结合加权原型和自适应张量子空间的小样本宫颈细胞分类

基于深度学习的图像分类算法通常依赖大量训练数据,然而对于医学领域中的宫颈细胞分类任务,难以实现收集大量的图像数据。为了在少量图像样本的条件下正确分类宫颈细胞,提出一种结合加权原型和自适应张量子空间的小样本分类算法(CWP-ATS)。首先,结合预训练技术和元学习,保证特征提取网络从元训练集中学习更多的先验知识;其次,在原型计算过程中采用最大均值差异算法为每个支持集样本赋予合适的权重,并采用转导学习算法修正,以获得更准确的原型;最后,利用多线性主成分分析算法将每类样本投影至各自的低维张量子空间,从而在不破坏原始张量特征自然结构的前提下,在低维空间中学习高效的自适应子空间分类器。在小样本Herlev宫颈细胞图像的2-way 10-shot和3-way 10-shot分类任务中,与DeepBDC(Deep Brownian Distance Covariance)算法相比,CWPATS的分类准确度分别提高了2.43和3.23个百分点;当元测试集中30%的样本受噪声干扰时,与原型网络相比,CWP-ATS的分类准确度有超过20个百分点的提升。实验结果表明,CWP-ATS有效提高了对小样本宫颈细胞的分类准确度和鲁棒性。

直觉模糊集新截集与直觉模糊向量子空间

为给出直觉模糊向量空间的一种合理架构并建立与经典向量空间理论的联系,给出了直觉模糊集的一种新的截集,利用新的截集给出了直觉模糊向量子空间的定义.讨论了所建立的直觉模糊向量子空间的性质,研究了直觉模糊仿射集与直觉模糊子空间的关系.结果表明:由于该截集实际上推广了原有的直觉模糊集的截集,所以依据该截集建立的直觉模糊向量子空间理论推广了原有的一些直觉模糊向量子空间的理论.研究结果推广了现有直觉模糊向量子空间的一些结果,该研究方法也可以应用到凸直觉模糊集等方面的研究中.

(s,t)-直觉模糊向量子空间

为了完善直觉模糊向量空间理论,本文提出了(s,t)-直觉模糊向量子空间的概念.利用模糊集的上截集、下截集、上重截集和下重截集的各种凸组合,定义了相应的直觉模糊集的上截集、下截集、上重截集和下重截集,并利用模糊集的各种截集作为经典向量子空间,相应地定义了(s,t)-直觉模糊向量子空间.研究表明:不同的s,t对应不同的直觉模糊向量子空间,所以本文不但推广了已有直觉模糊向量子空间概念,同时也将直觉模糊向量子空间的概念拓广到其它情形,因此本文的结果丰富了现有的直觉模糊向量空间理论.

基于加权多尺度张量子空间的人脸图像特征提取方法

为了不破坏原始数据固有的高阶结构和数据之间的相关性,减少光照对图像特征的影响,并优化多尺度特征的权重,提出了基于加权多尺度张量子空间的图像特征提取方法。采用多尺度小波变换表征图像各个部位特征,使用不确定度权衡每个尺度对图像分类的作用,并组建成多尺度张量子空间,结合多线性主成分分析与线性判别分析算法,降低了图像在处理过程中的成本,保存了高维数据固有结构和相关性,完成对图像特征提取。使用CAS-PEAL-R1东方人脸库进行评测,实验结果表明,该图像特征提取算法用于图像识别过程中具有较好的效果,具有一定的可行性。

基于复杂网络数据流密度的增量子空间数据挖掘算法

为了提升在复杂网络中对大规模网络数据流进行挖掘时的准确性,提出一种基于复杂网络数据流密度的增量子空间数据挖掘算法,在算法中先对复杂网络的数据流密度进行分析,并根据不同网络的数据流密度来划分社区,进行无向环路遍历来确定数据流的所属社区。再通过增量子空间数据挖掘算法来计算社区网络与数据流的相关度以及数据流所经过的节点与时间的相关系数,从而准确确定目标数据流所处的节点。通过仿真实验结果和数据分析表明,增量子空间数据挖掘算法的数据挖掘精度在节点、社区数较多的情况下仍达到了较高的挖掘精度。

