数据内蕴结构驱动的深度学习高光谱图像分类

针对深度学习性能受限于高光谱遥感图像有限样本的问题,提出一种描述类别样本先验分布模型的数据内蕴结构,并利用特定样本点与类别先验分布模型以及样本子集与类别先验分布模型间数据内蕴结构关系作为先验信息构造数据内蕴结构驱动的新型深度学习方法,提高了有限样本下深度学习高光谱图像分类性能。此外,文章介绍了新型学习方法的具体表现形式并展示了传统深度学习方法以及数据内蕴结构驱动新型深度学习方法在3个实际高光谱遥感图像上的相关分类性能。实验结果表明,基于数据内蕴结构驱动的新型深度学习方法能显著提高深度模型的分类性能。

《红楼梦》以“女娲补天”开篇的结构内蕴

《红楼梦》从开篇的"补天之说",经过中间"补天之谜"的谜网,最后必然走向"补天之枉"的悲剧结局。"补天之说"是人们美好企盼和理想追求,曹雪芹以天才之笔,演绎了扑朔迷离的"补天之谜"故事。但事与愿违,"补天之枉"是历史的必然,新兴资产阶级必然代替破败的封建礼教、封建道德、封建制度。

论词的内蕴结构的演变

词在内蕴结构的演变主要表现:树立"以诗为词"理论,转换抒情主人公,改变情感趋向,扩展生活空间,本文试从上述几方面对其突变做一勾画。

基于SILPDA的旋转机械故障诊断方法

针对故障特征集因“维数灾难”导致的故障分类困难现状,提出了一种基于强化内蕴局部保持判别分析(strengthened intrinsic local preserving discriminant analysis, SILPDA)的故障特征集降维算法。该算法将强化的多流形内蕴模型与局部相似度矩阵融入目标函数的构建中,期间充分考虑了数据集的多流形结构特征并且保留了样本的局部结构信息,使降维后的低维特征子集易于实施分类运算,继而实现提高故障辨识精度的效果。利用转子试验台振动信号集合构建的原始故障特征集对算法性能进行了验证。结果表明,该算法能够从原始故障数据集中提取出利于实施分类运算的敏感特征子集,这些特征子集将会使不同故障类别之间的边界变得更加清晰,最终相较于局部保持投影(locality preserving projections, LPP)、线性判别分析(linear discriminant analysis, LDA)、局部边缘判别投影(locality margin discriminant projection, LMDP)等算法可实现更好的故障辨识效果。对于提高旋转机械大数据资源的价值密度,该算法提供了一种优化数据结构模型的理论依据。

同质球形邻域投影

在有监督学习模式下,当样本数量在类与类之间的分布具有较大的不平衡现象时,一些传统算法如LDA的性能会受到很大影响.在iid条件下,可以认为每类数据具有独特性,且类与类之间彼此独立.基于此,提出了同质球形邻域算法IHSN(Isotropic Hyper Sphere Neighborhood).通过在Rn-1空间中构建n个同质的正则单纯形,作为样本在嵌入空间中的同质球形邻域,利用带约束的最小二乘回归法可求得数据空间与嵌入空间的映射函数.所提出的IHSN算法有两种实现形式:基于流形学习的IHSN-ML、基于KL散度的IHSN-KL.IHSN-ML具有闭式解,速度快;IHSN-KL可解释性好,精度更高.在IRIS和PIE-CMU数据集上的实验,验证了所提算法的有效性.

等同邻域投影

在有监督学习中,每类数据具有独特的特性且类与类之间是独立的.受此启发,提出了基于等同邻域的投影算法.新算法通过计算一组基函数为每类数据在低维空间中寻找高度对称的等同邻域空间.等同邻域可以通过构建正则单纯形得到,基函数可以通过凸优化得到.对于测试样本,可以通过基函数映射到低维的等同邻域空间,与各等同邻域空间中心的距离决定其类别归属,而不必计算与所有训练样本间的距离.实验证明了新方法的有效性.

趟不过欲望河的对面——评铁凝中篇小说《对面》

铁凝的中篇小说《对面》具备典型的外显性结构和内蕴式结构 ,其内蕴式结构主要以男主人公“我”的故事和套在“我”故事中的对面女子的故事为两个支点 ,解构了爱情与人性的神话。每个人都有追求真的———“对面”境界的渴望 ,却总是被假的———欲望之河所隔阻。可以说 ,《对面》描述了现代人的追求与失落。此外 ,《对面》较为牵强的结局也体现了铁凝创作中“生命无法承受现实之重”

内蕴大地边值问题

提出内蕴大地边值问题，使得有可能利用重力场边界观测研究地球重力场的内蕴结构。文中构造了椭球问题的迭代逼近求解程式，并给出了具体解式。