多采样近似粒集成学习

粒化是一种构建粒数据与粒模型的方法.近些年来,有多种粒化方法被提出,如基于样本相似度尺度的相似度粒化、基于邻域关系的邻域粒化和基于特征尺度变换的旋转粒化等.这些粒化方法都在监督与非监督任务中获得优秀的表现.但是这些粒化方法都是基于样本本身的度量关系构建的,会导致样本在粒化过程中的信息量呈现不同量级的扩展现象.这一特征使粒化后的粒子在一些情况下难以处理.因此,提出一种基于多采样方法构建近似粒子的粒化方式以保证粒化过程被限制在有限量级,并且在粒化过程中抛弃固定的度量关系式,粒化的结果会随着选取的近似集与近似基模型的不同而变化,使得样本在粒化为粒子时有着更高的灵活性.文中对多采样近似粒化和多种粒化方法进行详细比较,结果表明多采样近似粒化有着更高的分类性能,且与多种先进的集成算法做了详细比较,结果表明在分类任务上多采样近似粒集成模型拥有着更好的鲁棒性与泛化性.

不同浸种及催芽处理对明日叶种子萌发的影响

明日叶(Angelica keiskei)是一种经济价值极高、开发前景广阔的食药两用蔬菜.然而由于土壤及温湿度条件等因素限制,明日叶种子出苗率低,制约明日叶的栽培生产.以山东新产的绿茎明日叶种子为材料,通过不同水温浸种及不同浓度KNO_(3)、植物激素、强氧化剂的外源添加,研究了提高种子的萌发处理方法.结果表明,温水(55℃)浸种、KNO_(3)溶液、植物激素、强氧化剂处理均可不同程度地促进种子萌发.与清水浸种相比,在KNO_(3)溶液处理组中,750 mg·L^(-1)处理的发芽率和发芽势分别为83.82%和59.56%(p<0.05),为组内最高;在植物激素处理组中,100 mg·L^(-1)GA_(3)溶液处理发芽率最高,达到81.19%(p<0.05);在强氧化剂处理组中,500 mg·L^(-1)KMnO4溶液处理的发芽率和发芽势分别为84.92%和46.03%(p<0.05),为组内最高.在这三种外源添加处理条件下,750 mg·L^(-1)KNO_(3)溶液处理的幼苗下胚轴长1.08cm,根长2.09 cm;100 mg·L^(-1)GA_(3)溶液处理的幼苗下胚轴长2.41 cm,根长2.01 cm;500 mg·L^(-1)KMnO4溶液处理的幼苗下胚轴长度1.21 cm,根长1.63 cm.综合比较发现,100 mg·L^(-1)GA_(3)溶液处理条件下明日叶种子发芽率高,且植株幼苗的根长及下胚轴长度也最好.本研究结果可为明日叶种植及同类种子繁育提供借鉴.

SSM:基于孪生网络的糖尿病视网膜眼底图像分类模型

糖尿病视网膜病变是由糖尿病引起的一种重要眼部疾病,不及时治疗可能会导致失明,现有的诊断方法主要依靠医生手动分类,但这种方法耗时耗力.随着深度学习的发展,越来越多的自动分类技术被应用到医学领域.针对糖尿病视网膜病变严重程度的分类问题,样本图像十分稀缺,传统的单支模型很难达到较高的分类性能,提出一种孪生结构的分类模型Siamese Model with Swin-Transformer and MLP-Based U-Net(SSM),并利用数据扩增来解决此问题.首先,利用直方图均衡化、高斯滤波和增强对比度等方法预处理图像;然后,将预训练的Swin-Transformer作为SSM模型的特征提取分支网络来获得层次化的特征表示;此外,还设计了一个含有跳跃连接结构的MLP-Based U-Net(MU-Net)作为SSM模型的分类器来对提取的特征进行分类.在Messidor数据集上进行训练和测试,与现有最先进的模型相比,SSM模型性能更优,在测试集上的精确率达0.976,召回率达0.975,F1达0.976,准确率达0.975,Kappa系数达0.967.

结合密度峰值和改进自然邻居的自训练算法

自训练算法是一种经典的半监督学习算法.针对自训练算法在训练时很难有效地发现高置信度无标记样本、训练过程中样本容易被错误标记等问题,提出了结合密度峰值和改进自然邻居的自训练算法.该算法利用密度峰值聚类算法的密度信息和由自然邻居算法得到的自然邻居集来计算样本的离群指数,结合表示全局特征的全局密度和表示局部特征的离群指数设定样本的权重并剔除离群点.在自训练算法逐步扩充有标记样本集的过程中,利用加权的自然邻居噪声过滤器找出误标记样本,并通过计算样本的不确定性找出高不确定性的样本,由主动学习给出准确标记.提出的算法不仅降低了离群点对算法性能的影响,而且有效解决了错误标记的问题,处理了不易标记的边界样本.实验表明,该算法在UCI基准数据集和噪声数据集上均取得了理想的效果.