基于张量子空间学习的人行为识别方法

提出了一种基于张量子空间学习降维人体高维侧影数据的人行为识别方法。给定一个动作的人侧影图像序列,首先用张量子空间学习方法将目标高维侧影图像投影到低维子空间来描述人运动的时空特性,并同时尽可能地保持目标侧影图像中像素之间的空间几何信息,然后用Hausdorff距离度量动作之间的相似性,并在最近邻距离框架下对动作进行分类识别。为验证本文算法的有效性,设计了动作识别和鲁棒性测试2个实验。实验结果表明提出的算法不仅能够有效地对人行为进行识别,且具有较强的鲁棒性。

基于增量张量子空间学习的自适应目标跟踪

传统的基于子空间的跟踪方法易于丢失图像所固有的部分结构和邻域信息,从而降低了目标匹配和跟踪的精度.为此,本文提出了一种增量张量子空间学习算法,用于跟踪目标的建模与模型更新.同时,将该模型与贝叶斯推理相结合,提出一种自适应目标跟踪算法:新方法首先对跟踪目标的外观进行建模,然后利用贝叶斯推理获得目标外观状态参数的最优估计,最后利用最优估计的目标观测更新目标张量子空间.实验结果表明,由于保持了目标外观的结构信息,本文提出的自适应目标跟踪方法具有较强的鲁棒性,在跟踪目标在姿态变化、短时遮挡和光照变化等情况下均可有效地跟踪目标.

模糊仿射空间与模糊向量子空间

在经典数学中,每个非空的仿射空间都平行于惟一的向量子空间.利用模糊集的平移,研究了模糊仿射空间和模糊向量子空间的相互关系.给出了模糊仿射变换的概念,并研究了模糊仿射变换与模糊线性变换之间的关系.

(∈,∈∨q)-直觉模糊向量子空间

为了建立直觉模糊向量子空间的统一理论,采用直觉模糊集截集理论和模糊点xa与直觉模糊集A的邻属关系,并利用三值Lukasiewicz蕴涵,给出了(α,β)-直觉模糊向量子空间的定义,由此可以得到16种直觉模糊向量子空间。研究结果表明:(∈,∈)-直觉模糊向量子空间和(∈,∈∨q)-直觉模糊向量子空间是其中两种非常有意义的直觉模糊向量子空间,给出了(∈,∈)-直觉模糊向量子空间和(∈,∈∨q)-直觉模糊向量子空间之间的关系,并得出了(∈,∈∨q)-直觉模糊向量子空间的相关性质。该成果突破了对原有直觉模糊向量子空间的认识,从而为直觉模糊分析理论研究打下基础。

一种结合粒子滤波和张量子空间的目标跟踪算法

由于传统的子空间方法易于丢失图像目标的二维特性,为此本文提出了一种新颖的自适应目标跟踪算法,通过张量的方式建立目标的外观模型——张量子空间,利用在线学习的方法更新其外观模型,同时,利用目标仿射运动的先验信息,通过粒子滤波自适应地跟踪运动目标,并将获得的最优目标观测作为新数据反馈回子空间更新.此外,为了保证子空间更新能获得精确且紧致的目标子空间表达,引入动态部分函数滤除样本野点.实验结果表明,本文提出的自适应目标跟踪方法具有较强的鲁棒性,对于存在姿态变化、短时遮挡和光照变化等情况下均可有效地跟踪目标.

基于三值模糊集的直觉模糊向量子空间

针对直觉模糊集截集的新定义-三值模糊集,对直觉模糊向量子空间的有关理论重新进行了研究:利用三值模糊集给出了直觉模糊子空间和直觉模糊仿射集的定义,讨论了直觉模糊集成为直觉模糊子空间或直觉模糊仿射集的充要条件及直觉模糊仿射集与直觉模糊子空间的关系;给出了直觉模糊线性变换和直觉模糊仿射变换的定义,并研究了二者之间的关系。结果证明:在三值模糊集的定义下直觉模糊向量子空间的有关结论仍然是成立的。

张量子空间降维的边缘图像匹配

针对传统基于向量子空间降维的图像匹配算法易丢失像素间邻域关系和计算量大的问题,提出一种基于张量子空间降维的边缘图像匹配算法。通过双边投影变换提取边缘图像的张量子空间,在降低特征空间维数的同时保持边缘特征之间的邻域关系,同时采用边缘膨胀后的互相关度量模板与实时图的相似性。标准人脸数据库和红外实时图像的匹配实验结果表明:该算法在匹配时间、匹配正确率、匹配精度3方面较传统基于向量子空间的匹配算法有显著的性能提高,并且对杂波和部分遮挡有较强的适应性。

