基于主题概念空间的文本模糊c-均值聚类方法

为了改善文本聚类的准确度,提出用基于主题概念子空间的模糊c-均值聚类(TCS2FCM)方法来分类文本.采用5个评估函数的加权值来提取关键短语;利用WordNet对相应的关键短语提取概念短语并生成最后的类别描述.初始中心和初始隶属度矩阵的建立是决定模糊c-均值聚类效果的关键,使用能够代表文本主题的概念短语来建立相互正交的主题概念子空间,利用主题子空间中的概念向量来初始化聚类中心和隶属度矩阵.实验结果表明:不同于传统模糊c-均值聚类的随机化初始,与文本内容相关的初始化有助于改进最后的聚类结果,提高聚类精度.     

一种基于广义奇异值分解的无关联线性判别分析算法

有监督学习旨在样本数据集中找到最优判决向量。线性判别分析（LDA）和无关联线性判别分析（ULDA）是解决该问题的常用方法。研究中改进了古曲LDA方法使其与ULDA等价,并给出了相应求判决向量的ULDA/QR算法来简化ULDA中对判决向量的求解;为了有效地解决LDA方法和ULDA方法中类内散布矩阵奇异性的问题,提出了一种基于ULDA/QR,正则LDA和广义奇异值分解（GSVD）的无关联线性判别分析算法。     

一种新的模糊支持向量机方法

针对分类问题的支持向量机方法中存在对噪声和野值敏感的问题,提出了一种新的隶属度函数确定方法．研究和分析了目前针对这些问题所提出的模糊支持向量机方法,而在模糊支持向量机方法中,隶属度函数的设计是整个模糊算法的关键所在,文中主要对隶属度函数进行了深入地研究,在类中心向量方法的基础上,即在确定样本的隶属度时,对类中心距离方法进行改进,得到新的隶属度计算的方法,并从数值实验方面表明该方法的有效性和可行性．     

基于局部离散度的监督型线性判别分析及其应用

鉴于线性判别分析(Linear Discriminant Analysis,LDA)算法存在的弊端,本文提出了一种基于局部离散度的监督型线性判别分析(Supervised Linear Discriminant Analysis based on Local Dispersion,SLDALD)算法.新方法的改进主要有:1)从像元邻域的角度出发,对类内散布矩阵、类间散布矩阵进行重新定义,得到类内邻域散布矩阵和类间邻域散布矩阵.新定义充分考虑了不同区域之间像元光谱特征离散度的差异性; 2)在计算类间邻域散布矩阵时,赋予类边界像元较大的权重,让特征降维更针对此类像元; 3)在计算类内邻域散布矩阵时,加大类边界像元的权重,让后续的特征降维针对此类像元.同时,降低噪声点的权重,以抑制噪声点对特征降维的干扰.实验结果表明:相比依据LDA算法所获得的低维特征的分类结果,以SLDALD算法所获得的低维特征为依据,影像分类精度得到明显地提高.     

基于模糊观测数据的RBF神经网络回归模型

提出了一种基于模糊观测数据的RBF神经网络（FORBFNN）,用于解决一类输出不可精确测量但可用模糊隶属度来表征的非线性系统建模问题．神经网络模型中各隐层神经单元的权重系数采用一种新的模糊EM算法辨识获得;隐层神经单元的数量及径向基函数的中心和宽度基于一种数据驱动的方法自适应确定,即首先初始生成一个隐层单元,然后根据一定的规则逐步加入新的单元,该过程不断迭代直到模型满足预设要求．该方法同时考虑了模型的复杂度及预测精度．数值模拟实验结果表明该建模方法是有效的,且建立的模型具有较高的预测精度．     

基于卷积神经网络的人脸表情识别研究

随着人机交互技术和机器学习技术的发展,人脸表情识别技术逐渐成为研究热点。针对传统人脸表情识别算法鲁棒性差、表情特征提取能力不足的问题,提出一种改进的基于卷积神经网络的人脸表情识别算法。首先对人脸图像进行预处理,检测并分割出人脸关键点的部分图像,然后输入到包含卷积神经网络通道和卷积稀疏自编码(CSAE)预训练通道的双通道模型中。其中卷积神经网络通道部分使用了批量正则化(Batch Normalization)和ReLU激活函数,加快了模型训练速度,解决了梯度消失问题,同时增加了模型的非线性表达能力。通过引入Dropout技术,解决了网络的过拟合问题。在另一个通道,对输入的人脸表情图像增加了卷积稀疏自编码进行无监督预处理。实验结果表明,该算法在JAFFE、CK+人脸表情数据集上均获得了较好的识别效果。     

