局部差异正则化的边界判别投影

高维是大数据的一个重要特点,数据降维是处理高维数据的有效手段.数据降维算法的设计,关键在于保持原始高维数据集中蕴含的判别信息和几何结构,使得生成的低维特征表示既能刻画原始高维数据的分布形状,又能以更低的计算成本服务于后续的分类任务.边界判别投影算法是一种有监督的线性降维算法,通过最大化不同类别样本点之间的最小距离和最小化同类样本点之间的最大距离,来获取最优判别投影方向.为了保持样本点的几何结构,提高边界判别投影算法的泛化能力,在边界判别投影模型中融入了样本点的局部差异性信息.通过最大化投影之后样本点之间的局部差异来保持数据集的多样性,即在数据降维过程中,局部邻域内相距较远的样本点在投影之后应该保持较远的距离,从而防止在投影过程中原始数据集中蕴含的相似关系和拓扑结构发生扭曲.在图嵌入框架下,数据集的相似信息、判别信息和局部差异信息可以采用正则化的迹差准则进行数据建模.在优化求解时,为了降低散度矩阵特征分解的时间复杂度,通过对数据矩阵进行QR分解来加速计算.人脸图像数据集上的分类实验验证了局部差异正则化的边界判别投影算法在判别特征提取方面的有效性.

客观赋权法的适用性检验及应用建议——以突出局部差异赋权法为例

为检验突出局部差异赋权法的适用性,本文从该方法的两个重要特点出发,提出了两种适用性检验方法:相关系数法和区分性对比法。首先,从理论上证明了均方差法可通过适用性检验,从而将两种适用性检验方法等效为检验其他类型权重与均方差权是否具有一致性。其次,通过实例分析检验了6种无量纲化方法下熵权法和极差法的适用性。研究表明:均方差法适用性良好,极差法适用性一般,熵权法的适用性与无量纲化方法有关;各指标的差异性已在评价中自然发挥作用,但受到无量纲化方法的影响;采用客观权重时,需保证客观权重与各指标的差异性具有一致性,才能在提高被评价对象区分性的同时保证各指标在评价中的作用和意义明确。最后,本文提出了突出局部差异赋权法的应用建议。

基于相似稀疏度与局部差异特征的图像修复算法

目的为了解决当前图像修复算法在破损面积较大时,其复原图像易丢失局部细节信息而导致修复图像存在振铃效应以及不连贯效应的不足,提出一种基于相似稀疏度耦合局部差异特征的图像修复算法。方法首先,利用待修复块及其相邻块内像素的均方距离来构造相似稀疏度模型,以形成优先权度量函数,根据其计算的优先级来确定优先修复块。然后,通过样本块对应的梯度向量模值来构造局部差异因子,计算样本块的局部差异,并以计算结果为依据对样本块的尺寸进行调整。最后,以像素点的颜色差值信息为依据,构造近似函数,选取最优匹配块对待修复块进行复原。结果仿真实验结果显示,与当前图像修复算法相比,该算法具有更高的修复质量和效率,其复原图像不存在振铃效应和不连续效应等。结论所提算法具有较高的修复视觉质量,能用于大面积损坏图像的复原。

采用三层模板局部差异度量的红外弱小目标检测

针对现有算法在复杂背景下虚警率高、实时性差的缺陷,提出了一种基于三层模板局部差异度量的单帧红外弱小目标检测算法。提出三层模板的构造方式,充分利用模板不同层之间灰度分布的差异,提出灰度差异度量和方差差异度量相结合的三层模板局部差异度量算法,同时实现了目标增强与背景抑制,最后采用自适应阈值分割算法从显著性图中提取待检测目标。实验结果表明,所提算法只需使用固定尺寸的三层模板遍历一次图像即可实现对不同尺寸目标的检测,不仅避免了由多尺度运算导致的算法复杂度的提升,而且防止了由区域交叠造成的目标漏检。使用公开数据集SIRST进行测试,与现有8种算法对比,本文算法的信杂比增益平均提高了7.7倍,背景抑制因子平均提高了3.9倍,且具有更好的实时性。