加权信号张量子空间拟合算法

提出了一种基于三阶张量高阶奇异值分解的声矢量阵列加权信号张量子空间拟合算法。首先对声矢量阵接收信号进行三阶张量建模,并通过高阶奇异值分解得到信号张量子空间,从而结合加权信号子空间拟合算法进行空间方位谱估计。由于基于高阶奇异值分解得到的信号张量子空间相比于传统的矩阵奇异值分解得到的信号子空间能够更好地抑制噪声,并且体现了多维数据之间的关联关系,因此具有更高的方位估计精度。理论和仿真结果表明:该方法在低信噪比、等强度不相关信号和强相关信号条件下仍具有良好的目标分辩能力和稳定性,工程应用价值较高。

模糊仿射集与模糊向量子空间的再定义

利用模糊直线定义模糊仿射集 ,研究其有关性质。在此基础上 ,定义模糊向量子空间 ,证明一个模糊集为模糊仿射集的充要条件是该模糊集是一个模糊子空间的平移。

关于模糊向量子空间的研究

本文综述了关于模糊向量子空间的有关结果，并在此基础上，我们提出了一些关于模糊向量子空间新的定义，得出了相应的结果．最后给出了我们进一步的研究工作．

基于张量子空间的三维模型特征提取及检索方法

为提高三维模型的检索效率,针对三维模型特征提取方法进行了研究,在多线性主成分分析(MPCA:Multi-Linear Principal Component Analysis)的基础上,提出了一种加权多线性主成分分析(WMPCA:Weighted Multi-Linear Principal Component Analysis)方法,并将其应用于三维模型特征提取中。该方法首先将三维模型转化为多角度的二维投影图像,然后从多方向上通过张量进行特征提取,最后将提取到的特征应用到三维模型检索中。对Princeton Shape Benchmark的实验表明,该特征提取方法比经典的形状分布方法平均检索效率提高7%,比传统的MPCA特征提取方法的平均检索效率提高3%。

基于各种截集的直觉模糊向量子空间

首先,利用模糊集的上截集、下截集、上重截集和下重截集的各种"凸组合",给出直觉模糊集的下截集、上重截集和下重截集的定义,并研究了其性质。其次,将模糊集的上截集、下截集、上重截集和下重截集作为经典向量子空间定义了相应的直觉模糊向量子空间,研究了各个直觉模糊子空间的性质。最后,讨论了各种直觉模糊向量子空间的关系。由于这些截集的建立实质上是已有直觉模糊集截集的推广,所以研究的结果丰富了已有的直觉模糊向量空间理论。

关于s-量子空间的闭包

引入了s-量子空间概念,研究了s-量子空间中闭包与网的收敛之间关系.并得到:在s-量子空间X中,任意子集A的闭包由A中网的收敛惟一确定当且仅当X是拓扑空间.

扩展张量子空间分析

张量子空间分析(TSA)是一个典型的张量子空间分析方法,目前已经成功的应用在许多实际的问题中,该方法通过构建近邻图模拟流行的几何结构来获取映射矩阵。但是本质近邻图构建的过程中一直遭受以下问题:K近邻查找是将整个图像作为输入得到,这样会导致相关局部信息的丢失,以至于所得到的图不能很好的表达原始数据空间的几何结构和判别结构。所以基于图嵌入的统一平台,我们引入了一种新的算法扩展张量子空间分析(ETSA),该方法保留了相应的局部信息,能够很好的表达原始数据的空间结构信息。实际的人脸识别实验显示了我们的算法不仅优于非监督的TSA,而且优于监督的TSA。

采用张量子空间的高光谱影像多维滤波算法

提出一种基于张量子空间的多维滤波算法,将其应用于高光谱遥感影像降噪。该方法将高光谱影像数据视为三阶张量,引入张量数据表达,通过张量子空间分解将含噪影像投影到信号子空间,根据影像信号与噪声在子空间中分布的不同滤除噪声并保留原始影像的信号成分。利用该算法作用于多组含噪高光谱数据,对比逐波段二维维纳滤波算法、小波降噪算法等传统数字图像降噪算法的结果,试验证明了这种新型降噪算法的有效性。