【摘 要】
：
近些年来,人工智能技术的发展如火如荼,模式识别领域同样百花齐放。面向小样本的生物特征识别作为一项重要的技术,在学术领域引起广泛的关注与研究。在现实生活中,非接触的身份验证识别得到更多人们的支持,不仅是其方便性得以满足,而且在安全性上,也达到了一定的标准。所以研究生物特征识别是一项具有前景的工作,特别是小样本情况下,智能系统的识别算法。本文的小样本有两层意思,其中指的是训练样本的数量和训练样本的维度
论文部分内容阅读
近些年来,人工智能技术的发展如火如荼,模式识别领域同样百花齐放。面向小样本的生物特征识别作为一项重要的技术,在学术领域引起广泛的关注与研究。在现实生活中,非接触的身份验证识别得到更多人们的支持,不仅是其方便性得以满足,而且在安全性上,也达到了一定的标准。所以研究生物特征识别是一项具有前景的工作,特别是小样本情况下,智能系统的识别算法。本文的小样本有两层意思,其中指的是训练样本的数量和训练样本的维度相差较大,另外是指训练样本和测试样本在数量上也存在较大的差距。相比较于,基于大量训练样本的模型,面向小样本识别的优势不言而喻,其中包括节约存储资源、减少训练时长等。综上描述,本文的主要工作如下:（1）提出了模糊多流形分类器（Fuzzy Multi-Manifold Classifier,FMMC）算法。该算法在只有单张训练图像的环境下,引入模糊理论,使得后续的图像分类成为可能。其主要的原理是:将所有完整的训练图像进行分割成多个不重叠的小图块,并通过先验标签赋予这些图块一定的类别权重（类隶属度）。具体是通过使用线性拟合的方法,度量训练图块到各个训练类别“完整”图像的距离。根据该距离,得以赋予每个训练图块的类别权重。接着,在测试阶段,以同样的方式切割测试图像,统计得出每个测试图块的k个近邻训练图块的类别权重（类隶属度）,根据最高权重对应的类,预测该测试图块的类别。最后以投票的方式,统计所有组成完整测试图像的每个图块的类别,票数最高的类即为预测结果。与此同时,在经典人脸数据库上进行实验测试,通过实验数据说明,FMMC在只有一张训练样本情形下的分类是具有一定识别性能。（2）提出了目标岭回归系统（Objective Ridge Regression System,ORRS）。在传统的特征提取和分类两个步骤中,彼此关联不大。但在ORRS中,特征提取和分类两个部分紧密地结合在一起。在特征提取上,利用岭回归的方法,将训练样本拟合到指定的目标,从而训练出投影矩阵。而在分类过程中,运用了动态分类的思想对测试样本进行分类,由此提出了多样性因子。多样性因子度量模型对测试样本分类的置信度,置信度高的测试样本比置信度低的测试样本更早分类。特征提取阶段拟合的目标,设置为分类阶段的初始中心。总之,ORRS即使是在小样本训练的情况下,通过的动态迭代分类的过程,依旧可以实现将测试样本良好地分类。为了验证ORRS的有效性,在一些生物特征的数据库进行实验,从数据表明,它在面向小样本的识别上,准确性性能是令人满意的。（3）提出了动态均值分类器（Dynamic Mean Classifier,DMC）算法。同样旨在缓解小样本问题环境之下提出的算法。其算法的核心是联动决策机制（Linkage Decision Mechanism,LDM）的提出,包括最小距离分类算法（Minimum Distance Classifier,MDC）和局部均值分类算法（Local Mean Classifier,LMC）的结合。其关键的技术在于,将测试样本进行分批次地进行分类,而且先分类完成的测试样本会加入到模型中,以丰富训练信息。对此,LDM将确定测试样本的置信度,置信度高的测试样本分类阶段早于置信度低的测试样本。与此同时,已经预测完成的测试样本会加入到模型的迭代过程中,以增加训练模型的信息。具体来说,MDC和LDM两者的联合决策,使得模型所判定的异常样本最后才进行分类,从而减少异常样本对训练模型的影响。为了验证DMC算法的有效性,在多个经典数据库进行实验,数据结果证明,DMC的分类性能是符合预期的。
其他文献
在当今热门的互联网的应用领域,如云计算、Io T中,主机入侵检测技术的成熟应用能很大程度上提升关键基础设施主机的安全水平。在基于主机入侵检测技术研究方面,前人已形成较为丰富的研究成果,如基于N-Gram滑动窗口方法、基于传统机器学习进行特征提取的方法、基于深度学习的方法等,从侧面展现出主机入侵检测研究的重要性。上述方法各有特点,但在现实训练中,分别存在训练数据要求高、计算代价高、易过拟合等现实问题