TOPSIS法与局部差异法在高速公路路面使用性能评价中的应用

伴随高速公路通车里程的日益增加,养护任务的不断加重,快捷、准确地评价高速公路的使用性能成为必要前提。本研究提出TOPSIS法与突出"局部差异"法相结合来评价高速公路的使用性能。突出"局部差异"法可以根据实际情况来确定指标权重。TOPSIS法可得出评价指标与评价等级的相似程度,从而得出评价路段的使用性能。通过对工程实例的分析,可以快速、准确的得出结果,验证了该方法是可行的。

局部差异冻结作用于既有井壁的冻胀力研究

针对板集矿副井井筒局部差异冻结修复的工程问题,使用ABAQUS/Standard数值分析软件,结合冻土试验得到热、力学参数,建立局部差异冻结条件下土体热—力耦合模型并进行有限元分析,分析了冻结172 d内土体冻结温度场的分布状况,研究了外层井壁位置处冻胀力的发展变化规律,并对井筒进行安全性评价。结果表明:-300 m层位交圈时间较-450 m层位晚22 d,冻结壁平均温度较-450 m层位高5.2℃;两层位冻胀力自冻结30 d起呈现出线性增长趋势,在交圈后的14 d内有阶跃性增长,其后冻胀力增长速度放缓,各方位上冻胀力总体呈现类同心圆的发展形式。172 d时,-300 m层位冻胀力占初始地应力的17.94%;同期-450 m层位冻胀力占初始地应力的41.54%。井壁混凝土的最大环向应变值与等效应力值均在准许范围内,表明既有井壁仍处于弹性受力阶段,井筒安全可靠。由此可见,局部差异冻结技术可以有效控制冻结壁向内发展速度,限制土体冻胀,避免对井壁造成二次破坏,该项施工技术可为今后类似工程的开展提供重要参考。

基于突出“局部差异”—TOPSIS法的沥青路面养护效果分析

公路沥青路面的使用性能可以直接反映路面的使用状况,是路面养护后评价的重要依据。基于突出“局部差异”法和TOPSIS法构建路面使用性能评价模型,将计算出的权重系数进行优化,对我国新疆吐鲁番G3012高速公路(小草湖至库米什区间)养护效果进行路用性能分析,对不同路段的养护方案做出养护后评价。计算结果表明:对突出“局部差异”法计算得到的权重系数进行优化后,更符合道路实际状况;当养护方案选择铣刨罩面时,选择“旧路铣刨4 cm+加铺5 cm AC-16C橡胶沥青+同步碎石封层”的方案,在通车4年后路段的路面使用性能更好,该方案可作为该地区其他路段进行养护时的参考。

单帧图像局部差异特征多目标分离仿真

对单帧图像差异特征的多目标分离,能够有效提高图像处理效果。对单帧图像局部差异特征进行多目标分离,需要将差异度较小区域合并至相邻区域中,并获取图像分离算法最优的阈值参数,完成差异特征的多目标分离。传统方法结合分水岭的分离方法,对图像特征进行分离及提取,但无法对图像分离阈值参数进行获取,导致图像目标分离精度偏低。提出基于粒子群的区域生长分水岭的单帧图像局部差异特征的多目标分离算法。将区域生长和分水岭的图像分离算法进行结合,依据香农熵对目标函数进行构建,对区域生长的参数进行确定,利用特征值对区域间的差异度进行计算,将较小的区域合并至相邻差异度区域中,得出图像分离算法最优的阈值参数,完成对单帧图像局部差异特征多目标的分离。实验证明,所提方法能有效对单帧图像局部差异特征进行多目标分离,并高效提高了图像处理速度。

基于局部差异最小生成树脑网络的抑郁症分类研究

传统的最小生成树特征提取方法使用局部可量化指标来分类脑疾病,忽略了低权重的连接和集群在大脑网络中信息处理的重要作用,造成网络中一些有用信息的丢失。较其他网络特征而言,其特征有效性和分类准确率都明显偏低。为解决这些问题,本文以最小生成树拓扑指标作为特征,在局部差异最小生成树脑网络上进行提取特征并构建分类器,在抑郁症患者数据集上进行验证。实验结果显示,该方法相比于传统最小生成树特征提取方法可以提供更多有效特征,能够有效地提高分类精度。本文提出的新方法可以为脑网络的构建以及特征提取提供重要的可参考依据,也有助于医学辅助诊断和脑疾病的研究。

