基于分类的M近邻判别性低秩字典学习算法

针对稀疏编码学习的字典过大而导致字典冗余和计算复杂的问题,提出了一种M近邻判别性低秩字典学习(MLR)算法。该算法首先引入低秩表示,去除字典的噪声,使同类字典原子之间具有更强的线性相关性,可增强字典的紧凑性和纯粹性,提高字典的质量。然后用K-奇异值分解(KSVD)算法更新字典,保持字典的表示性能,获取最优的稀疏解。在分类中,结合M近邻思想,可得到与测试样本能量相近的字典原子,增强其聚类能力,并能提高分类的精确度。基于扩展的Yale B和AR人脸数据库上的实验结果表明,该方法用较小的字典得到更好的分类性能,并优于对比的算法。

装备保障信息系统中多字典融合性设计

在我军装备保障信息系统的发展过程中,多字典不融合问题是一个普遍存在的现象。通过分析研究军械类装备和车辆类装备的质量等级字典存在的不融合问题,结合课题研究实践,提出了解决这类问题的三种方案,一是集合标识方案、二是种子典方案、三是应用标识方案,并对三种方案在运用过程中的多个方面进行了比较。

如此劣质辞书,如何面对学生?

《多功能学生字典》是一部小型汉语字典,由新疆教育出版社2002年9月出版。这部字典是作为“学生必备工具书”向读者推荐的,可是它的水平到底如何呢?按照图书质量检查的要求,我审读了该书的10.5万字,发现其中的差错极多,实在不敢恭维。审读后统计,差错率竟达万分之三十多!人们在震惊、愤怒之余,不禁要问:如此劣质辞书,如何面对学生?