基于标记增强的离散跨模态哈希方法

跨模态哈希通过将不同模态的数据映射为同一空间中更紧凑的哈希码,可以大大提升跨模态检索的效率.然而现有跨模态哈希方法通常使用二元相似性矩阵,不能准确描述样本间的语义相似关系,并且存在平方复杂度问题.为了更好地挖掘数据间的语义相似关系,提出了一个基于标记增强的离散跨模态哈希方法.首先借助迁移学习的先验知识生成样本的标记分布,然后通过标记分布构建描述度更强的语义相似性矩阵,再通过一个高效的离散优化算法生成哈希码,避免了量化误差问题.最后,在两个基准数据集上的实验结果验证了所提方法在跨模态检索任务上的有效性.

基于粒的标记增强标记分布学习

标记分布学习能有效求解多标记学习任务,然而分类器构造以获得大规模具有更强监督信息的标注为前提,在许多应用中难以满足。一种替代的方案是以标记增强的方式从传统逻辑形式的标注中挖掘出隐含的数值型标记的重要程度。现有的标记增强方法大多假设增强后的标记需要在所有示例上保持原有逻辑标记的相关性,不能有效保持局部标记相关性。基于粒计算理论,提出了一种适用于标记分布学习的粒化标记增强学习方法。该方法通过k均值聚类构造具有局部相关性语义的信息粒,并在粒的抽象层面上,分别在图上依据逻辑标记的特性和属性空间的拓扑性质完成粒内示例的标记转化。最后,将得到的标记分布在示例层面进行融合,得到描述整个数据集标记重要程度的数值型标记。大量比较研究表明,所提出的模型可以显著地提升多标记学习的性能。

基于情感轮和情感词典的文本情感分布标记增强方法

情感分布学习是一种近年提出的用于处理存在情绪模糊性的多情绪分析模型,其核心思路是通过情感分布记录示例在各个情绪上的表达程度.不同于传统的单标记或多标记学习,情感分布学习可以定量地对多个情绪同时建模.目前,情感分布学习面临的一个重要困难是缺乏已标注情感分布的文本数据集.为了利用大量已有的单标记情感数据集,情感分布标记增强方法可以将示例的情绪标签增强为情感分布.基于文本中的情感词蕴含着大量情感信息的特点,本文在引入普鲁契克情感轮心理学模型的基础上,提出基于情感轮和情感词典的情感分布标记增强方法(Emotion Wheel and Lexicon based emotion distribution Label Enhancement,EWLLE).EWLLE方法基于情绪的心理学距离为句子的真实情绪标签和情感词的情绪标签分别生成离散高斯分布,然后通过分布的叠加将两种信息综合为统一的情感分布.在7个常用的中英文文本情感数据集上的对比实验表明,EWLLE方法在情绪识别任务上的性能优于已有的情感分布标记增强方法.

面向标记分布学习的标记增强

多标记学习(multi-label learning,MLL)任务处理一个示例对应多个标记的情况,其目标是学习一个从示例到相关标记集合的映射.在MLL中,现有方法一般都是采用均匀标记分布假设,也就是各个相关标记(正标记)对于示例的重要程度都被当作是相等的.然而,对于许多真实世界中的学习问题,不同相关标记的重要程度往往是不同的.为此,标记分布学习将不同标记的重要程度用标记分布来刻画,已经取得很好的效果.但是很多数据中却仅包含简单的逻辑标记而非标记分布.为解决这一问题,可以通过挖掘训练样本中蕴含的标记重要性差异信息,将逻辑标记转化为标记分布,进而通过标记分布学习有效地提升预测精度.上述将原始逻辑标记提升为标记分布的过程,定义为面向标记分布学习的标记增强.首次提出了标记增强这一概念,给出了标记增强的形式化定义,总结了现有的可以用于标记增强的算法,并进行了对比实验.实验结果表明:使用标记增强能够挖掘出数据中隐含的标记重要性差异信息,并有效地提升MLL的效果.

