基于多类支持向量机的恒星光谱分类方法

支持向量机作为一种经典的分类方法被广泛应用于恒星光谱分类领域。该方法在实际应用中取得了较为理想的分类效果,但其面临无法解决多分类问题的挑战。在支持向量机的基础上,提出多类支持向量机,建立基于多类支持向量机的恒星光谱分类模型。该方法的最大优势是经过一次分类过程,可以确定多类样本的类属。SDSS DR8恒星光谱数据上的比较实验表明,本研究所提的方法较之已有多分类方法在分类性能上有一定的提升。     

方块电阻法原位表征Cu薄膜氧化反应动力学规律

提出并建立了一种基于方块电阻测量的原位表征Cu薄膜氧化反应动力学规律的方法.利用Cu薄膜方块电阻随氧化时间的变化情况，得到氧化产物厚度与氧化时间的关系，反应动力学表征结果符合抛物线规律.还利用不同的氧化反应温度条件和对应的抛物线常数之间的关系得到体系的扩散激活能.结果表明，提出的表征方法适用于Cu薄膜氧化反应体系.     

Leak Detection in Water Pipes Based on Maximum Entropy Version of Least Square Twin K-Class Support Vector Machine

Numerous novel improved support vector machine (SVM) methods are used in leak detection of water pipelines at present. The least square twin K-class support vector machine (LST-KSVC) is a novel simple and fast multi-classification method. However, LST-KSVC has a non-negligible drawback that it assigns the same classification weights to leak samples, including outliers that affect classification, these outliers are often situated away from the main leak samples. To overcome this shortcoming, the maximum entropy (MaxEnt) version of the LST-KSVC is proposed in this paper, called the MLT-KSVC algorithm. In this classification approach, classification weights of leak samples are calculated based on the MaxEnt model. Different sample points are assigned different weights: large weights are assigned to primary leak samples and outliers are assigned small weights, hence the outliers can be ignored in the classification process. Leak recognition experiments prove that the proposed MLT-KSVC algorithm can reduce the impact of outliers on the classification process and avoid the misclassification color block drawback in linear LST-KSVC. MLT-KSVC is more accurate compared with LST-KSVC, TwinSVC, TwinKSVC, and classic Multi-SVM.     

Wavelet basis selection and feature extraction for shift invariant ultrasound foreign body classification

This paper proposes a novel technique for automatic ultrasound non-destructive foreign body (FB) detection and classification. A signal registration process is introduced to eliminate shift variations commonly encountered in ultrasound signals. Information theory based methods are then developed for wavelet basis selection and feature extraction to facilitate robust FB classification. Probabilistic neural networks are used for FB classification. Experimental results confirm that the wavelet basis selected by the proposed method improves the FB classification accuracy. It is concluded that low order wavelet bases have better ability to distinguish classes with great similarities than their higher order counterparts, while the reverse is true for more divergent classes.     

基于一维卷积神经网络的雌激素粉末拉曼光谱定性分类

拉曼光谱物质定性鉴别已被广泛应用于诸多行业和研究领域,但传统拉曼光谱分析过程中的预处理主要依赖人为经验,光谱特征提取虽然能够降低信号维度,同时也会造成部分光谱信息损失。特性相近物质本身光谱相似度较高,受到测量过程中环境干扰和分析过程中多种误差影响,导致最终分类效果并不理想。针对此问题,提出基于一维卷积神经网络（one-dimensional convolution neural network,1D-CNN）的拉曼光谱定性分类方法。实验采集雌酮（Estrone）、雌二醇（Estradiol）,雌三醇（Estriol）三种不同雌性激素粉末的拉曼光谱,设计随机平移、添加噪声和随机加权三种光谱数据增强方法,构建数量充足的拉曼光谱数据库用于神经网络模型训练与测试;基于拉曼光谱数据特点提出一维卷积神经网络分类模型,将光谱预处理、特征提取和定性分类的全过程融为一体。通过大量仿真实验,优化所提出的神经网络模型超参数和训练过程并测试分类效果,从预处理对光谱分类结果的影响和模型抗干扰性能两个方面与多种传统拉曼光谱分类算法对比,评价模型性能。实验结果表明,本文提出的一维卷积神经网络模型可实现三类雌性激素粉末拉曼光谱快速准确分类,分类正确率最高可达98.26%,分析过程中无需光谱预处理和特征提取步骤,简化了光谱分析流程,并能保留更多有效信息。同时,当模拟测量噪声强度达到60 dBW时,传统方法分类正确率均明显出现不同程度明显降低,卷积神经网络模型依然能够取得96.81%的分类正确率,说明相比对传统拉曼光谱分类方法,所提出方法受光谱测量噪声影响更小,鲁棒性更强,适用于分析更复杂现场测量的强噪声拉曼光谱信号。该研究结果表明深度学习方法在拉曼光谱的分析与处理领域具有很大的应用潜力和研究价值。     