基于交互式隶属函数调整的模糊神经网络

对基于模糊神经网络的人脸识别方法进行了研究,提出的模糊神经网络在高维空间（如人脸）上进行模糊规则获取中得到的最终隶属度函数值并不合理,易得到零值的情况,对模糊规则获取过程中的隶属度函数初始值进行人为地调整．在ORL人脸库的实验结果表明,该方法具有良好的性能．     

基于多最小支持度的挖掘算法研究

数据挖掘是从事务数据库中抽取有用的知识和感兴趣的模式,而从事务数据库中发现关联规则是最常见的挖掘技术之一。提出一个遗传模糊关联规则挖掘框架和综合聚类、模糊和遗传概念的多最小支持度的遗传模糊关联规则挖掘算法。该算法从定量事务数据库中抽取合理的多最小支持度值、隶属函数和模糊关联规则,首先使用k—means聚类算法采集相似项目,然后初始化一个种群设定相同的支持度值,每一个染色体通过需求满足的标准和隶属函数的适应性来评估是否满足其适应度。     

BNU学习情感数据库的设计与实现

表情图像是基于表情识别技术分析学习情感的基础,然而现有表情库样本数量有限、表情图像中仅包含单人表情、拍摄场景为实验室环境,这些局限性无法支持学习情感分析的深入研究。为了解决这些问题,文章搭建了北京师范大学学习情感数据库(Beijing Normal University Learning Affect Database,BNU LAD),同时对情感数据的标注方法进行了深入研究,最终形成了包含144位学习者的22708张表情图像、1792组图像序列及243段视频片段的学习情感数据库。该数据库对学习环境下的学习情感分析具有重要意义。     

基于核PCA和FDA的凝汽器非线型过程监控和故障诊断

提出了基于核主元分析和Fisher判别分析相结合的非线性统计过程监控和故障诊断新方法.该方法首先利用非线性核函数将数据从原始空间映射到高维空间,然后在高维空间中利用线性Fisher判别分析法提取数据最优的核Fisher判别矢量和特征矢量,通过计算特征矢量之间的欧式距离来实现过程监控.若系统发生故障,则根据当前故障的判别矢量和历史故障数据集中所含故障的最优核Fisher判别矢量的相似度进行故障诊断.所提出的方法能有效的捕获过程变量之间的非线性关系,汽轮机特征故障数据集仿真试验验证了该方法的有效性.     

基于模糊决策分析法的NBA赛程评价模型

在分析并定量计算了影响球队战绩应该考虑的5个关键因素之后,构造了隶属函数和模糊向量,根据各隶属函数计算出每个球队对应的隶属度并由此确定了模糊关系矩阵,最后使用用模糊决策分析方法对2008/2009年度NBA常规赛完全赛程对于各球队的有利程度作出评价。     

图像二维鉴别特征矩阵融合及人脸识别

二维最大散度差鉴别准则和二维Fisher鉴别准则抽取的特征具有很强的相关性.本文在此基础上,通过对传统的基于向量的典型相关分析方法进行分析改进,提出了一种新的直接基于图像二维鉴别特征矩阵融合的二维典型相关分析方法,并将其应用于人脸识别的特征融合过程中.较基于向量的典型相关分析,该方法计算过程中构造的协方差矩阵维数大幅度减小.这在一定程度上避免了人脸识别中存在的"高维小样本问题",另一方面也使算法的速度明显提高.     

AHP模糊综合评价法在高校学生就业抉择中的应用

依据AHP模糊评价法理论方法,选取评价语集.考虑大学生择业时的主观和客观因素,选取了3个一级指标,19个二级指标,35个三级指标为评价指标体系.利用Matlab编程进行计算检验得出组合权重集ωi(i=1,2,…,n),即为抉择因素权重.针对西北民族大学2013级应用数学专业应届毕业生进行问卷调查的方式得到模糊判别矩阵R.利用单因素和多因素模糊综合评价法计算出结果,得到B=[0.4781,0.3670,0.1550],按照隶属度最大原则取值为0.4781(此处0.4781表示综合各级指标后的最优选择值).     