独立式开口边框有源降噪系统设计

合理使用有源噪声控制技术,有望兼顾建筑开口的自然通风和低频降噪.针对面积较大的开口,实施多通道有源噪声控制时,全耦合式系统的复杂度和成本随通道数目的增多而急剧增加.研究布放在开口边框的四通道有源噪声控制系统的降噪和收敛性能,首先对次级源和误差传声器位置进行优化,再通过基于特征值修正的方法改善独立式系统收敛性,最后实验验证所设计系统的性能.针对尺寸为0.5 m×0.5 m的开口,可以使用四通道的独立式边框控制系统在频率550 Hz以下实现有效降噪.

基于图像校正和模板分割的纺织品瑕疵检测

针对具有复杂周期性图案的纺织品的瑕疵检测问题,提出一种基于图像校正和模板分割的纺织品瑕疵检测方法.该方法应用一种基于Hough变换和透视变换的图像校正方法,将周期性图案不规则的图像校正为单元排布规律的图像.通过周期计算的自适应分割的方法将无瑕疵的图像分割为单元图案,再使用模板校正的方法对分割后的图案进行校正,并以校正后的图案作为模板,对低秩分解后的图像使用GIS(Golden Image Subtraction)方法,计算图像的阈值.同样地,对有瑕疵的图像进行校正之后,再进行低秩分解以突出显示出瑕疵的部分,并将使用GIS方法检测后大于阈值的部分标记为瑕疵.通过实验表明,该方法对于箱形图的断端和粗条纹两种瑕疵类型以及星形图的粗条纹和细条纹两种瑕疵类型有较好的检测效果,尤其在查全率和f值上表现稳定并领先于其他对比方法.

基于PLSA学习概率分布语义信息的多标签分类算法

多标签算法大多利用特征与标签嵌入等方法挖掘标签空间的语义信息,但这类方法没有利用特征与标签间可能存在的某种联系.类属属性的提出较好地诠释了特征与标签的联系,即标签可能对应一组自身的特征,然而这类方法未能给出特征与标签间可能存在的逻辑关系,也未证实标签与实例间可能存在同样的逻辑关系.因此,提出基于PLSA(Probabilistic Latent Semantic Analysis)学习概率分布语义信息的新型多标签分类算法.首先认为样本矩阵存在一种隐含变量作为标签,利用PLSA模型获取特征⁃标签与标签⁃实例条件概率分布矩阵,以条件概率分布的形式解释它们之间可能存在的联系;其次,建立模型学习概率分布矩阵中存在的语义信息,并应用于多标签算法的标签预测与分类;最后在13个公开的多标签文本类型的数据集上进行实验与统计假设检验,并与其他多标签分类算法对比.实验结果表明,提出的学习概率分布语义信息用于提高多标签算法的性能存在一定的合理性.

基于干扰不确定集重构的相干稳健自适应波束形成方法

近年来,基于协方差矩阵重构的自适应波束形成技术一定程度上避免了期望信号出现“自消”的现象,然而当相干干扰与导向矢量误差同时存在时,现有的重构类波束形成器对干扰的抑制能力较差.针对该问题,提出一种基于干扰不确定集的空域扇区重构自适应波束形成算法,该算法适用于任意阵型.首先使用迭代自适应估计的方法拟合解相干的样本协方差矩阵,再使用传统的空域扇区重构方式,将估计的空间谱在干扰导向矢量不确定集上进行积分,重构干扰加噪声协方差矩阵,最后通过同样的方式重构期望信号协方差矩阵,并将其最大特征值对应的特征向量作为期望信号导向矢量的估计.数值仿真与实验结果表明,所提算法可以在存在导向矢量误差时有效地抑制相干干扰.

BATS:异构系统环境下的任务调度节能方法

当今计算机系统广泛采用GPU(Graphics Processing Unit)来实现系统最大性能,但其能耗直接影响运行成本、可维护性,还会造成环境问题,这引起了研究人员、计算机架构师和开发人员的广泛关注.为解决能耗问题,提出一种BATS(Balanced Average Time Scheduling)调度方法,通过合理分配各个GPU上的任务来减少系统能耗.该方法首先获取任务执行时间、任务数量以及系统中可用的GPU数量;其次,利用上述信息以均分思想和折半方法对任务按执行时间进行分配;最后在典型平台上验证所提出的BATS方法 .实验结果表明,与现有方法相比,BATS平均节省8. 6%的能量,证明BATS方法是有效的、合理的、可行的.

