极限学习机算法不能较好地利用数据蕴含的判别信息,限制了ELM的分类性能。为此,提出一种基于判别信息极限学习机(IELM),IELM继承了极限学习机的优势,并在一定程度上解决了极限学习机在有限高光谱遥感图像数据样本中学习不充分的问题。高光谱遥感图像分类实验结果表明,该算法具有较好的分类效果。

矿井突水水源快速判别信息辅助决策系统在马兰矿的研发应用

介绍了矿井突水水源快速判别信息辅助决策系统的构成及功能,并结合马兰矿的水文地质资料,建立了马兰矿矿井突水水源快速判别信息辅助决策系统。为验证模型的可靠性,将标准水样作为待测水样,用模糊综合评判法、灰色关联法、模糊识别法、神经网络法和聚类分析法5种数学方法进行回代试验,结果表明,模糊综合评判和聚类分析的效果较好,故确定用以上模型对马兰矿未知水样进行识别。

基于判别信息的正则极端学习机在人脸识别中的应用

极端学习机作为传统单隐层前馈神经网络(Single-Hidden Layer Feedforward Networks,SLFNs)的拓展在模式识别领域成为新的研究热点之一,然而已有的极端学习机算法及其改进不能较好地利用数据蕴含的判别信息。针对该问题,提出一种基于判别信息的正则极端学习机(Discriminative Information Regularized Extreme Learning Machine,IELM)。对于模式识别问题,IELM引入同类离散度和异类离散度的概念,体现输入空间数据的判别信息,通过最大化异类离散度和最小化同类离散度,优化极端学习机的输出权值,从而在一定程度上提高ELM的分类性能和泛化能力。为了评价和验证所提出方法的有效性,使用Yale、Yale B、ORL、UMIST人脸数据进行实验。结果表明,该算法能够显著提高ELM的分类性能和泛化能力。

改进VGG-19:增强判别性的新冠病毒感染图像识别网络

为实现对新冠病毒感染CXR图像进行准确的识别,提出了一种带有判别性的“混合特征信息判别器”结构的改进VGG-19网络模型。针对CXR图像存在噪声点,且难以抽取区分性强的特征信息问题,将具有高强度特征提取能力的VGG-19作为主干网络,采取冗余特征信息丢弃和不明显特征信息增强的方式实现特征选取。在经过数据增广技术的数据集上,首先,通过网络提取出CXR图像的空间特征信息;其次,从特征图上挑选出更容易做出决断的像素点;以此实现更少的模型参数量和更高的准确率。改进VGG-19网络使用迁移学习,在ImageNet-100数据集上预训练,再将训练的最佳权重泛化到COVID-19 Radiography Database数据集上重新训练,实验结果表明:改进VGG-19对新冠病毒感染CXR图像的识别的准确率、精确度和召回率分别达到了97.60%、98.89%、98.51%。与其他新冠病毒感染CXR图像识别算法相比,改进VGG-19能够准确地完成新冠病毒感染肺部图像的分类识别,具备更好的识别性能。

基于互信息梯度优化计算的信息判别特征提取

该文将互信息梯度优化引入特征提取矩阵求解,提出一种信息判别分析的特征提取方法。首先,分析了现有线性判别方法的特点和局限,建立了类条件分布参数模型下互信息最大化的信息判别模型。其次,证明了互信息判别的线性变换不变性和贝叶斯一致优化,构造了一个互信息梯度优化计算的特征提取算法。最后通过实际数据上试验验证了该方法的有效性。

基于判别信息的近邻保持嵌入降维方法

针对传统近邻保持嵌入算法(NPE)侧重保持样本的局部结构,而没有考虑样本类别信息的不足,提出判别局部近邻保持嵌入算法DLNPE.该算法利用样本点的局部结构构造新定义下的类内类间散布矩阵,并以此作为判别信息引入目标函数.在6个真实数据上进行实验,证明了所提算法的有效性.

