一种基于改进高斯过程隐变量模型的多角度人脸识别算法

针对传统谱算法在人脸识别中的局限,该文提出一种基于改进高斯过程隐变量模型(GP-LVM)的多角度人脸识别算法。首先,通过高斯过程(GP)对人脸流形建立概率模型,得到高斯过程隐变量模型(GP-LVM);其次,分析GP-LVM得到共有信息(shared information)和独有信息(private information),利用概率最大化与拉格朗日乘子法得到参照矩阵和参照值;最后,实现多角度人脸识别。选取Yale,JAFFE,FERET,CMU-PIE 4类数据集进行对比实验,实验结果表明:该文提出的算法可以有效地识别多角度人脸,针对无角度人脸识别也具有良好的效果。

基于免疫克隆高斯过程隐变量模型的SAR目标特征提取与识别

作为一种非线性维数约减算法,高斯过程隐变量模型(Gaussian process latent variable model,GPLVM)由于其适合处理小样本、高维数据,因而在模式识别、计算机视觉等领域得到了广泛应用.基于此,提出一种基于改进GPLVM的SAR图像目标特征提取及自动识别方法,其中利用改进的GPLVM进行特征提取,高斯过程分类进行目标识别.传统GPLVM使用共轭梯度法对似然函数进行优化,为避免梯度估值易受噪声干扰、步长对算法影响严重等缺点,提出基于免疫克隆选择算法的GPLVM,利用其具有快速收敛到全局最优的特性提高算法性能.实验结果表明,该算法不仅降低了特征维数,且提高了识别精度,从而验证了算法用于SAR图像目标识别的有效性.

基于高斯过程隐变量模型的图像数据降维算法

针对传统谱算法在数据降维计算复杂度高的缺点,提出一种基于高斯过程隐变量模型的图像数据降维算法。首先,通过高斯过程(Gaussian Process,GP)建立图像数据的概率模型,得到图像数据的隐变量模型;其次,利用概率最大化原则得到最优超参数,通过最优超参数求取最优数据降维结果;最后,实现图像数据降维。选取Yale,ORL两类数据集与传统算法进行人脸识别对比实验,实验结果表明:所提出的算法针对图像数据降维问题有较好的效果,结合支持向量机算法,可有效地对人脸图像进行识别,且有较高的识别率,从而体现出算法对高维数据降维的准确性。

基于隐变量模型的语音转换方法研究

传统语音转换方法利用说话人声音特征映射实现,容易造成过平滑(over-smoothing)和过拟合(over-fitting)问题。本文从语音信号内容与形式分离角度,利用隐变量模型提出了一种全新的语音转换方法。首先利用包含两个隐变量因子的隐变量模型(Latent Variable Model,LVM)建立语音信号的生成模型;然后采用最大似然方法把语音信号分解成表示语义的内容信息和体现说话人特征的形式信息,并估计出模型参数;最后基于LVM生成模型,利用说话人形式替换方法实现语音转换。主、客观测试结果表明,在相同训练集条件下,本文提出的语音转换方法性能明显优于GMM方法,并且隐变量模型和传统的双线性模型(Bilinear Model)相比,由于采用非线性关系描述内容与形式之间的相互作用,因此分离效果更好,语音转换质量更高。

基于高斯过程隐变量模型的滚动轴承故障识别

滚动轴承振动信号的特征之间往往并非相互独立,使得高维融合特征存在大量冗余信息,降低故障分类精度。为此,研究基于高斯过程隐变量模型(Gauss process latent variables model,GP-LVM)与K-最近邻(K-Nearest Neighbor,KNN)相结合的轴承故障识别方法。首先,提取振动信号的小波包能量,构建融合特征矩阵;然后,利用GP-LVM提取其隐变量;最后,利用K-最近邻分类算法进行故障识别。实例结果表明,对于不同健康状态下的滚动轴承振动信号,所提方法能有效减少其特征间的冗余信息,很好地区分滚动轴承状态,实现滚动轴承故障类型的准确诊断。

共享隐变量模型的解析算法及应用

从理论上探讨了共享隐结构模型的实质,并证明其与经典主分量分析的等价性.针对经典的共享隐结构算法需要使用确定性优化算法或者EM算法求解、且初值的设定以及优化速度精度很难控制这一特点,给出了共享隐变量模型的解析式,证明了高斯过程共享隐变量模型等价于经典PCA方法,即可以用PCA方法作为共享隐变量模型的解析式,并给出在人体运动分析中的实验结果.