改进的人脸识别主分量分析算法

在应用于人脸识别领域的主分量分析(PCA)算法中,为了降低与外界光照变化相关的特征向量对提取特征的影响,提出了一种改进的主分量分析(MPCA)算法,利用相对应的标准方差对提取的特征矢量元素进行归一化处理.采用耶鲁大学的2个人脸数据库(Yale face database和Yaleface database B)进行了验证,实验结果表明,对于正面人脸和具有小角度姿态变化情况下的人脸,提出方法的性能优于传统的PCA和LDA(线性判别分析)算法,而运算量和PCA算法相同,大大低于LDA算法.     

Kernel Model Applied in Kernel Direct Discriminant Analysis for the Recognition of Face with Nonlinear Variations

A kernel-based discriminant analysis method called kernel direct discriminant analysis is employed, which combines the merit of direct linear discriminant analysis with that of kernel trick. In order to demonstrate its better robustness to the complex and nonlinear variations of real face images , such as illumination, facial expression, scale and pose variations, experiments are carried out on the Olivetti Research Laboratory, Yale and self-built face databases. The results indicate that in contrast to kernel principal component analysis and kernel linear discriminant analysis, the method can achieve lower (7%) error rate using only a very small set of features. Furthermore, a new corrected kernel model is proposed to improve the recognition performance. Experimental results confirm its superiority (1% in terms of recognition rate) to other polynomial kernel models.     

Activity optimization method in SPECT:A comparison with ROC analysis

INTRODUCTION Image quality in nuclear medicine tomography is critically dependent on the activity undergone by the patient. The optimal activity is the smallest amount of activity which preserves diagnostic accuracy. Nev- ertheless, the optimum depends on the gamma camera used for imaging, the size of the patient and the im- aging application (Mattsson et al., 1998). To optimize, one has to study how diagnostic accuracy depends on the activity undergone for each particular study, taking i…     

层次分析法在高校实验室压力容器安全评价中的应用

采用安全分析法和专家调查法,以事故致因理论进行系统安全分析,建立了高校实验室压力容器使用管理系统的安全评价体系;应用层次分析法,确定了压力容器使用该评价体系中各子系统及各指标的权重;结合实际经验,根据安全规范构造各指标隶属度,进而根据评价集构造了隶属度函数,采用模糊综合评价法并得到各指标对评价集的最终隶属度、模糊矩阵和综合评价,求得压力容器使用管理系统安全状况的综合得分,进而划分安全评价等级,评价结论可为压力容器安全使用管理提供科学依据。     

基于新松弛条件的连续时间Takagi-Sugeno模糊系统镇定设计

研究了一类连续时间Takagi-Sugeno模糊系统的镇定控制器设计问题,提出了一种新的基于模糊Lya-punov函数和阶梯隶属度函数的系统镇定条件.通过阶梯隶属度函数逼近原系统的隶属度函数,系统隶属度函数信息被引入到其镇定设计中,从而大大降低了现有T-S模糊控制系统镇定设计的保守性.与已有基于模糊Lyapunov函数的连续T-S模糊系统的镇定设计不同,所提出的镇定条件不依赖于隶属度函数的导数,因此具有较少保守性.此外,所得镇定条件可表示为一组线性矩阵不等式,而不是双线性矩阵不等式,因而可以利用凸优化算法方便地进行求解.仿真实例表明了所提方法的有效性.     

Comprehensive evaluation model of reservoir operation based on improved set pair analysis

A comprehensive evaluation model based on improved set pair analysis is established. Considering the complexity in decision-making process, the model combines the certainties and uncertainties in the schemes, i.e., identical degree, different degree and opposite degree. The relations among different schemes are studied, and the traditional way of solving uncertainty problem is improved. By using the gray correlation to determine the difference degree, the problem of less evaluation indexes and inapparent linear relationship is solved. The difference between the evaluation parameters is smaller in both the fuzzy comprehensive evaluation model and fuzzy matter-element method, and the dipartite degree of the evaluation result is unobvious. However, the difference between each integrated connection degree is distinct in the improved set pair analysis. Results show that the proposed method is feasible and it obtains better effects than the fuzzy comprehensive evaluation method and fuzzy matter-element method.