再谈奥林匹克邮票的局部差异

拙作《奥林匹克邮票的局部差异》（参见040526）曾集合了多种奥运会邮票诡秘的变异，不觉几年过去，仍感意犹未尽，尤其是在北京奥运会、奥博会之后，因此再续前篇以飨同好。

基于混合近邻局部分布差异的离群点检测算法

离群点检测作为数据挖掘领域的重要任务,其目的是从表示事件或对象行为的数据中找出不一致数据。目前大部分传统的无监督离群点检测算法,如基于距离或密度的方法,识别多维度空间离群数据时都存在因维度诅咒导致检测精度衰退的问题。论文提出了基于混合近邻的离群点检测算法,该算法以数据项的混合近邻作为新的局部影响空间,以双向共享近邻和欧式距离重新定义了数据项的相似度计算方式,通过对比数据项与其局部影响空间中样本的平均局部分布差异衡量数据的局部离群程度,从而识别离群点。在合成和真实数据集上和其他同类算法的对比实验结果证明,该算法在离群点检测方面具有一定的提高。

单幅图像局部特征分层模糊挖掘算法仿真

为了能够深入获得图像纹理特征信息,提高后续数据识别精准度。因此,提出了单幅图像局部特征分层模糊挖掘算法。通过直方图均衡化方法,将图像中灰度值集中到对应灰度等级区域。由不均匀分布向均匀分布状态转换,拓展像素的灰度动态范围。分析图像局部特征复杂度与差异度,求出相邻模板灰度等级,得到局部复杂性和差异度矩阵,采用Laplace算法对图像局部特征推荐分类,根据推荐级别分层模糊挖掘所选特征,以此实现对单幅图像的局部特征分层模糊挖掘。通过实验证明,所提算法可准确挖掘出图像特征,不同层级纹理信息都完整,且挖掘时间保持在0.25s内。

结合局部灰度差异的噪声图像分割模型

针对未知强度和分布规律的噪声图像难以得到正确分割,现有模型无法适应多种噪声环境的问题,提出了一种基于图像局部灰度差异的噪声图像分割模型。首先,分析局部K均值聚类(LCK)模型和局部相似性系数(RLSF)模型中能量泛函对噪声点的降权机制的不足,提出优化方案;其次,将一种结合局部灰度差异的噪声点修复函数引入能量泛函,降低了显著偏离局部均值的噪声点对分割结果的干扰;最后使用变分法推导出该模型的水平集迭代方程。与局部二值拟合(LBF)模型、LCK模型和RLSF模型相比,使用该模型进行噪声自然图像分割时,可得到更高的查全率、查准率和F值。实验结果表明,所提模型可稳定、有效地分割非均匀和高噪声图像。

基于局部二值差异激励模式的木材缺陷分类

针对木板表面裂缝和矿物线的区分问题,提出一种基于局部二值差异激励模式(LB_DEP)的方法。首先经预处理分割潜在缺陷区域,然后通过几何参数筛选呈线状的裂缝和矿物线。接着基于LBP与韦伯定律,建立反映图像纹理结构位置与差异激励关联关系的LB_DEP直方图。最后提取LBP和LB_DEP直方图特征,并融合特征数据,形成的特征向量作为SVM分类器的输入用于缺陷分类。提出的两种特征提取方法分别为'H-chi-square'法和'H-PCA'法,均在自建的数据集上进行了评估。结果显示,在两种特征提取方法下,本文算法分别获得了93. 7%和95. 8%的Recall,及95. 0%和96. 5%的Precision。与相似研究相比,Recall和Precision分别至少提高了3%和5%,且算法耗时均为毫秒级别,表现出方法的优势和有效性。