基于标记增强的多标记代价敏感特征选择算法

多标记特征选择是机器学习和人工智能领域的研究热点之一,现有多标记学习的研究是假设每个示例的标记呈均匀分布,即每个示例的各个相关标记的重要程度相同.然而,在许多应用领域中这些相关标记的重要程度往往不同.为此,本文提出了一种标记增强方法,可将多标记数据中传统的逻辑标记转化为监督信息更丰富的标记分布;同时,从代价敏感学习视角,构造了基于特征代价与特征依赖度的特征重要性度量准则,在此基础上,设计了面向标记分布数据的代价敏感特征选择算法;最后,通过在真实的多标记数据集上的实验对比与分析,验证了算法的有效性和可行性.

结合DBSCAN与PTAM算法的室内家居无标记增强现实系统

传统增强现实技术虽然在跟踪注册技术、虚实融合技术、实时交互等核心技术都有了长足的进步,但是仍没有完全摆脱增强现实中用以确定虚拟物体注册坐标的定标物,定标物存在需要预先摆放以及遮挡等方面的问题。为了解决此类问题,对增强现实现状进行调研后提出一种结合DBSCAN与PTAM的无标记增强现实系统,利用DBSCAN密度聚类算法将室内特征点进行分类筛选,利用筛选后的特征点建立显示平面,摆脱定标物的限制;利用PTAM算法对虚拟物体进行实时跟踪注册,并应用于室内家居规划。实验证明,该算法能够使等比家具模型在室内特征点较为丰富的地方进行精确定位显示并且随着镜头移动完成实时追踪。

基于语义规则增强的蒙古语情感分布学习

为完善基于先验知识的标记增强方法对于情绪信息的捕捉,提出一种基于语义规则增强的蒙古语情感分布学习方法(semantic rule enhancement based Mongolian emotion distribution learning, SRE-MEDL)。在情感轮和情感词典的基础上,引入程度词典和否定词典,得到各种情感词组合,以此制定相应的语义规则计算情感词权重,将其融入到标记增强中。在情感分布学习中融入从情感分布空间到实例特征空间的反向重构映射来弥补正向映射引起的原始信息丢失问题。对比实验结果显示,在蒙古语和中英文常用数据集上,SRE-MEDL方法在标记增强任务和情感分布学习中的表现均优于现有方法。

标记分布学习与标记增强

本文主要介绍了标记分布学习和标记增强的相关概念及算法.标记分布学习是一种新型机器学习范式,传统的单标记和多标记学习都可以看做是该范式的特例.标记分布学习将不同标记对示例的重要程度用标记分布来显式刻画,已经在多个应用领域中取得很好的效果.然而,现有的多数数据集中却仅具有简单的逻辑标记而非完整的标记分布,因此无法直接应用标记分布学习.为解决这一问题,可以通过挖掘训练集中蕴含的标记重要性信息,恢复出每个示例的标记分布.我们将原始逻辑标记提升为标记分布的过程定义为标记增强.本文给出了标记分布学习和标记增强的形式化定义,介绍了典型标记分布学习和标记增强算法,并对这些算法进行了分析讨论.

图趋势过滤诱导的噪声容错多标记学习模型

针对多标记学习中特征噪声和标记噪声经常共同出现的问题,提出了一种图趋势过滤诱导的噪声容错多标记学习模型(GNTML)。该模型通过组稀疏约束桥接增强的标记,从而同时容忍特征噪声和标记噪声。模型的关键之处在于标记增强矩阵的学习。为了在混合噪声场景下学习到合理的标记增强矩阵,首先通过引入图趋势过滤(GTF)机制来容忍含噪示例特征与标记之间关联的不一致性,从而减轻特征噪声对标记增强矩阵学习的影响;然后通过引入组稀疏约束的标记保真惩罚来减轻标记噪声对标记增强矩阵学习的影响,同时引入标记关联矩阵的稀疏约束来刻画标记之间的局部关联特性,使得样本标记能够在相似样本之间得到更好的传播;最后在7个真实多标记数据集上进行5个不同评价指标下的实验。实验结果表明,提出的模型在66.67%的情况下取得最优值或次优值,优于其他5个多标记学习算法,能有效地提高多标记学习的鲁棒性。

