模式识别与人工智能
   首 页     期刊简介     编委会     投稿指南     伦理声明     联系我们                                                                English
模式识别与人工智能
22 学术不端论文认定及处理办法
22 版权转让协议
22 保密证明
22 录用稿件电子版要求
22 修改说明格式
更多....
22 中国自动化学会
22 国家智能计算机研发中心
22 中科院合肥智能机械所
更多....
 
 
2016年 29卷 2期 刊出日期 2016-02-29
论文与报告
研究与应用
 
论文与报告
97 基于流形正则化的半监督投影双子支持向量机*
陈伟杰，邵元海，李春娜， 邓乃扬

投影双子支持向量机(PTSVM)是一种有监督学习方法，其性能极大依赖于有监督信息量的大小.受流形正则化框架启发，文中提出半监督投影双子支持向量机（SPTSVM）.该方法可同时利用有监督(有标签样本)信息和无监督(无标签样本)信息构造一个更合理的半监督学习器.SPTSVM不仅继承PTSVM有监督分类性能，而且使用流形正则项捕获蕴含在无标签数据中的潜在几何信息.通过选择合理的参数，SPTSVM退化为有监督PTSVM或正则化PTSVM.在人工数据集和实际数据集上的对比实验验证文中方法的有效性.
2016 Vol. 29 (2): 97-107 [摘要] ( 700 ) [HTML 1KB] [PDF 551KB] ( 852 )
108 协调的不完备多粒度标记决策系统的最优粒度选择*
吴伟志,陈 颖,徐优红,顾沈明
针对具有多粒度标记的不完备信息系统的知识获取问题展开研究,首先,介绍不完备多粒度标记信息系统的概念,在不完备多粒度标记信息系统中的对象集上定义相似关系.然后,给出在不同粒度层面下信息粒度的表示及其相互关系,并进一步定义基于相似关系的集合的下、上近似概念,讨论它们的性质.最后,用证据理论中的信任函数和似然函数刻画协调的不完备多粒度标记决策系统的最优粒度选择特征.
2016 Vol. 29 (2): 108-115 [摘要] ( 552 ) [HTML 1KB] [PDF 348KB] ( 544 )
116 基于压缩传感的量子状态估计算法的性能对比分析*
丛爽，张慧，李克之
在已完成5个量子位的密度矩阵估计基础上，采用基于压缩传感的交替方向乘子算法(ADMM)，对6个量子位的量子态密度矩阵进行估计研究.并进一步分别针对无外部干扰及存在干扰情况下，与最小二乘法、Dantzig优化算法进行性能对比研究，在Matlab环境下设计量子估计的优化方案，实现快速的量子纯态的估计.实验表明ADMM在抵抗外部扰动及估计精度上的优越性.
2016 Vol. 29 (2): 116-121 [摘要] ( 505 ) [HTML 1KB] [PDF 418KB] ( 685 )
122 加权网络的在线结构学习算法*
蒋晓娟,张文
随着互联网技术的进步,网络关系数据不断涌现,规模不断膨胀,网络数据的结构分析成为机器学习和网络应用领域的研究热点.为了提高推理效率,文中提出加权网络的在线结构学习算法.首先,使用指数族分布描述加权网络的生成过程.然后,利用随机变分推理方法,构建加权网络的在线结构学习算法.该算法采用基于重采样技术的增量学习方式,降低优化的时间复杂度.最后,利用基于自然梯度理论的随机优化方法进一步加速学习过程,实现网络社区结构的在线学习和实时优化.通过与传统的离线学习算法进行对比实验,验证文中算法能高效快速地实现复杂加权网络的社区结构学习,并在较短时间内达到较高的预测精度.
2016 Vol. 29 (2): 122-130 [摘要] ( 445 ) [HTML 1KB] [PDF 582KB] ( 699 )
131 融合多特征的加权分布跟踪*
罗会兰，单顺勇，孔繁胜
单一特征很难做到长时间的有效跟踪，使用直方图描述特征简单方便，但丢失特征的空间结构信息，而分布域描述算子可体现特征的空间信息.基于各自特点，文中提出融合灰度值特征、纹理特征和边缘特征的目标跟踪算法.通过分布域描述子联合表示3种特征，并且对分布域特征密集的分布层乘以相应权值，构建一种高效的目标模型.采用自适应目标模型更新方式更新目标模型，适应背景和光照等的变化.在常用视频序列中的对比实验表明，文中算法可应对目标的形变、旋转、光照变化及遮挡等各种复杂情况，跟踪效果具有鲁棒性.
2016 Vol. 29 (2): 131-142 [摘要] ( 540 ) [HTML 1KB] [PDF 1315KB] ( 507 )
143 基于萤火虫群优化算法的选择性集成雾霾天气预测方法*
倪志伟,张琛,倪丽萍