信息表中约简补集对及其一般定义

约简是粗糙集理论的核心研究内容,也是粗糙集区分于其他数据挖掘算法的最精彩的部分.现有约简以信息表中满足某种性质的最小属性子集为主要特征,不考虑属性集之间的相互作用和相互补充关系.从一对满足某种性质的互补属性子集出发,寻找其最小互补属性子集对,从而保障所求约简属性集对满足一定的互补性,可对实际应用中的限制条件约简进行建模.其次,从约简需保持的性质与特定划分不确定度量之间的关系出发,提出几类基本的约简补集对的一般化定义.此外,结合经典启发式约简算法,提出约简补集对的通用求解算法.最后运用一个中西医结合诊断肺炎的约简补集对求解实例说明所提算法的实用性及有效性.

水平湍流混合对莫拉克(2009)台风强度及结构的影响

在台风的发生、发展过程中,水平湍流混合是重要的物理过程,该过程的参数化方案对台风个例的数值模拟结果有很大影响.研究通过调整WRF(Weather Research and Forecasting Model)模式水平湍流参数化方案中的Smagorinsky系数Cs(Smagorinsky Coefficient)控制水平湍流混合的强弱,对比分析了水平湍流混合强度在台风莫拉克(2009)数值模拟中对台风强度和结构的影响.结果表明:水平湍流混合对莫拉克台风路径的模拟没有显著影响,但对台风的最大强度有显著影响,随着Cs增大台风强度减弱,热力场分析表明过大的水平混合不利于台风暖心的维持.从轴对称风场特征来看,Cs变化的影响并非集中在边界层中,台风中上层的风场均发生了改变,但边界层中变化更大,随着Cs增大最大风速半径外扩.从雨带和对流的发展特征来看,Cs越小越有利于模拟出单点发展的对流胞,但这些对流胞不易组合发展为有组织的对流带,而Cs过大时,对流胞出现涡丝化发展形态而发展为平滑的长雨带,减弱了雨带内的对流强度但使对流区的分布更趋于对称化,且过大的水平交换作用不利于雨带精细结构的模拟.

毫米波综合孔径辐射计的压缩感知成像方法研究

毫米波综合孔径成像辐射计(Synthetic Aperture Imaging Radiometer,SAIR)是一种适用于近场成像的高分辨率、高灵敏度传感器,但因其接收机数量大、系统复杂度高,限制了SAIR 在实际场景中的应用.用少量阵元天线获取的稀疏可见度函数进行高精度成像反演是目前SAIR 成像研究的热点之一.为从少量的可见度采样点中重构出具有较高精度的毫米波图像,借鉴压缩感知(Compressed Sensing,CS)的稀疏重构思想,提出一种基于二维SAIR成像模型的CS-L0 成像反演算法.该算法借助SL0 算法思想对二维综合孔径反演模型进行快速的l0范数求解,可从少量可见度采样点中快速精确地重构出目标场景的亮温图像.实验仿真表明,与结合传统成像模型的一般CS 反演法相比,提出的CS-L0 反演法具有更高的成像精度和反演速度,能够对稀疏采样的SAIR 进行快速准确的成像反演.

基于多混沌和分数Fourier的光学图像加密算法

针对双随机相位编码光学图像加密系统的非线性不足和密钥空间小的问题,提出一种基于多混沌和分数Fourier变换的光学图像加密算法.首先,迭代分数阶Chen混沌系统生成三组混沌序列,分别置乱明文图像的三基色分量以减小图像像素相关性.然后,利用量子细胞神经网络超混沌系统调制随机相位模板,以其复杂的非线性动力学特征弥补双随机相位编码系统非线性不足的缺陷.其次,通过使用分数阶混沌、超混沌系统和二维分数Fourier变换使加密算法的密钥空间达到了2^(765).最后,密钥敏感性测试、相关性分析、已知明文攻击、噪声攻击和剪切攻击等实验表明本算法具有密钥敏感性强、密文图像像素相关性低和抗攻击性强的优点.

快速特征映射优化的流形密度峰聚类

经典的密度峰聚类不再适用于复杂的流形聚类,因此提出了快速特征映射优化的流形密度峰聚类,用快速特征映射优化的流形距离取代欧式距离,可以更好地反映不同类的点间相似性.算法首先通过寻找特征点,构造无向特征图,再通过无向特征图计算任意两个点之间的流形距离,最后按照流形距离的大小完成分配.在人工数据集和UCI数据集上的实验表明,新算法具有更高的准确率.