基于信息判别的智能知识系统研究

针对知识经济时代下信息爆炸与知识极度膨胀的现状,如何对大量信息进行判别,进而获取用于解决问题的必要知识是基于信息判别的智能知识系统研究的关键问题。通过模仿人类获取知识的思维过程,探讨智能知识系统如何基于信息判别获取必要的知识的过程,以此给出基于信息判别的智能知识系统的设计路线并提出其构建框架,最后对系统的开发工具进行了简要介绍。

学习原型超平面融合线性判别边信息的人脸识别算法

针对现实环境中姿势、光照、表情及场景较大变化严重影响户外人脸识别算法识别性能的问题,提出了一种学习原型超平面(PHL)融合线性判别边信息(SILD)算法。首先,利用支持向量机(SVM)将弱标记数据集中的每个样本表示为一个原型超平面中层特征,使用学习组合系数从未标记的通用数据集中选择支持向量稀疏集;然后,在SVM模型组合稀疏系数的约束条件下,借助于Fisher线性判别准则最大化未标记数据集的判别能力,并使用迭代优化算法求解目标函数;最后,利用SILD进行特征提取,用余弦相似性度量完成最终的人脸识别。在户外标记人脸(LFW)和YouTube两大通用人脸数据集上,对PHL+SILD方法和低层特征+SILD方法在强度、LBP、Gabor特征和Block Gabor特征,平均精度、曲线下方面积(AUC)和等差率(EER)进行了比较。实验验证了所提算法的有效性及可靠性。

信息真伪判别的常用方法

信息是生产情报的重要基础。信息是原料和前提,情报是产品和结果。只有原料和前提是准确的,才有可能产生正确的产品和结果。没有对信息进行去伪存真的处理,就不可能得出准确的情报。面对海量信息,对竞争情报人员而言,难点不再是信息的匮乏,而是对纷繁复杂信息真伪性的快速判别。从国内外研究现状来看,存在定量判别操作烦琐、竞争情报人员难以操作,定性判别不系统、不全面等弊端,目前鲜有系统、全面、简单、易行以及定量和定性相结合的信息真伪判别方法。笔者结合多年的竞争情报实践工作经验,提出了信源筛选法等8种信息真伪判别方法。这些方法较为系统全面,而且操作简便,易被竞争情报人员掌握和利用,不仅为竞争情报人员提供了便捷可靠的信息真伪判别手段,而且对科技人员和出版专业技术人员也有重要的参考价值。

模糊蚁群聚类在信息数据判别中的应用

随着信息技术的高速发展,无论是商业企业、科研机构或是政府部门,在过去若干年的时间里都积累了大量的,并以不同形式存储的信息数据资料。针对信息数据十分复杂,仅靠数据库的查询检索机制和统计学方法远不能满足人们需要的问题,提出一种改进的模糊聚类新方法,能够准确、智能地将信息数据转化为明确的专家知识。最后将之与传统方法作对比,突出这种方法对信息数据判别的优势。

张量局部Fisher判别分析的人脸识别

子空间特征提取是人脸识别中的关键技术之一,结合局部Fisher判别分析技术和张量子空间分析技术的优点,本文提出了一种新的张量局部Fisher判别分析(Tensor local Fisher discriminant analysis,TLFDA)子空间降维技术.首先,通过对局部Fisher判别技术进行分析,调整了其类间散度目标泛函,使算法的识别性能更高且时间复杂度更低;其次,引入张量型降维技术对输入数据进行双边投影变换而非单边投影,获得了更高的数据压缩率;最后,采用迭代更新的方法计算最优的变换矩阵.通过ORL和PIE两个人脸库验证了所提算法的有效性.

公交车辆GPS运营信息数据判别算法讨论

随着社会市场经济的发展，我国的交通网络建设力度不断加大，整个交通系统变得越来越复杂，对大量的营运公交车辆进行有效的管理是非常必要的，为了保证司机的规范化操作，保证所有车辆进出站的准时性，将GPS技术应用于公交车辆运营管理工作中具有积极的作用，该文就主要对公交车辆GPS运营信息数据判别算法进行简单分析探讨。

煤柱型冲击地压微震信号分布特征及前兆信息判别

我国煤矿开采深度在不断增加,因此受到冲击地压的影响也越来越严重,而且冲击地压具备突发性与复杂性,使得煤矿企业在防治与预防冲抵地压的灾害工作遇到了难题。目前,已经开始使用微震技术对煤矿动力灾害进行预防与检测,取得了一定的研究成果。本文通过阐述冲击地压产生的特点与原因,并分析了微震信号的分布特征与前兆信息判别。

