基于判别式受限玻尔兹曼机的数字调制识别

为了提高大动态信噪比下数字调制识别性能,提出一种基于高阶累积量和判别式受限玻尔兹曼机的联合调制识别方法.该方法提取数字信号的高阶累积量作为信号特征,综合利用判别式受限玻尔兹曼机的生成能力和分类能力,分析了含有高斯噪声、时变相位偏移或瑞利衰落环境下的数字信号识别率.实验结果表明,与传统识别方法相比,所提方法的识别性能有明...     

基于受限玻尔兹曼机的语音带宽扩展

语音带宽扩展是为了提高语音质量,利用语音低频和高频之间的相关性重构语音高频的一种技术。高斯混合模型法是语音带宽技术中被广泛应用的一种方法,但是,由于该方法假设语音高频、低频服从高斯分布,且只表征了语音低频、高频之间的线性关系,从而导致合成的高频语音出现失真。因此,该文提出一种基于受限玻尔兹曼机的方法,该方法利用两个高斯伯努利受限玻尔兹曼机提取语音低频和高频中蕴含的高阶统计特性;并利用前馈神经网络将语音低频高阶统计特性参数映射为高频高阶统计特性参数。这样,通过提取语音低频和高频中蕴含的高阶统计特性,该方法可以深层挖掘语音高频和语音低频之间的实际关系,从而更加准确地模拟频谱包络分布,合成质量更高的语音。客观测试、主观测试结果表明,该方法性能优于传统的高斯混合模型方法。     

基于受限玻尔兹曼机的专家乘积系统的一种改进算法

深度学习在高维特征向量的信息提取和分类中具有很强的能力,但深度学习训练时间也比较长,超参数搜索空间大,从而导致超参数寻优较困难。针对此问题,该文提出一种基于受限玻尔兹曼机(RBM)专家乘积系统的改进方法。先将专家乘积系统原理与RBM算法相结合,采用全是真实概率值的参数更新方式会引起模型识别效果不理想和带来密度问题,为此将其更新方式进行改进;为加快网络收敛和提高模型识别能力,采取在RBM预训练阶段和微调阶段引入不同组合方式动量项的一种改进算法。通过对MNIST数据库中的0~9的手写数字体的识别和CMU-PIE数据库的人脸识别实验,提出的算法减少了学习时间,提高了超参数寻优的效率,进而构建的深层网络能获得较好的分类效果。试验结果表明,提出的改进算法在处理高维大量的数据时,计算效率有较大提高,其算法有效。     

基于动量方法的受限玻尔兹曼机的一种有效算法

深度学习给模式识别与机器学习带来了巨大的变化,已成功应用于语言处理、图像处理、信号处理、商业经济等方面.受限玻尔兹曼机（Restricted Boltzmann Machine,RBM）是一个表示能力强、很好的生成模型,多个RBM堆叠而构成的深度信念网络模型（Deep Belief Nets,DBN）的学习时间会较长.为加快整个DBN网络的学习时间和提高分类效果,本文提出基于动量方法RBM的一种有效算法.该算法在RBM预训练阶段,结合梯度上升算法特点采取快速上升的动量方式;以及BP算法微调阶段,为了能精确的找到最优点,结合梯度下降算法特点,相应的引入缓慢下降式的动量项,即在梯度上升和梯度下降过程中都使用不同的动量方式.本文算法在MNIST手写数字体和CMU-PIE人脸数据库上进行了实验,结果表明,提出的改进算法能够有效地增强图像特征的表达能力,提高图像的分类效果和实验效率.     

基于限制性玻尔兹曼机的叶片识别算法研究

叶片识别是最简单和直接的植物识别方法,采用机器学习算法是解决叶片识别的重要途径。为更有效的识别叶片,提出基于限制性玻尔兹曼机的叶片识别算法,并通过实验论证算法的可行性。     

受限玻尔兹曼机在装备保障方案评价中的应用

使用受限玻尔兹曼机和反向传播(BP)神经网络相结合的方法,充分利用受限玻尔兹曼机自动提取数据的内在特征的能力,以及BP神经网络的学习能力,对已建立的装备保障评价体系进行评估。利用Matlab对方法的有效性进行验证,通过公共数据集进行仿真。结果表明,用该方法获得的评估值精确度较高,具有良好的识别率。     

基于深度玻尔兹曼机的文本特征提取研究

鉴于深度学习模型在进行知识推理相关研究时提取抽象概念的优势,在目前对文本特征提取性能较好的浅层结构RSM的基础上构建以RSM为特征抽取器的深度玻尔兹曼机模型.通过新模型的能量函数和网络连接关系,对模型组成单元的后验概率进行推导,并结合新的交叉熵稀疏惩罚因子,给出模型的详细学习算法.经20-newgroups文档集上测试证明,经过交叉熵稀疏惩罚因子影响后的新模型提取出的特征在对文本表征上性能较好,相比于浅层模型RSM,其分类准确度更高,概念更加抽象,在处理大规模文本分析上具有良好的可行性.     

