基于局部判别映射算法的玉米病害识别方法

如何快速准确检测到作物病害信息是作物病害防治中的一个首要问题,根据作物叶片症状识别作物病害是作物病害检测的一个基本方法。由于病害叶片颜色、形状和纹理之间的差异很大,使得很多经典的模式识别方法不能有效地应用于作物病害识别中,为此提出了一种基于局部判别映射(local discriminant projects,LDP)的作物病害识别方法。首先,利用区域增长分割算法分割病害叶片中的病斑图像;然后,将病斑图像重组为一维向量,再由LDP对一维向量进行维数约简;最后,利用最近邻分类器识别作物病害类别。利用LDP算法将高维空间的一维向量样本点映射到低维子空间时,能够使得类内样本点更加紧凑,而类间样本点更加分离,从而得到最佳的低维分类特征。利用该方法在5种常见玉米病害叶片图像数据库上进行了病害识别试验,识别精度高达94.4%。与其他作物病害识别方法(如基于神经网络、主分量分析+概率神经网络和贝叶斯方法)和监督子空间学习算法(如算法局部判别嵌入和判别邻域嵌入)进行了比较。试验结果表明,该方法对作物病害叶片图像识别是有效可行的,为实现基于叶片图像处理技术的作物病害的田间实时在线检测奠定了基础。

基于最大最小判别映射的煤矿井下人员身份鉴别方法

针对井下复杂受限环境下人脸、虹膜、指纹和掌纹等常常比较模糊,从而使得基于这些生物特征的井下人员身份识别率不高问题。在Warshall算法和最大最小判别准则的基础上,提出了一种最大最小判别映射的步态识别方法。该方法利用Warshall算法快速得到数据的类别关系,由此构建类内和类间散度矩阵。与经典的步态识别方法相比,该方法充分利用了数据的局部信息和类别信息,使得数据降维后在低维空间同类样本之间的距离减小,而异类样本之间的距离增大。与经典的监督子空间维数约简方法相比,该方法在构建类内和类间散度矩阵时不需要判别数据的类别信息,能够提高算法的性能。在真实步态数据库上进行了一系列实验。实验结果表明,利用该方法进行基于步态的煤矿井下人员身份鉴别是有效可行的。

正交全局-局部判别映射应用于植物叶片分类

提出了一种正交全局-局部判别映射的维数约简方法,并应用于植物叶片分类中。对于给定点的邻域点集,首先建立能够描述数据点之间关系的权重矩阵;然后,充分利用数据的类别信息和局部信息来构建类间散度矩阵和局部结构矩阵,使得映射后类内数据点之间的距离减小,而类间数据点之间的距离增大,这一性质有利于数据分类;最后,构造正交优化目标函数,通过Lagrange数乘法求解该目标函数。植物叶片图像分类的试验结果表明,该方法是有效、可行的。

加权自适应CS-LBP与局部判别映射相结合的掌纹识别方法

提取掌纹的最佳低维分类特征一直是掌纹识别研究领域的一个重要方向。针对掌纹图像具有丰富的纹理特征特点,提出一种基于加权自适应中心对称局部二值模式(WACS-LBP)与局部判别映射(LDP)相结合的掌纹识别方法。首先将掌纹感兴趣(ROI)图像分成大小均匀的小区域,利用自适应中心对称局部二值模式(ACS-LBP)算法获取不同区域的纹理特征直方图和权值,经过加权连接得到ROI的加权纹理特征直方图向量;再利用LDP算法对得到的特征向量进行维数约简;最后利用K最近邻分类器进行掌纹识别。在掌纹公开数据库上进行实验,正确识别率高达97%以上。实验结果表明,该方法不仅是有效、可行的,而且研究思路比较明确。

基于特征融合与局部判别映射的苹果叶部病害识别方法

针对利用植物病害叶片图像特征识别病害类别的复杂性,提出一种基于特征融合与局部判别映射的植物叶部病害识别方法。首先,在中心对称局部二值模式(CS-LBP)的基础上,设计了一种自适应中心对称局部二值模式(ACS-LBP),由此分割病害叶片的病斑图像;然后提取并融合病斑图像的纹理、形状和颜色特征;再利用局部判别映射算法对融合特征进行维数约简;最后利用支持向量机进行病害类别分类。在3种常见苹果病害叶片图像数据库上进行病害识别验证试验,结果表明,该方法能够有效识别苹果叶部病害,平均识别率高达96%以上。

基于判别映射分析的植物叶片分类方法

流形学习的一个目标是寻找一个映射,使得邻域内不同类数据点之间的边界最大化。观察数据点映射后在子空间内使得同类数据点更聚集,而不同类数据点更分类。基于这个目标,提出了一种判别映射分析的算法,并将其应用于叶片分类中,该算法能够得到数据较优的判别分类特征,适用于样本分类。在瑞典植物叶片数据库上进行了试验验证,结果表明该方法是有效可行的。

基于正交判别局部保持映射的步态识别方法

随着国内外对社会安全和反恐的日益重视,步态识别技术在远程监控中越来越显示出其独特优势;但由于步态识别存在诸多的困难,在现阶段仍未形成实用性的方法和理论框架,其关键问题是维数约简和特征提取;在局部保持映射的基础上,提出了一种正交判别局部保持映射的步态识别算法,用真实步态图像数据库上的实验结果表明该方法是有效可行的。

基于判别局部保持映射算法的飞机目标识别方法

维数约简和特征提取是模式识别中的一个重要预处理步骤。由于同一架飞机目标在各种不同的空间变换(包括平移、尺度、旋转等变换)和不同的观察角度、位置以及光照等条件下的图像之间差异较大,使得很多经典的维数约简和特征提取算法不能有效地用于基于飞机图像的飞机目标识别。判别局部保持映射(DLPP)是一种有效的监督维数约简方法,DLPP较LPP具有更好的分类能力,DLPP通过最大化样本的类间距离,同时最小化样本的类内距离来构建特征子空间。基于DLPP提出了一种飞机目标识别方法。实验结果表明,该方法是有效可行的。