基于残差分布度量的M矮星细分类研究

恒星光谱分类是天文数据处理中一项非常重要的工作,主要对海量光谱巡天数据按照其物理性质进行分类。利用残差分布度量的方法对LAMOST巡天中观测到的 M矮星光谱进行细分类研究。残差分布度量是一种光谱间的距离度量方法,计算光谱之间的距离时,先将两条光谱进行归一化处理,之后计算对应波长采样点处的残差,最终以残差分布的标准差作为光谱之间的距离。使用LAMOST DR2中释放的M矮星光谱进行细分类实验。实验结果表明,残差分布度量方法能比较准确地对M矮星光谱数据进行细分类。还研究了信噪比、离群点以及残差标准化系数等因素对分类结果的影响。     

对称性、对称性破缺和相变

本文将扼要介绍物理学中对称性的分类及其特征,说明对称性破缺与一物理系统从无序到有序的相变过程间的关系,并讨论了对称性破缺出现的前提     

基于空间特征的光谱分类算法研究

随着成像光谱仪器的广泛应用,利用数据立方体进行物质分类与识别成为一项重要的研究内容,分类算法对最终的目标识别准确度与精度具有很大的决定作用。目前常见的分类算法主要利用了光谱维信息,从光谱匹配的角度进行物质分类。由于仪器探测的物质反射光谱不仅反映了物质种类,还与物质表面的几何结构,表面粗糙度等有关,因此仅仅利用物质的反射光谱进行物质分类识别具有一定的误差。该文在利用可见光反射光谱进行分类的基础上,结合图像空间特征,对分类过程进行控制,达到提高分类准确度的目的。利用该分类算法进行真假叶片识别,结果表明其具有较好的空间连续性,很大程度上克服了"麻点"效应,验证了算法的有效性。     

Learnable three-dimensional Gabor convolutional network with global affinity attention for hyperspectral image classification

Benefiting from the development of hyperspectral imaging technology, hyperspectral image (HSI) classification has become a valuable direction in remote sensing image processing. Recently, researchers have found a connection between convolutional neural networks (CNNs) and Gabor filters. Therefore, some Gabor-based CNN methods have been proposed for HSI classification. However, most Gabor-based CNN methods still manually generate Gabor filters whose parameters are empirically set and remain unchanged during the CNN learning process. Moreover, these methods require patch cubes as network inputs. Such patch cubes may contain interference pixels, which will negatively affect the classification results. To address these problems, in this paper, we propose a learnable three-dimensional (3D) Gabor convolutional network with global affinity attention for HSI classification. More precisely, the learnable 3D Gabor convolution kernel is constructed by the 3D Gabor filter, which can be learned and updated during the training process. Furthermore, spatial and spectral global affinity attention modules are introduced to capture more discriminative features between spatial locations and spectral bands in the patch cube, thus alleviating the interfering pixels problem. Experimental results on three well-known HSI datasets (including two natural crop scenarios and one urban scenario) have demonstrated that the proposed network can achieve powerful classification performance and outperforms widely used machine-learning-based and deep-learning-based methods.     

基于新型支持向量机的影像组学在肝脏结节分类中的应用

肝癌是最常见的恶性肿瘤之一,亚洲地区最为常见的肝癌演变过程为肝炎-肝硬化结节-异型增生结节-肝细胞性肝癌．判断肝脏结节在演变过程所处分期,并采取干预措施,对降低肝癌的发生率非常关键．本文针对影像组学提出了更精确的支持向量机（SVM）分类算法——LFOA-F-SVM,用于对120名患者的腹部动态增强磁共振图像的肝脏结节进行四分类．该算法利用了考虑半径与几何间距的F-SVM,并结合莱维飞行策略（LF）的果蝇优化算法（FOA）寻求超参．为了验证方法的有效性,本文另外添加了5个UCI分类数据集（心脏、帕金森疾病、虹膜、葡萄酒和动物园）,并与SVM、PSO-SVM、FOA-SVM、F-SVM进行比较．结果表明,在6个分类数据集（包括肝脏结节数据集和5个UCI分类数据集）中,相对于其他分类算法,LFOA-F-SVM的分类准确率最高,在肝脏结节数据集中的四分类精确率和查全率也较高．     