基于SFA的改进MFCC特征提取算法

慢特征分析(SFA)算法是一种基于慢度原则、无人监管的高效算法,其核心思想是从复杂多变的混合信号中提取出其中所隐含的缓慢变化成分.声呐接收到的信号,通常都是用Mel频率倒谱系数算法做特征提取,而对于声呐浮标等需要使用无线通信方式传输目标信号的情况,由于信号在传播过程中受信道影响而产生一定的误码率,使得传统的MFCC方法的特征提取性能下降.在传统MFCC的基础上,提出了一种新的算法——基于SFA的改进MFCC特征提取算法.实验数据分析证明,基于SFA的改进MFCC特征性能较传统的基于离散余弦变换(DCT)的MFCC特征性能有明显的提高,从而证实了所提算法的有效性和实用性.     

基于限制性玻尔兹曼机的微博主题分类

智慧城市依赖于对大数据的充分利用。近年来,随着移动互联网的发展,在线微博平台,比如新浪微博、Twitter等,已经成为了大数据的主要来源之一。微博平台上产生的海量短文文本信息使用户很难找到自己感兴趣主题的相关信息。本文提出了一种基于限制性玻尔兹曼机的微博短文本的主题分类方法。通过对短文本进行主题建模,挖掘出潜在主题信息,根据短文本的潜在主题信息可实现对短文本的主题分类。     

基于多维扩展特征与深度学习的微博短文本情感分析

该文提出了一种基于深度信念网络(DBN)和多维扩展特征的模型,实现对中文微博短文本的情感分类。为降低传统文本分类方法在处理微博短文时特征稀疏的影响,引入社交关系网络作为扩展特征,依据评论者和博主之间的社交关系,提取相关评论扩展原始微博,将扩展后的多维特征作为深度信念网络的输入。通过叠加多层玻尔兹曼机(RBM)构建DBN模型底层网络结构,多层玻尔兹曼机可以对原始输入抽象并获得数据的深层语义特征。在多个RBM层上叠加一层分类玻尔兹曼机(ClassRBM),实现最终情感分类。实验结果表明,通过调整模型参数和网络结构,构建的深度学习模型在情感分类中能够获得比SVM和NB等浅层分类系统更优的结果,另外,实验证明使用扩展多维特征方法可提高短文本情感分类的性能。     

融合极限学习机

为提高极限学习机(Extreme Learning Machine, ELM)的分类性能,同时保留其训练速度快的优点,该文提出融合ELM的方法,详细分析了特征级融合及决策级融合两种实现方式。为实现决策级融合ELM,提出概率极限学习机(Probabilistic ELM, PELM),将传统ELM的数值型输出转化为概率型输出,使得不同特征的判决结果统一在固定范围。在此基础上,采用自适应权值的方式实现决策级融合,该方法充分考虑了分类器针对不同特征的判决准确率差异,无需先验知识及主观定义。实验证明,该文提出的融合ELM相较于传统的单一特征支持向量机(SVM)方法及ELM方法,具有更优的分类性能;在训练时间方面,优于SVM方法。     

采用局部二值模式与深度信念网络的人脸识别

针对人脸维度过高和人脸局部特征提取易忽略的问题,提出了一种将多尺度局部二值模式( LBP)算法与深度信念网络( DBN)算法相结合的人脸识别方法。首先采用多尺度LBP算法提取人脸纹理特征,进而将LBP提取的纹理特征作为深度信念网络的输入,最后通过逐层网络训练,得到网络的最优参数,并在ORL人脸库中进行测试,识别率可达95.2%,比使用Gabor小波和主成分分析(PCA)算法的人脸识别高2.6%,说明该算法具有很好的人脸识别能力。     