关系分类是自然语言处理领域的一项重要任务,也为知识图谱的构建、问答系统和信息检索等相关研究提供技术支持。深度学习技术的出现拓展了关系分类任务的相关研究,在实验效果上取得进一步的突破,基于深度学习的关系分类方法逐渐成为该研究的重点研究方法之一。近年来,基于深度学习的关系分类研究在任务改进方面主要集中在对注意力机制的优化和对语义信息的优化两大方面上。然而,此类方法目前尚且存在以下问题:（1）不少学者在
电致变色材料,是指在外部电压或电流的激励下,会发生产生稳定、可逆的颜色转变现象的具有光学调制能力的一类材料,是目前最有研究和应用前景的智能材料之一。电致变色技术可以应用于智能窗、EC显示屏、柔性电子、智能手机等领域。近些年来,电致变色材料在机理研究和应用探索方面取得了长足的进步,但是在器件结构、电解质问题和封装问题等方面仍然存在许多需要克服的地方,而且因为其高成本使得距离民用化和商业化还有很长一段
随着工业行业的迅速发展,设备的精度及稳定性越来越受客户关注。在生产加工中,要求数控机床的加工精度高,且稳定,是制造商推向客户的重要一点。在高端设备加工中,机床的以上特性尤为重要。对于机械结构而言,机床铸件及在安装过程存在几何误差,在生产过程中这种误差已经很难被消除。工件在加工过程中刀具和加工工件在切削力的作用下其角度和直线度会有偏差,造成加工程序程序中指定的位置与实际位置会有误差,导致工件尺寸超差
无源定位技术是一种定位设备自身不需要对外界辐射信号,仅通过接收并分析目标辐射的信号来确定目标位置的技术,具有隐蔽性强、抗干扰能力强的特点。多站无源定位是通过设立多个观测站点获取目标位置信息,通过集中式数据处理或分布式数据处理的方式实现观测信息融合,从而实现目标定位。而实现运动目标定位跟踪需要解决的重点问题是研究其滤波跟踪算法,但由于实际定位过程中存在目标机动、环境因素、设备因素等诸多因素影响,会引
近十年来新能源汽车得到了广泛的关注。然而,不少新能源汽车的设计仍沿用传统燃油车的方案,特别是外观设计。对于选择新能源汽车的用户而言,是否有区别于传统燃油车的外观设计需求,是值得研究的课题。感性工学设计方法能捕捉及量化用户的感性需求,被大量应用于产品外观设计的用户需求分析。传统的感性工学设计方法需进行大量的访谈及实验,数据收集成本较大。随着移动互联网的普及以及用户共享意识的提升,用户在汽车论坛、网站
在对现代控制系统的分析研究中,最优控制问题备受关注。一方面,保证被控系统的闭环稳定性仅仅是最低要求,还需要进一步优化系统性能;另一方面,许多经典的优化控制方法在处理复杂非线性系统优化问题时常常具有局限性。为弥补传统方法的缺陷,实现日益复杂的非线性系统的最优控制任务,自适应动态规划（Adaptive Dynamic Programming,ADP）方法应运而生,其作为一种利用强化学习思想,在动态规划
在实际应用中,机器人往往处于未知和非结构化的工作环境中。机器人在真实环境中找到自己的定位依赖于同步定位与地图构建技术（Simultaneous Localization and Mapping,SLAM）,即在运动的同时获取传感器数据来评估真实环境信息,结合地图信息实现自我定位并建造增量式地图。传统SLAM方法在移动机器人在建图导航时仅考虑XY坐标和偏航（Yaw）,导致地面平整性和凹凸障碍物信息缺
序列号,是指纸币上的一串由英文和阿拉伯数字组合的字符序列。每张纸币都有一个唯一的序列号,是纸币的特殊身份标识。因此,实现对纸币序列号的精准识别,在防伪、追踪被盗纸币、提高金融市场稳定性等方面起着至关重要的作用。随着金融经济的快速发展,对纸币识别系统的序列号识别能力的要求也不断提高。然而,现有的纸币序列号识别方法普遍存在着识别准确性差、易受外部环境的制约、对纸币污损残缺的适应能力差等不足。其主要原因
随着车联网技术的不断发展,车辆安全逐渐受到人们的重视,制定合理的驾驶评估方法已成为保障安全驾驶的重要任务。然而,影响驾驶安全的评估因素众多,这让驾驶指标的选取成为重大难题,如果选择影响因子过小的驾驶指标,最后的评估结果往往缺乏通用性与客观性。现有的驾驶评估可视化应用多以总体评估的方式呈现给用户,但这种方式缺乏量化的数据,用户并不知道自己是在什么时间点、因为什么样的行为造成驾驶评分下降。为了充分利用