面向用户偏好发现的隐变量模型构建与推理

电子商务应用中产生了大量用户评分数据,而这些数据中富含了用户观点和偏好信息,为了能够从这些数据中准确地推断出用户偏好,提出一种面向评分数据中用户偏好发现的隐变量模型(即含隐变量的贝叶斯网)构建和推理的方法。首先,针对评分数据的稀疏性,使用带偏置的矩阵分解(BMF)模型对其进行填补;其次,用隐变量表示用户偏好,给出了基于互信息(MI)、最大半团和期望最大化(EM)算法的隐变量模型构建方法;最后,给出了基于Gibbs采样的隐变量模型概率推理和用户偏好发现方法。实验结果表明,与协同过滤的方法相比,该方法能有效地描述评分数据中相关属性之间的依赖关系及其不确定性,从而能够更准确地推断出用户偏好。

面向商品评分预测的隐变量模型构建与推理

用户偏好是决定用户对商品评分的隐含变量,以构建包含用户偏好的隐变量模型、描述评分数据中相关属性间任意形式依赖关系及其不确定性为主要目标,以贝叶斯网作为各属性间依赖关系及其不确定性表示的基本框架,由商品评分数据构建不含隐变量的商品评分模型,提出基于半团结构向其中插入描述用户偏好的隐变量的方法,从而构建包含用户偏好的隐变量模型,并给出基于EM算法的隐变量模型参数估计方法,进而提出隐变量模型的概率推理算法和相应的商品评分预测方法.建立在MovieLens和Book-Crossing数据上的实验结果表明,本文提出的隐变量模型构建和相应的评分预测方法是有效的.

基于深度信念网与隐变量模型的用户偏好建模

从高维、稀疏的用户评分数据中构建用户偏好模型,存在迭代计算复杂度高、中间结果规模大和难以实现有效推理等问题。为此,提出一种基于深度信念网(DBN)和贝叶斯网(BN)的用户偏好建模方法。采用DBN对评分数据进行分类,用隐变量表示不能直接观测到的用户偏好,利用含隐变量的BN描述评分数据中蕴含的相关属性间的依赖关系及其不确定性。在MovieLens和大众点评数据集上的实验结果表明,该方法能够有效描述评分数据中与用户偏好相关的各属性间的依赖关系,其精确率和执行效率均高于隐变量模型。

一种基于高斯过程隐变量模型的表情识别方法

由于传统的线性降维方法存在局限性,利用高斯过程隐变量模型的非线性降维,提出一种新的基于高斯过程隐变量模型的表情识别方法。上述方法首先运用高斯过程隐变量对提取的表情特征进行降维,然后利用变分稀疏高斯过程分类方法进行分类识别。选取在JAFFE数据库进行对比仿真,在提取同一类LBP特征的情况下,使用上述方法与单独使用支持向量机和最近邻算法相比较,新方法明显优于以上两种方法。结果表明了新方法能够有效的进行人脸的表情识别。

一种基于隐变量模型的聚类算法用于气体传感器阵列数据的模式识别

聚类分析方法是一种无需先验信息即能探索数据内在分类结构信息的模式识别方法,已经被广泛应用到气体传感器阵列的模式识别研究中。该文提出了基于隐变量模型的聚类算法对两组金属氧化物半导体(MOS)传感器阵列数据进行模式识别。数据处理结果表明,该方法能准确的对两组传感器阵列数据中对应不同气体物质的样本进行分类识别。

一种基于局部保持的隐变量模型

隐变量模型是一类有效的降维方法,但是由非线性核映射建立的隐变量模型不能保持数据空间的局部结构.为了克服这个缺点,文中提出一种保持数据局部结构的隐变量模型.该算法充分利用局部保持映射的保局性质,将局部保持映射的目标函数作为低维空间中数据的先验信息,对高斯过程隐变量中的低维数据进行约束,建立局部保持的隐变量.实验结果表明,相比原有的高斯过程隐变量,文中算法较好地保持数据局部结构的效果.

西部大开发政策对中国经济的影响——基于Bayes动态隐变量模型的中国地区经济联动性研究

为了考察全国性整体经济波动和地区性的经济波动对各地经济发展的不同贡献,该文基于中国地区化经济发展不平衡的现状,将Bayes动态隐变量模型引入中国宏观经济的研究。通过从可观测到的宏观经济变量中识别出隐含经济变量,该文将中国宏观经济的整体波动分解为3个部分:全国因子、地区因子和各经济变量独有的波动项。通过对中国经济在1980-2015年的变动历史的分析,发现地区的产出和投资主要受全国因子波动的影响,而地区消费的波动主要受地区因子的影响。另外,通过对中国"西部大开发"战略实施前后经济变动的分析,发现该战略提高了全国因子对西部地区的影响,特别是对投资影响最大。

基于隐变量贝叶斯模型的稀疏信号恢复

该文基于贝叶斯分析的视角,揭示了一类算法,包括使用隐变量模型的稀疏贝叶斯学习(SBL),正则化FOCUSS算法以及Log-Sum算法之间的内在关联。分析显示,作为隐变量贝叶斯模型的一种,稀疏贝叶斯学习使用第2类最大似然(Type II ML)在隐变量空间进行运算,可以视作一种更为广义和灵活的方法,并且为不适定反问题的稀疏求解提供了改进的途径。较之于目前基于第1类最大似然(Type I ML)的稀疏方法,仿真实验证实了稀疏贝叶斯学习的优越性能。