一种改进的尺度不变特征识别算法用于建盏釉面的相似性判定北大核心CSCD

为解决建盏真伪区分问题,通过改进的尺度不变特征识别算法,建立实验原型系统,用于识别不同类型釉面的建盏。研究的识别模型在云端上提供服务,以便对建盏釉面的相似性进行判断。该系统采用Streamlit平台构建实验性人机交互界面。针对识别模型,研究开发了基于边界跟随法的图像预处理策略,旨在滤除背景和无关材料特征干扰,提高自然条件下拍摄的图像识别能力,以减少对建盏釉面的误判可能性。利用改进的基于支持向量机(support vector machines,SVM)的尺度不变特征变换(scale-invariant feature transform,SIFT)特征匹配分类策略,设计了多项性能实验,以获得足够的数据集分辨率、SVM最优超参数和初始化所需的最小数据集参数模型。经实验证实,系统可清楚地区分相同类型釉面图案(兔毛釉、滴油釉)的相似性。它使用给定的有限数据集提供高达92.60%的识别准确率,并将单次识别速度提高0.84 s。     

复杂人机交互场景下的指势用户对象识别

采用指势进行人机交互,可充分发挥人类日常技能,摆脱常规输入设备束缚.实现自然的指势人机交互的关键是,如何从复杂的人机交互场景中有效提取指势用户对象,提出了基于时/空运动特征的指势用户对象识别新方法.基于多尺度小波变换在时/空域所具有的优异局部化特性,从复杂场景中提取前景运动对象,克服环境条件约束以及动态环境变化及先验假设等不足;基于多尺度小波变换的梯度积分图方法,获取稳定可靠的指势手部HOG特征,采用机器学习方法,对上述特征向量分类,并基于指势手与指势用户对象的空间关联性识别指势用户对象.通过实验对比,结果表明本文方法有效、可行.     

Optimizing Deep Learning Parameters Using Genetic Algorithm for Object Recognition and Robot Grasping

The performance of deep learning (DL) networks has been increased by elaborating the network structures. However, the DL netowrks have many parameters, which have a lot of influence on the performance of the network. We propose a genetic algorithm (GA) based deep belief neural network (DBNN) method for robot object recognition and grasping purpose. This method optimizes the parameters of the DBNN method, such as the number of hidden units, the number of epochs, and the learning rates, which would reduce the error rate and the network training time of object recognition. After recognizing objects, the robot performs the pick-and-place operations. We build a database of six objects for experimental purpose. Experimental results demonstrate that our method outperforms on the optimized robot object recognition and grasping tasks.     

一种改进的基于支持向量机的OFDM识别算法

针对OFDM信号与单载波信号调制识别,提出了一种基于高阶累积量特征的改进方法.通过分析复信号幅值的归一化四阶累积量特性,以及信号的瞬时频率和功率谱特征,改进和提出新的特征参数,采用支持向量机分类器,实现了AWGN信道下包括OFDM在内的9种信号的制式自动识别.该方法具有特征参数易于提取、抗噪性好、识别准确率高的优点.利用MATLAB仿真证明在信噪比不小于7dB的情况下,OFDM信号的识别准确率达99%.     

Solid Ink Laser Patterning for High-Resolution Information Labels with Supervised Learning Readout

Tagging, tracking, or validation of products are often facilitated by inkjet-printed optical information labels. However, this requires thorough substrate pretreatment, ink optimization, and often lacks in printing precision/resolution. Herein, a printing method based on laser-driven deposition of solid polymer ink that allows for printing on various substrates without pretreatment is demonstrated. Since the deposition process has a precision of <1 µm, it can introduce the concept of sub-positions with overlapping spots. This enables high-resolution fluorescent labels with comparable spot-to-spot distance of down to 15 µm (444,444 spots cm⁻²) and rapid machine learning-supported readout based on low-resolution fluorescence imaging. Furthermore, the defined thickness of the printed polymer ink spots can be used to fabricate multi-channel information labels. Additional information can be stored in different fluorescence channels or in a hidden topography channel of the label that is independent of the fluorescence.     

一种应用于人脸识别的有监督NMF算法

为了提高非负矩阵分解(NMF)算法识别率,提出了一种有监督的NMF(SNMF)方法.该算法对NMF基图像进行判别分析,然后选择主要反应类内差异的基图像来构造子空间,最后在子空间上进行识别.通过UMIST人脸库和CMU PIE人脸库上的实验结果表明,该方法对光照、姿态和表情变化具有一定的鲁棒性,识别率高于NMF方法和其它子空间分析法.