Ag/mSiO2空心微球的制备及SERS标记性能

以聚苯乙烯微球为模板,经过原位还原和种子生长过程在聚苯乙烯微球表面包覆银(Ag)纳米粒子;以正硅酸乙酯为硅源,在十六烷基三甲基溴化铵的导向下实现介孔二氧化硅(mSiO2)可控包覆,去除模板得到Ag/mSiO2空心微球.透射电子显微镜(TEM)和氮气吸附-脱附分析结果表明,SiO2壳层厚度约为20 nm,介孔孔径为2.1 nm,孔道分布均匀.进一步利用虹吸作用使对巯基苯胺(4-ATP)分子进入微球内与Ag粒子结合,构建表面增强拉曼散射(SERS)标记材料.SERS测试结果表明,该标记材料检测限达到10-7mol/L,SERS增强因子达到3.7×105.

金标记银增强方法检测HIV抗体的蛋白质微阵列

目的:采用金标记银增强技术制备检测抗HIV病毒P24、gp41、gp36、gp120蛋白抗体的蛋白质微阵列。方法:将上述抗原片段固定在醛基化玻片上,制成了能够检测多种抗体的蛋白质微阵列,同时研究了金标记银增强技术用于蛋白质微阵列检测的方法学基础。结果:采用金银染色方法的蛋白质微阵列能够准确而灵敏地检测抗HIV不同抗原的抗体。该方法被引入应用到蛋白质微阵列检测中,可以通过光学显微镜或凭肉眼观察定性结果,仅使用普通的CCD数字照像机或CCD扫描仪就可以对信号进行采集。结论:与传统的荧光标记方法相比,金标记银增强方法的灵敏度相当,而且成本低、信号稳定、操作简便,将是前者的一种通用替代方法。

增强荧光标记33.6探针进行DNA指纹分析

本文用增强荧光标记33.6探针对人的DNA指纹进行分析,获得了清晰易读的DNA指纹图。并用该方法调查了云南省的51名无关个体,结果显示33.6探针具有高度个体特异性,将其应用于法医个人识别及亲子鉴定中,获得了满意的结果。用该方法对数十起需要做DNA指纹图的案件进行检验,证明该方法稳定、结果可靠,在许多方面与我们过去已应用的Myo探针及α-珠蛋白-3′HVR探针进行分析的方法有一定优势。

施济普、魏明宝等获本刊优秀论文奖

根据我部决定(见本刊1999年第2期第159页)和有关专家推选评定，施济普、赵崇奖、朱华(的论文《衣裳牢山西坡主要植被类型的特征与物种组成》[2005，11(1)：1～7]和魏明宝、崔长征、方呈祥、张甲耀、王海、王亚芬的论文《铜绿假单胞菌增强型绿色荧光蛋白标记的研究》[2005，11(1)：74～77]获本刊2005年第1期优秀论文奖．本刊将授予两篇论文奖金各500元人民币，授予两篇论文的每在作者获奖证书。

腺病毒载体与慢病毒载体介导EGFP基因转染犬骨髓间充质干细胞效果的比较

为了比较携带增强型绿色荧光蛋白基因的腺病毒载体与慢病毒载体转染犬骨髓间充质干细胞(BMSCs)的效率及其对细胞增殖能力的影响,采用全骨髓贴壁法分离培养犬BMSCs。用两种病毒载体分别按不同的感染复数(MOI)转染BMSCs,72h后荧光显微镜下观察,计算转染效率,并用MTT法检测两种病毒载体对BMSCs增殖能力的影响。结果显示,两种病毒载体随着感染复数的增加,对BMSCs的转染效率逐渐增大,对细胞增殖能力的影响也逐渐增加。MOI分别为25、50、100、200、400时,腺病毒载体的转染效率分别为11%、17%、32%、51%、65%,慢病毒载体的转染效率分别为48%、70%、91%、98%、99%。与空白对照组相比,腺病毒载体在MOI=200、慢病毒载体在MOI=400时对BMSCs增殖有显著影响(P<0.05)。结果表明,慢病毒载体在不影响细胞增殖能力的感染复数范围内,对犬BMSCs的转染效率明显高于腺病毒载体。