DLLE:一种姿态无关的人脸识别改进算法

经典LLE(Locally Linear Embedding)通过流形学习,能够得到嵌入在高维空间的低维流形.但是它与Isomap、Lapla-cian Eigenmaps一样,学习过程中没有用到先验知识.本文改进了LLE方法,充分利用先验类别信息,能够找到从高维空间到低维空间更为合理的映射.最终使用一种线性近似的方法学习这种映射的显示表达.通过这种映射,可以比较好地解决人脸识别中的姿态问题.在FERET数据库上,当姿态变化从-60度到+60度,该方法达到了较高的识别率.

基于流形学习的DNA序列数据挖掘方法研究

由于人类DNA序列上单核苷酸具有多态性,DNA序列异常挖掘是后基因组时代的一个重要研究课题。文章在分析现有DNA序列数据挖掘方法的基础上,利用流形学习中不同低维嵌入向量之间向量距离不同的特点,提出了基于流形学习的DNA序列数据挖掘方法(5Dlocally linear embedding,简称5DLLE)。实验结果表明,与隐马尔可夫模型(HMM)和支持向量机(SVM)相比,文中所提出的5DLLE方法在DNA序列数据挖掘方面具有一定优势,不但平均识别率高,而且计算时间相对较少。

分散液液萃取-HPLC测定中药化妆品中皂苷含量

目的建立一种简便快速的分散液液萃取法(dispersive liquid-liquid extraction method,DLLE)用于除去中药化妆品中的基质类干扰成分,分离得到目标活性成分,并进行含量测定。方法取样品加甲醇溶解,过滤,调pH值至酸性。精密量取滤液1.0 mL,加入3 mL水饱和的氯仿和0.5 mL水,涡旋振荡2 min使成均一的乳浊液。离心(3 000 r·min^-1,5 min)分取上清液,即可完成中药化妆品中基质成分的去除以及目标活性成分的纯化。结果使用DLLE法对中药化妆品进行处理,分离得到活性成分,方法回收率为97.3%~98.0%,精密度和重复性良好。样品测定3个批号的中药护肤霜中人参皂苷Rg1含量测定值分别为0.236,0.210,0.222 mg·g^-1。结论本研究所建立的DLLE法操作简便,能快速有效地去除中药化妆品中的基质干扰,分离得到目标成分,方法回收率高;有机溶剂用量少,为中药化妆品分析测定提供了一个很好的分析手段。