改进粒子群算法优化支持向量机在故障诊断中的应用研究

支持向量机(SVM)作为当前新型的机器学习方式,凭借解决小样本问题、高维问题和局部极值问题等方面的优越性,在当前故障诊断方面有突出的表现;文章根据对支持向量机的研究,发现其在分类模型参数选择上存在困难,为此,提出利用改进粒子群算法优化的办法,解决粒子群前期收敛速度过快导致后期容易优化不均的现象;通过粒子群算法优化与支持向量机分类模型结合,以轴承故障检测和诊断为例,分析次方法的优越性和提高支持向量机在故障诊断过程中的精准度;通过实际检测得出,这种算法优化的方法改进的支持向量机对于聚类性较差的故障分类具有很好的诊断功能。     

基于凸组合核函数的化合物太赫兹透射光谱分类

物质的太赫兹光谱包含着非常丰富的物理和化学信息。它对化合物晶体具有高的灵敏度、 单光子能量低等特点。但受到检测人员知识背景、 背景噪声、 识别算法精度等因素的影响,光谱样本识别准确率和效率较低。为了提高对太赫兹光谱的检测能力,提出应用基于凸组合核函数的support vector machines(SVM)对化合物的THz脉冲透射谱进行分类。在使用小波变换对数据进行滤波预处理之后,提取了传统波峰、 波谷位置特征和term frequency-inverse document frequency (TF-IDF) 最大间隔特征。TF-IDF方法使用信息论的原理确定每个采样点的权重,选择权重较大的点作为特征。针对太赫兹透射谱特征相似、 维数较低带来的分类困难问题,构建基于凸组合核函数的SVM分类模型。并利用核评价的方法,通过高维非线性规划方程求解最优凸组合参数。当最优凸组合参数被确定时,构建分类模型进行分类和预测。相比较于单一核函数,凸组合核函数将透射谱特征与分类模型融合起来。对于不同的检测样本,数据经过凸组合核函数映射到高维空间后,特征具有更显著的区分度。使用不同的太赫兹透射谱样本进行分类实验,结果表明,分类准确率得到极大提高。     

状态方程实验用铜多台阶靶制备工艺

 采用单点金刚石切削技术,通过合理的刀具设计、夹具设计及工艺过程设计,确定了加工工艺参数,完成了厚度几μm至几十μm的无氧铜多台阶靶的制备。通过触针式轮廓仪,台阶仪,白光干涉仪对表面轮廓及粗糙度进行了测量。结果表明：通过单点金刚石切削技术加工成形的铜多台阶靶,各台阶表面均方根粗糙度小于50 nm,工件表面轮廓平直,台阶垂直度较好。采用阿基米德原理对材料密度进行测量,加工成形后密度为(8.945±0.074) g/cm3,接近材料理论密度。     

Detection of functional states by the ‘LAMDA’ classification technique: application to a coagulation process in drinking water treatment

The present Note proposes a learning classification methodology to identify functional states on a coagulation process involved in drinking water treatment. In this work, we chose to carry out the supervised control of this process while using the LAMDA (Learning Algorithm for Multivariate Data Analysis) classification technique. The LAMDA classification technique proposes the interactive participation of the expert operator during the learning phase and in the optimisation of the classification. In this work, all information stemming from the environment process as well as expert knowledge has been aggregated and exploited. The application chosen for state identification is the Rocade drinking water treatment plant located at Marrakech, Morocco. To cite this article: B. Lamrini et al., C. R. Physique 6 (2005).     

基于计算机视觉的微球缺陷检测及分类方法

惯性约束聚变试验中,对大批量的聚变靶球的表面质量进行检测和分类是一项重要的工作。传统的人工检测分类方法效率低,精度差,难以满足实际需要。提出了一种基于计算机视觉的缺陷检测及分类方法。该方法在获取待测微球的显微图像之后,通过设置兴趣区域提取圆内部的像素点,并以此绘制灰度直方图。然后计算其累积分布函数,经归一化处理之后对分布函数进行分段线性拟合。最终根据拟合后的分布函数,提出均匀性和透光性两个参数用于定量表示微球的表面质量,很好地实现了光滑、粗糙和畸形三种类型的微球的分类。实验结果表明,该检测分类方法的准确率均在90%以上,处理1280960分辨率的包含20个微球的图像平均只需300 ms,准确高效,可扩展性强。     

Cu空心微球的精密连接技术

以Cu作为代用材料,通过分解实验方法,研究了扩散连接各工艺条件对靶丸参数的影响关系,获得适宜的工艺参数(温度小于600℃,压强小于6 MPa,时间60 min)。据此,实际连接Cu半球并制备出Cu空心微球。采用白光干涉仪、扫描电子显微镜、微米X射线断层扫描机等仪器对样品进行测试,结果显示连接界面无明显缺陷,内表面粗糙度小于50 nm,内球面直径差值小于20μm,连接强度满足机械加工要求。     