最大局部加权均值差异嵌入

最大均值差异嵌入(Maximum Mean Discrepancy Embedding,MMDE)作为一种基于最大均值差异(MaximumMean Discrepancy,MMD)度量的特征提取方法被成功地运用.然而通过分析得知,该方法在处理原始输入空间上的特征提取问题时一定程度上缺乏适应性.因此本文在MMD准则的基础上,并结合已经被广泛研究和探讨的局部学习方法,提出一个新的评价度量:最大局部加权均值差异(Maximum LocalWeightedMean Discrepancy,MLMD),该度量反映源域和目标域分布差异时能充分考虑两个区域内在的局部结构,同时还能通过局部分布差异去反映全局分布差异.本文还在此度量的基础上提出一种能实现迁移学习任务并具有一定局部学习能力的特征提取方法:最大局部加权均值差异嵌入(Maximum Local WeightedMean Discrepancy Embedding,MWME).该方法不但能完成传统意义上的特征提取,同时还能完成在两个分布存在差异但相关的两个区域上实现领域适应学习,从而表明该特征提取方法具有较好的鲁棒性和适应性.实验证明MLMD准则和MWME方法具有上述优势.

基于局部边缘差异二值模式的人脸识别方法

传统的局部二值模式(local binary pattern,LBP)作为一种有效的特征提取与编码方法广泛应用于图像处理领域,但该方法只提取了图像模版中心像素值与边缘像素值的差值信息,这些信息不能全面地表征图像,并且对图像小幅度的灰度变化敏感.针对该方法的缺点,提出了一种基于局部边缘差异二值模式(local edge difference binary pattern,LEDBP)的特征提取算法,并应用于人脸识别领域.与传统的局部二值模式不同,本方法通过计算图像模版中心像素值与边缘像素值的差值来表示局部区域,其首先计算中心像素与相邻像素的边缘差值,然后使用局部三值模式的上模式(upper local ternary pattern)对边缘像素值进行编码,建立直方图后得到特征向量对图像进行表示.实验结果表明,本文算法用于人脸识别较传统的LBP等算法在识别率上有较大提高.

修正局部极小值的局部灰度差异分割模型

针对现有局部模型在分割灰度不均匀图像时容易陷入局部极小值,导致演化曲线停留在背景处或目标内部无法继续演化从而造成分割失败的现象,提出本模型。该模型在能量泛函中增加局部灰度差异项,通过最大化演化曲线上所有点的邻域内目标和背景的差异来驱动演化曲线越过图像背景处或目标内部,直到准确地停留在目标边缘。实验结果表明提出的模型可以有效地解决局部模型因陷入局部极小值而导致的误分割问题,同时提高对分割灰度不均匀等复杂图像的准确性,并减小对初始轮廓的敏感性。

基于局部灰度差异的快速自适应活动轮廓模型分割腮腺导管

目的研究一种基于局部灰度差异的快速自适应活动轮廓模型腮腺导管图像分割算法。方法本研究在LBF模型的基础上,加入了轮廓内外局部灰度的均值差异作为驱动演化曲线的能量项,并且将局部灰度方差差异代替λ1、λ2作为能量参数值的控制项,同时还引入两种不同邻域大小的局部相似因子,来克服图像灰度不均匀和边界模糊的影响以提高分割效率。结果该算法在分割图像时,能够根据内外局部灰度均值差异和方差差异自适应地调节演化方向、速度以及内外部区域能量所占权重,在面对复杂梯度边界区域时亦能够检测出真实边界,使演化曲线快速精确地逼近目标边界。结论实验结果表明,本文算法明显优于现有的几种分割算法,能够实现快速精确地分割腮腺导管图像并且保留图像细节。

基于ESDA的区域经济空间差异分析——以江苏省为例

基于ESDA全局和局部空间自相关分析,利用江苏省1978～2002年县域人均GDP数据,对江苏省县域总体和局部空间差异的变化趋势、特征与成因进行了初步探索.结果首先表明,随着我国改革开放进程的逐步深化,江苏省县域经济空间差异在总体上呈现缩小趋势.其次,江苏省县域局部空间差异不断缩小,特别是苏南和苏北县域,表现出与周边地区同步发展态势.再者,苏南地区对全省的极化效应明显大于其扩散效应.大致自1992年以来,苏南和苏北地区内部分别形成了与周边地区显著相似的区域.最后,江苏省县域总体和局部空间差异的缩小并不是全省区域经济协调发展的标志,而是南北空间分异的表现.在循环累积因果机制作用下,南北差异有可能进一步扩大.

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.