多观测样本联合信息加权稀疏表示分类算法

多观测样本分类问题中,同一对象的多观测样本均看作一个整体进行识别,其同等看待各个观测样本。考虑到其每个观测样本包含判别信息量不同,针对如何有效利用其可信度问题,提出基于观测样本联合加权稀疏表示多观测样本分类算法。首先将多观测样本分解成单样本,分别对各个样本进行稀疏求解得到其各自的稀疏度和残差,进而联合二者确定其相应可信度。然后给各观测样本进行可信度加权,重构出加权多观测样本。最后,再采用整体稀疏表示对其进行分类。在ETH-80物体数据库、CMU-PIE人脸数据库和BANCA数据库上进行大量对比实验,实验结果证明该算法的有效性,提高识别精度的同时使算法的鲁棒性得到保证。

一种判别极端学习的相关反馈图像检索方法

针对基于支持向量机(SVM)的相关反馈图像检索方法计算复杂度高、缺乏判别能力以及图像特征提取不充分的问题,提出一种基于判别极端学习的相关反馈图像检索(DELM)方法。在图像特征提取阶段,通过连接图像的颜色、纹理及边缘直方图实现图像的特征提取,解决了以往多数检索方法仅使用单一图像特征造成的图像描述不充分的问题;在检索的反馈阶段,将最大边际准则(MMC)引入到极端学习机中,通过分析极端学习机隐层空间的类内离散度和类间离散度得到包含判别信息的分类模型,并给出降维和不降维两种形式,以提高相关反馈图像检索系统的检索能力。DELM方法能有效应用于基于内容的图像检索中,并显著提高图像检索的性能。实验结果表明,DELM方法和采用SVM、ELM和最小类别方差ELM的方法相比,在Corel-1K数据集下检索平均准确率分别提高了11.06%、5.28%和6.40%。

图正则化稀疏判别非负矩阵分解

非负矩阵分解是一种流行的数据表示方法,利用图正则化约束能有效地揭示数据之间的局部流形结构。为了更好地提取图像特征,给出了一种基于图正则化的稀疏判别非负矩阵分解算法(graph regularization sparse discriminant non-negative matrix factorization,GSDNMF-L2,1)。利用同类样本之间的稀疏线性表示来构建对应的图及权矩阵;以L2,1范数进行稀疏性约束;以最大间距准则为优化目标函数,利用数据集的标签信息来保持数据样本之间的流形结构和特征的判别性,并给出了算法的迭代更新规则。在若干图像数据集上的实验表明,GSDNMF-L2,1在特征提取方面的分类精度优于各对比算法。

基于图学习正则判别非负矩阵分解的人脸识别

基于图正则非负矩阵分解(NMF)算法充分利用了高维数据通常位于一个低维流形空间的假设从而构造拉普拉斯矩阵,但该算法的缺点是构造出的拉普拉斯矩阵是提前计算得到的,并没有在乘性更新过程中对它进行迭代。为了解决这个问题,结合子空间学习中的自表示方法生成表示系数,并进一步计算相似性矩阵从而得到拉普拉斯矩阵,而且在更新过程中对拉普拉斯矩阵进行迭代。另外,利用训练集的标签信息构造类别指示矩阵,并引入两个不同的正则项分别对该类别指示矩阵进行重构。该算法被称为图学习正则判别非负矩阵分解(GLDNMF),并给出了相应的乘性更新规则和目标函数的收敛性证明。在两个标准数据集上的人脸识别实验结果显示,和现有典型算法相比,所提算法的人脸识别的准确率提升了1%~5%,验证了其有效性。

远程光纤传感网中滤波降噪方法的优化

为实现远程光纤传感网络在噪声干扰条件下的高精度检测传输,提出一种优化差分(optimized difference,OD)的降噪方法。基于移动平均法构建新差分算法,并结合低通算法、中值算法预判边缘信息及预测信号数值;采用双重判别弥补边缘信息误判的缺陷,优化准确定位边缘信息的能力;融合加权平均法与卡尔曼滤波器(Kalman filter,KF),优化信号预测的精度。实验验证结果表明:采用该方法进行数据预处理将使系统能够正常检测数据,测量精度可达0.76%,提高检测系统的抗噪性能。与先进小波阈值降噪方法的对比实验结果表明:斜率优化方法在≥10 dB噪声干扰下,测量精度相对提高0.62倍以上。

国有企业环境信息披露质量影响因素研究

文章首先利用概率信息判别模型对2005～2011年发布社会责任报告的国有企业信息披露质量进行综合评估，并以信号发送和合法性理论为基础，运用随机效应有序模型动态分析企业微观、合法性、宏观经济三个层面的因素对信息披露质量的影响。