一种结合空间相似性和RPCA的高光谱图像去噪算法

高光谱图像在采集过程中极易产生高斯、椒盐、条纹等噪声,从而对后续的地物空间识别工作产生影响.因此有效的噪声去除工作在高光谱图像处理中是不可缺少的一步.鲁棒主成分分析(Robust Principal Component Analysis,RPCA)是能将受稀疏噪声干扰的低秩矩阵进行有效恢复的模型.高光谱图像由于其光谱特征之间存在很高的相关性,即每个光谱特征可以用光谱端元的线性组合来表示,因此高光谱图像具有高度低秩性,从而RPCA算法能在高光谱图像去噪中取得显著的效果.结合高光谱图像空间邻域相似性和改进RPCA(Spatial Neighboring Similarity and Improve RPCA,S_IRPCA),提出一种新的高光谱图像去噪算法.算法在去除噪声的同时,更好的保留了细节信息.实验表明,算法与主流的低秩恢复算法相比,无论在主观视觉上还是在客观评价指标上,都做到了显著提升.

雷达多目标交叉轨迹跟踪算法

针对雷达跟踪系统中的多目标运动情况,以及目标轨迹交叉重叠导致的目标丢失或跟踪错误等问题,将多目标联合状态下的加权重采样思想引入到标准粒子滤波算法中.对基本粒子滤波算法进行优化,使用离散随机变量模拟目标后验概率,存在多个目标时引入联合状态概念,用关联函数把多个目标的状态变量和观测变量表示出来,把联合状态下的采样数据加入跟踪粒子的权值更新过程,使得粒子能够根据目标间的状态变化准确预测各个目标的后验分布,从而更新目标运动估计值,避免下一时刻粒子采样分布错误.联合加权重采样优化后的粒子能够准确跟踪目标运动,粒子预测和更新也不受目标交叉运动影响,克服跟踪不稳定或跟踪误差较大的问题.仿真结果表明,改进的粒子滤波算法能够达到正确跟踪多个目标的效果,并且目标轨迹交叉时仍然能够保持较高的跟踪精确度.

基于四元数的彩色Canny边缘检测算法

传统边缘检测算法存在着色彩边缘缺失、定位精度不高、部分边缘虚假、抗噪性能差等不足,为此,提出一种改进的基于四元数理论的Canny算法.该算法采用彩色四元数边缘特征矩阵计算图像边缘的梯度幅值,以精确地提取图像边缘.实验证明,该算法能有效降低彩色边缘信息的漏检率和误检率,提高边缘检测的抗噪性能和边缘检测的定位精度,能够满足工程应用的要求.

化学气相沉积法合成Fe_2O_3/SiO_2及其苯酚羟基化性能

分别以二茂铁和二氧化硅为前驱体和载体,通过"一步法"化学气相沉积(CVD)来合成Fe2O3/SiO2催化剂.在二茂铁升华温度为110℃、载体400℃,N2作为载气,反应气氛为空气,真空度为0.08 MPa的条件下合成出了不同担载量的Fe2O3/SiO2催化剂.同时,以Fe(NO3)3·9H2O为前驱体通过等体积浸渍法制备相同担载量的Fe2O3/SiO2催化剂作为参比催化剂,并用于苯酚羟基化反应以评价其催化活性.通过BET、AAS、HR-TEM、FTIR、XRD、H2-TPR等手段对催化剂的理化性质进行了表征,以双氧水为氧化剂进行了苯酚羟基化反应.结果表明,通过化学气相沉积合成了高分散的SiO2担载的、高分散的α-Fe2O3纳米颗粒催化剂,活性物种α-Fe2O3纳米颗粒和载体SiO2间存在强相互作用.在反应时间为1h,反应温度40℃,苯酚与双氧水的摩尔比为1:1,催化剂质量为0.05g的反应条件下,CVD法制备的0.2mmol·g-1的Fe2O3/SiO2催化剂具有最高的反应活性,苯酚转化率为39.16%,邻苯二酚与对苯二酚的选择性分别为59.18%和35.11%.具有相同负载量、浸渍法制备的催化剂没有检测到苯酚的转化.

东亚地区冬季风对气溶胶传输和分布的影响研究

随着东亚地区经济高速发展,气溶胶成为最主要的大气污染物之一,其时空分布受到东亚季风气候的影响.本研究利用MODIS(Moderate-Resolution Imaging Spectroradiometer)和TOMS(Total Ozone Meteorological Satellite)气溶胶卫星产品以及NCEP(National Centers for Environmental Prediction)月均气象场再分析资料,统计分析了1979—2011年东亚地区气溶胶光学厚度的分布特征以及冬季风的大气环流特征,同时分析了东亚冬季风对气溶胶传输和分布的影响.结果表明,东亚冬季风存在明显的年际和年代际差异,年际变化幅度较大.1979—2011年东亚冬季风出现逐渐减弱的趋势.近10年来东亚地区气溶胶光学厚度呈现上升趋势,主要是由于人类活动导致气溶胶排放量增加.东亚地区冬季风对气溶胶的分布有较大影响,强冬季风年会加强气溶胶的向南输送,同时降水增加导致气溶胶湿清除增大,使东亚气溶胶减少.在风场和降水对气溶胶的影响中,降水的清除作用更加明显.