雾霾目前已成为严重的环境污染问题,因此需要预测雾霾天气,最小化雾霾的负面影响.文中提出基于萤火虫群优化算法的选择性集成学习方法,首先使用混合核SVM独立训练多个个体支持向量机,然后利用改进的离散型萤火虫群优化算法选择部分精度较高、差异度较大的个体分类器参与集成,最后通过多数投票法得到最终的分类预测结果.应用文中方法预测中国雾霾天气,实验表明方法的有效性和可行性.
2016 Vol. 29 (2): 143-153 [摘要] ( 610 ) [HTML 1KB] [PDF 588KB] ( 758 )
研究与应用
154 基于关键帧的复杂人体行为识别*
夏利民，时晓亭
提出基于关键帧的复杂人体行为识别算法.采用人体轮廓表示人体动作，根据轮廓特征向量采用镜头边界检测将复杂行为片段分解后得到一系列简单行为，分解过程中采用二次采样提高分界点的查全率，采用自分裂竞争学习提取简单行为片段的关键帧.最后根据行为片段中关键帧的相似度进行复杂人体行为的识别，识别过程中综合考虑视觉因子、顺序因子及干扰因子，使行为识别的计算更合理全面.在UCF Sports数据库及自建数据库上的实验表明文中算法具有较高的识别精度.
2016 Vol. 29 (2): 154-162 [摘要] ( 567 ) [HTML 1KB] [PDF 1594KB] ( 1238 )
163 基于多视图聚类的自然图像边缘检测*
张衡，谭晓阳，金鑫
梯度特征对线性光照变化保持不变性，而稀疏编码方法能从图像数据点中得到数据的统计特性.多视图聚类算法是把同一聚类中的不同属性集合视为不同视图，考虑不同视图的重要性进行协同聚类.文中提出基于多视图聚类的图像边缘检测算法，将两种特征结合在一个统一的多视图聚类框架中，从而有效提高边缘检测的鲁棒性.该算法使用图像局部特征与稀疏编码结合的方式训练模型，并增加图像像素的空间信息和曲率信息的约束获得图像全局特征，保证检测边缘的准确性和区域一致性.在两个公开的数据库上的实验表明文中算法的可行性和有效性.
2016 Vol. 29 (2): 163-170 [摘要] ( 711 ) [HTML 1KB] [PDF 2024KB] ( 1138 )
171 基于信念网络的协同过滤图模型的推荐算法*
朱昆磊，黄佳进
信息检索模型现已应用于协同过滤算法.文中使用信息检索中的信念网络模型统一描述基于用户的协同过滤和基于项目的协同过滤，提出基于信念网络的协同过滤图模型的推荐算法.针对信念网络便于结合附加信息源的特性，将专家信息添加到协同过滤图模型中，为用户提供决策支持，以此解决推荐系统数据稀疏的问题.实验表明文中算法能提高推荐精度.
2016 Vol. 29 (2): 171-176 [摘要] ( 555 ) [HTML 1KB] [PDF 369KB] ( 607 )
177 自适应阈值图像边缘检测方法*
李敏花，柏猛，吕英俊
针对噪声图像的边缘检测问题，提出自适应阈值图像边缘检测方法.该方法以二维高斯函数的微分算子为基础，通过构建多方向边缘检测滤波器计算图像梯度.为减少噪声对图像梯度的影响，提出根据候选阈值自适应确定滤波器尺寸的方法.在确定滤波器尺寸的基础上，进一步提出滞后阈值的自适应选择方法.为检验文中方法的性能，在不同噪声情况下，分别对滤波器尺寸、滞后阈值与边缘检测方法性能间的关系进行实验.实验表明，文中方法可根据图像噪声情况自适应选择滤波器尺寸和滞后阈值，具有良好的抗噪性能.
2016 Vol. 29 (2): 177-184 [摘要] ( 701 ) [HTML 1KB] [PDF 4986KB] ( 858 )
185 使用DBSCAN的FCM神经网络分类器*
张晓倩，杨波， 王琳，梁志锋
针对浮动质心法(FCM)在实现过程采用的K-means算法不易发现任意形状簇及对离群点敏感等缺陷，提出使用具有噪声的基于密度的聚类算法(DBSCAN)改进FCM神经网络分类器的方法.DBSCAN将离群点看作无法处理的点，并能发现任意形状的簇，将分区空间中的染色点划分成若干个更准确的分区.此外，定义优化目标函数，并用粒子群优化算法优化神经网络的各个参数，获得最优的分类模型.在UCI数据库上的对比实验表明，改进后的FCM方法在分类精度、鲁棒性和运行时间方面均优于原有FCM.
2016 Vol. 29 (2): 185-192 [摘要] ( 636 ) [HTML 1KB] [PDF 465KB] ( 711 )
模式识别与人工智能
 

主管：中国科学技术协会
主办：中国自动化学会
　　　国家智能计算机研究开发中心
　　　中国科学院合肥智能机械研究所
出版：科学出版社
 
版权所有 © 《模式识别与人工智能》编辑部
地址：安微省合肥市蜀山湖路350号　电话：0551-65591176　传真：0551-65591176　Email：bjb@iim.ac.cn
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持：support@magtech.com.cn