核正交UDP及其在人脸识别中的应用

针对人脸识别中的特征提取问题,对原始的非监督判别映射(UDP)算法进行了改进,提出一种基于核正交UDP的人脸识别算法.利用核的方法提取人脸图像中的非线性信息,并将其投影在一个高维非线性空间;在加入基向量正交的约束后,通过能够保持人脸图像局部几何结构的UDP算法作一个线性映射,以求取算法的正交基向量.该算法中,采用核方法可以更好地提取人脸非线性结构特征,正交基向量则可以更好地保留非线性子流形空间与度量结构有关的信息,增强了算法的识别性能.最后,通过在ORL和PIE人脸库上的人脸识别实验验证了文中算法的有效性.

基于Log-Gabor小波和正交UDP的人脸识别

针对人脸识别中特征提取的小样本问题，对原始的非监督判别映射（UDP）算法进行了改进，提出一种基于Log．Gabor和正交非监督判别映射（OrthogonalUDP）的人脸识别算法——LGouDP算法。此算法首先采用Log．Gabor小波对图像进行滤波来提取高阶统计信息，然后提出最大化非局部散度和局部散度的权值差和加入基向量正交约束的目标函数，对该目标函数的求解有效地避免了小样本问题，而且正交的基向量使得算法更利于保留人脸非线性子流形空间与距离有关的结构信息和重构样本。在ORL和PIE库上的人脸识别实验证明了提出算法的有效性。

广义精细复合多尺度样本熵与流形学习相结合的滚动轴承故障诊断方法

针对滚动轴承故障特征提取困难的问题,提出了一种广义精细复合多尺度样本熵(GRCMSE)与流形学习相结合的特征提取方法。利用GRCMSE提取滚动轴承故障特征信息;采用判别式扩散映射分析(DDMA)方法对高维特征进行降维处理;将低维故障特征输入粒子群优化支持向量机多故障分类器中进行故障识别。滚动轴承故障实验分析结果表明:GRCMSE特征提取效果优于多尺度样本熵(MSE)、精细复合多尺度样本熵(RCMSE)和广义多尺度样本熵(GMSE);DDMA降维效果优于等度规映射(Isomap)和局部切空间排列(LTSA)的降维效果;GRCMSE和DDMA相结合后的滚动轴承故障识别精度达到100%。

LPP算法和DLPP算法在掌纹识别中的应用研究

本文对近年来提出的局部保留映射(LPP)算法和判别局部保留映射(DLPP)算法思想进行了详细介绍,设计并完成了基于LPP和DLPP算法在掌纹识别中识别结果的对比实验。实验结果对基于这两种算法的掌纹识别方法给予数据支持,而且说明DLLP算法要优于LPP算法。

有噪条件下的新类检测算法

针对有噪条件下新类检测性能较差的问题,提出一种基于核零空间判别局部保持投影算法(KNDLPP).首先通过核函数将样本隐式映射到高维特征空间,在核空间中利用距离加权机制对样本进行权重赋值,在保持局部结构的同时降低离群噪声样本的影响;然后利用样本类内零空间使同类样本坍塌为一点,实现对已知类分布的有效约简;最后基于零空间再求得使类间距最大化的变换矩阵,以上步骤得到一个判别性变换矩阵以刻画样本的分布信息、描述样本之间的相似性.该算法能刻画样本潜在结构,提升已知类与新未知类之间的判别性.在11个公开数据集上的实验结果表明,该算法是有效和鲁棒的,具有较好的新类检测性能.在局部保持性实验中,KNDLPP在4个UCI数据集上的整体平均AUC值为90.656%;在复杂结构保持性实验中,KNDLPP在Banana,Moon及3个UCI数据集上的整体平均AUC值为91.949%;在2个无噪高维数据集的新类检测实验中,KNDLPP平均AUC值为86.214%,高于次优算法4个百分点;在4个UCI数据集的4种有噪条件下,KNDLPP性能排名第1.

长江中游省会城市品牌特征研究——基于全球新闻报道大数据的判别

以长江中游省会(武汉、长沙、合肥、南昌)城市品牌为研究对象,基于谷歌GDELT全球新闻报道全覆盖全样本大数据、西蒙·安浩的城市品牌指数理论和六大维度评价体系,运用词向量人工智能语义数据挖掘的技术方法,通过对互联网新闻报道文本的认知识别与情感识别的映射转换,判别和揭示出长江中游省会城市品牌的基本特征。四座省会城市的城市发展机会具有共性优势,但城市声望地位有待共同提高,城市素质、城市基本条件、城市环境素质、城市活力相对平衡一般;四座省会城市品牌从高到低依次为:武汉、长沙、合肥、南昌。

中国三大城市的品牌影响力及其差异化研究

全球城市之间的竞争是全方位的,其中城市品牌的竞争是重要方面之一。而城市品牌由多方共同建构,媒体是城市品牌的重要建构者,其中全球新闻媒体报道对全球城市品牌的"他塑"的重要性不言而喻。十座全球城市品牌影响力数值三年间呈逐年递减之势,中国三座全球城市品牌影响力数值与这一总体趋势保持一致。除香港波动起伏较大外,总体上中国三座全球城市品牌影响力与十座全球城市品牌影响力相比,所处区间层级相对稳定,北京处于第二层级,香港和上海处于第三层级。但是,从实质上看,突出的是五个方面的城市品牌差异化问题,需正确把握处理好五个方面的关系。