基于S1000D标准的IETM技术研究

交互式电子技术手册制作过程是一个多技术融合过程,为了研究交互式电子技术手册制作过程中所涉及到的诸多技术,解决手册研制技术过程繁琐复杂以及技术路线不清晰等问题,通过将S1000D标准与IETM手册研制过程相结合,对IETM研制过程中涉及的相关技术进行了详细阐述分析研究,形成满足标准并切合实际的IETM研制技术的合理分类,该研究能有效指导IETM手册制作的顺利开展,提高IETM手册的编制效率,对IETM研制过程技术提升起到积极的促进作用。     

基于光谱和图像特征的阔叶木材与针叶木材同时分类算法研究

木材是人们生活中必不可少的可再生资源,同时在建筑、工艺、家具、结构材料等方面有着举足轻重的地位。市场中常见的木材品种繁多,其品质和价格千差万别,使用智能化技术对木材进行正确的分类不仅可以防止不法商贩“以次充好”,也可以大幅度降低木材分类人员的工作难度。通过木材的遗传信息和解剖学信息可以得到较为准确的木材分类结果,这类方法识别工艺相对复杂,对非专业人员并不友好。借助木材切面的图像信息或光谱信息可以简单方便地对木材进行分类,然而由于不同种木材之间存在的近似性,这类方法往往分类精度不高或只适用于某些阔叶木材。提出了一种基于木材横切面图像信息和光谱信息的多特征木材分类算法,首先分别采集木材横切面的光谱信息以及图像信息;再使用Segnet图像分割方法将待分类样本分成含管孔木材和不含管孔木材两组,并对含管孔样本组中的木材进行管孔分割;然后对含管孔样本组中的木材提取管孔特征、光谱特征以及纹理特征,对无管孔样本组木材提取光谱特征和纹理特征;最后根据这些特征使用支持向量机分别对木材进行分类并记录其木材的分类结果,对分类结果不一致的样本使用相似性判据判断最佳分类结果。为了验证该方法的有效性,以20种常见的阔叶木材和针叶木材的混合样本集为研究对象,对其进行了分类。实验结果显示三种特征均可以对木材进行分类,单独使用光谱特征、纹理特征以及管孔特征对木材进行分类的最高正确率分别为93.00%,89.33% 和69.23%,通过相似测度的判断后三个特征可以相互补充从而进一步提高木材的分类正确率,最高正确率可达98.00%。综上所述,该方法可以对包含阔叶木材和针叶木材的混合样本集中的木材进行分类,木材横切面的光谱特征、纹理特征以及管孔特征可以相互补充,从而使分类正确率进一步的提高。与目前的主流木材分类方法进行对比,发现该算法的分类正确率高于其他算法。     

布谷鸟搜索的润滑脂特征红外光谱波段优选技术

针对润滑脂分类,提出了基于布谷鸟搜索的红外光谱波段筛选方法,有效剔除了易受噪声等环境影响的红外光谱区域、实现了对庞大光谱数据进行特征选择和降维处理、通过筛选光谱最优波段建立了更加准确高效的润滑脂分类模型。以三类不同稠化剂润滑脂的红外光谱数据为研究对象,采用主成分分析法(PCA),对不同波段的红外光谱数据进行压缩,以提取的红外光谱主要成分作为输入,润滑脂稠化剂类别作为输出,通过布谷鸟搜索法(CS),对主要成分权重和分类核参数进行准确度寻优训练,建立分类识别预测模型。对所建立的模型再进行分类准确性测试,得到模型测试结果准确度,建立红外光谱波段和测试准确度之间的联系,得到润滑脂最优类别识别模型和最优分类波段。对所建立的模型再进行分类准确性测试,结果显示：经过布谷鸟搜索法训练加权后的主要特征呈现明显聚类现象,可以得到分类核,实现对润滑脂种类的准确识别;在搜索过程中提供了区分不同润滑脂的推荐波段和特征峰,使对润滑脂的正确鉴别概率由全波段建立分类模型的94.44%提高到筛选后特征波段建立分类模型的100%,并减少了运算时间、提高了搜索运行效率。     

Face image recognition via collaborative representation on selected training samples

In this paper, we present a collaborative representation-based classification on selected training samples (CRC_STS) for face image recognition. The CRC_STS uses a two stage scheme: The first stage is to select some most significant training samples from the original training set by using a multiple round of refining process. The second stage is to use collaborative representation classifier to perform classification on the selected training samples. Our method can be regarded as a sparse representation approach but without imposing l₁-norm constraint on representation coefficients. The experimental results on three well known face databases show that our method works very well.