基于隐回归的用户关系强度模型

为了科学合理地度量社会网络中用户间的有向关系强度,基于用户有向交互次,提出一个度量用户交互强度的光滑模型。将用户关系强度作为隐变量,交互强度作为因变量,构建度量用户关系强度的隐变量回归模型,并给出求解隐变量回归模型的最大期望(EM)算法。分别从人人网和新浪微博采集了数据集,从最佳好友、强度排序等方面进行了大量实验。在人人网实验中,通过关系模型选择的TOP-10好友与人工标注结果比较,得出NDCG均值为69.48%,平均查准率均值(MAP)为66.3%,与对比算法相比有明显提高;在大规模新浪微博数据集实验中,将关系强度大的节点作为传染模型的源节点的传播范围相较于选择其他节点作为源节点平均提高了80%。实验结果说明所提模型能够有效度量用户间的关系强度。

基于双因子高斯过程动态模型的声道谱转换方法

针对作者已经提出的双因子高斯过程隐变量模型(Two-factorGaussianprocesslatentvariablemodel,TF-GPLVM)用于语音转换时未考虑语音的动态特征,并且模型训练时需要估计的参数较多的问题,提出引入隐马尔科夫模型(Hidden Markov model,HMM)对语音动态特征进行建模,并利用HMM隐状态对各帧语音进行关于语义内容的概率软分类,建立了分离精度更高、运算负荷较小的双因子高斯过程动态模型(Two-factor Gaussian process dynamic model,TF-GPDM).基于此模型,设计了一种全新的基于说话人特征替换的语音声道谱转换方案.主、客观实验结果表明,无论是与传统的统计映射和频率弯折转换方法相比,还是与双因子高斯过程隐变量模型方法相比,本文方法都获得了语音质量和转换相似度的提升,以及两项性能的更佳平衡.

基于CCA的个性化轨迹隐私保护算法

针对轨迹隐私保护的个性化需求问题,提出一种基于典型相关分析的个性化轨迹隐私保护算法。算法对数据产生者认为不敏感的轨迹直接发布,而仅对数据产生者认为敏感的轨迹施以隐私保护操作。隐私保护过程中,先由不敏感轨迹和敏感轨迹获得二者的隐变量,再根据隐变量产生随机轨迹以替代敏感轨迹。该算法不仅能较好地尊重数据产生者的隐私保护意愿,而且能获得较高的轨迹质量。在真实轨迹数据上的实验结果验证了算法的有效性。

基于SGPLVM-LSSVM算法的U形折弯件模型参数优化研究

影响高强度U形折弯件回弹的因素众多,比如工件尺寸、力学性能和负载条件等,使得高强度折弯件的弯曲回弹难以控制。把回弹角α和最小弯曲回弹半径R作为双目标函数,首先利用监督学习-高斯过程隐变量模型(SGPLVM)进行变量筛选和降维,构建U形折弯件的最小二乘支持向量机模型(LSSVM);再把SGPLVM-LSSVM实验结果分别与SVM、FEM、实际零件进行比较,验证了此算法模型的可行性。

基于机器学习模型的沙漠腹地地下水含盐量变化过程及模拟研究

为了研究塔克拉玛干沙漠腹地的地下水盐分变化规律,模拟地下水盐分变化过程,评价适合该区域的地下水变化规律的模型。通过对研究区蒸发量、降水量、气温、气压、地下水位、地下水电导率数据的统计分析,揭示了地下水含盐量及其影响因素的特征;使用GP模型、GPLVM模型和BP人工神经网络模型以及综合模型,模拟了气候变化和人类活动双重影响下的地下水含盐量变化过程,并评价了模型的模拟结果。研究结果表明:(1)研究区地下水流动系统主要受气候变化和人类活动的影响,地下水位在局部地区随开采过程呈现波动变化。地下水位变化过程与气压的变化规律相一致;而气温和蒸发量的季节变化规律相一致。地下水盐分含量呈上升趋势。(2)GP模型对于地下水含盐量的预测效果最好;GPLVM模型对于已知地下水含盐量条件下,与其他环境因素进行多元回归分析的拟合效果最好。而GP、GPLVM和BP人工神经网络模型的综合模型,对于包括模型训练和模型预测的全体数据集的拟合和预测效果最好。

一种鲁棒的概率核主成分分析模型

大数据时代面临的数据维数越来越高,对数据降维处理越发显得重要。经典的主成分分析模型已被证明是一种有效的数据降维方法。但它在处理非线性、存在噪声和异常点的数据时存在效果较差的问题。对此,文章提出了一种鲁棒概率核主成分分析模型。该模型将核方法与基于高斯隐变量模型的极大似然框架相结合,用多元t分布作为先验分布,以同时解决主成分分析在这3个方面的弊端。提出混合鲁棒概率核主成分分析模型,使其可直接用于对混合的非线性数据进行降维和聚类分析。在不同数据集上进行的实验结果表明,与标准的混合概率核主成分分析模型相比,文中模型在数据聚类方面有更高的准确率。