摘要:阈值分割是图像分割领域中使用最为普遍的一类简单而有效的方法，多年来受到许多学者的广泛关注，发表了大量的研究成果。作者曾于20年前对1962-1992年阈值分割的研究状况做了一个阶段性的回顾与总结。时至今日，阈值分割方法已经获得了巨大的发展，新思路、新方法层出不穷。本文旨在对近20年来阈值分割领域常用的一些方法再次进行概括和分类，其中包括近年来新提出的阈值分割方法，也包括对经典方法的改进。文中给出了这些方法的基本思想和公式，阐明了各种方法的特点及其适用范围，以期为今后阈值分割的相关研究提供一些思路和启迪。

摘要:低剂量CT扫描能够有效减少患者接受的辐射剂量，但同时会导致成像质量的下降。在降低剂量的同时，获得可用于临床诊断的高质量图像已经成为近年来CT领域研究的重点方向。本文从低剂量CT的成像方式和图像质量改善等方面介绍了国内外低剂量CT技术的发展与应用，包括低剂量CT扫描的实施方式，低剂量CT扫描的数据模型，相关重建算法与图像后处理策略。本文对近年来国内外研究团队在低剂量CT技术的研究上进行了概括，最后对目前该领域的研究工作进行了总结和分析。

摘要:随着大规模数据的增加，解决Lasso问题成为一个新的热点，以往的方法很难满足大数据背景下的时间和效率问题。为了解决大规模数据及高维数据而带来的计算和储存的困难，本文从三个方面分析最新的算法，即一阶方法、随机方法及并行和分布计算。本文介绍和分析了解决最小收缩和选择算子(Least absolute shrinkage and selection operator, Lasso)问题的最新算法：梯度下降方法、交替方向乘子法(Alternating direction method of multipliers, ADMM)和坐标下降方法。其中梯度下降结合一阶方法和Nesterov的加速和光滑技术；交替方向乘子方法将随机方法融入在最新的算法中；坐标下降方法利用其坐标系的特点结合一阶方法、随机方法和并行和分布计算，本文分别从原始目标函数和对偶目标函数的角度对算法进行分析和研究。

摘要:时空轨迹挖掘是数据挖掘领域的前沿研究课题，通过研究和开发时空轨迹挖掘技术，来发现隐藏在轨迹大数据中有价值的规律和知识以供决策支持。本文介绍了时空轨迹大数据模式挖掘与知识发现领域的研究进展；然后对时空轨迹模式挖掘技术产生的背景、应用领域和研究现状作了简介，并探讨了面向时空轨迹大数据模式挖掘的研究内容、系统架构以及关键技术，最后对时空轨迹频繁模式、伴随模式、聚集模式和异常模式的挖掘算法思想进行了阐述。

摘要:无线多媒体传感器网络中针对视频信号处理的两个重要的问题是如何高效编解码和如何抵抗信道误码。结合压缩感知和字典学习理论，提出了一种应用于无线传感器网络的基于字典学习的压缩感知视频编解码模型。模型整体采用压缩感知理论以降低编码端复杂度，提高系统抗误码性。编码端应用差分编码和跳帧模式大大 减少了信道传输数据量；解码端采用字典学习算法增强图像的稀疏表示能力，从而提高视频重构精度。本模型在实现高效编码的同时将计算复杂度从编码端转移到解码端，从而满足编码端资源受限的应用场合。理论分析和仿真实验表明该模型可行并且有效。

摘要:脑网络学习旨在从整体上研究大脑各功能区的交互，对于人类深入了解大脑功能和结构以及对一些脑疾病的诊断都具有非常重要的作用。作为脑网络分析的重要工具，机器学习由于能够从数据中学习规律并对未知数据进行预测，已成为近年来脑网络分析领域一个新的研究热点。本文综述了近年来基于机器学习技术在脑网络分析中的典型研究方法和应用，主要从网络的构建、特征学习和分类预测等3个方面加以介绍。最后，总结全文并展望未来研究方向。

摘要:在弱监督信息条件下进行学习已成为机器学习领域的热点研究课题。偏标记学习作为一类重要的弱监督机器学习框架，适于多种实际应用问题的学习建模。在该框架下，每个对象在输入空间由单个示例（属性向量）进行刻画，而在输出空间与一组候选标记相关联，其中仅有一个为其真实标记。本文将对偏标记学习的研究现 状进行综述，首先给出该学习框架的定义以及与相关学习框架的区别与联系，然后重点介绍几种典型的偏标记学习算法以及作者在该方面的初步工作，最后对偏标记学习进一步的研究方向进行简要讨论。

摘要:图像的自动标注是图像检索领域一项基础而又富有挑战性的任务。深度学习算法自提出以来在图像和文本识别领域取得了巨大的成功，是一种解决“语义鸿沟”问题的有效方法。图像标注问题可以分解为基于图像与标签相关关系的基本图像标注和基于标注词汇共生关系的标注改善两个过程。文中将基本图像标注问题视为一个多标记学习问题，图像的标签先验知识作为深度神经网络的监督信息。在得到基本标注词汇的基础上，利用原始图像标签词汇的依赖关系与先验分布改善了图像的标注结果。最后将所提出的改进的深度学习模型应用于Corel和ESP图像数据集，验证了该模型框架及所提出的解决方案的有效性。

摘要:现有时间序列相似性度量方法在进行股市序列相似性分析时，通常忽略成交量等其他重要因素对股价的影响，从而导致序列聚类、分类不精确。针对这一问题， 本文提出了新的股市时间序列相似性度量方法。该方法在动态时间弯曲算法的基础上，通过引进时间衰竭因子，并结合成交量因素，给出了股市序列的最终度量公式。为了证明提出方法的可行性和有效性，本文实验部分通过选取家电等三个行业中的股票数据进行测试。实验结果表明，基于动态时间弯曲（Dynamic time warping，DTW）的新型股市时间序列相似性度量方法能够在保持股票序列形态特征的基础上，较好地解决股市技术分析中量价关系问题，从而更有效地应用于股市技术分析里关于模式发现等领域。

摘要:高维数据中许多特征之间互不相关或冗余，这给传统的学习算法带来了巨大的挑战。为了解决该问题，特征选择应运而生。与此同时，许多实际问题中数据存在多个视图而且数据的标签难以获取，多视图学习和半监督学习成为机器学习中的热点问题。本文研究怎样从“部分标签”的多视图数据中选择最大相关最小冗余的特征子集，提出一种基于多视图的半监督特征选择方法。为了剔除冗余和无关的特征，探索蕴含于多视图数据中的互补信息以及每个视图中不同特征之间的冗余关系，并利用少量标签数据蕴含的信息协同未标签数据同时进行特征选择。实验结果验证了本算法能够获得很好的特征选择效果及聚类效果。

摘要:针对微博平台上的垃圾用户甄别问题，本文提出了基于微博重复发送行为的垃圾用户行为建模和甄别算法。在真实微博垃圾用户数据分析的基础上，本建模方法综合考虑了微博垃圾用户的行为信息、社交网络信息和文本信息，从不同的角度对垃圾用户进行了分析和建模。在真实数据集上的实验证明了方法的有效性，并且对模型中若干参数进行了优化，同时也分析了垃圾用户行为信息、社交网络信息和文本信息对模型的影响程度。

摘要:提出一种基于特征间距的二次规划特征选取算法。首先，将特征在类内样本间和异类样本间的距离分别作为二次规划算法目标函数的二次项和一次项参数，用以搜索类内紧密、内间分离的分类特征；同时，通过对二次项和一次项的归一化来均衡特征在同类样本和异类样本之间的关系；然后，将二次规划算法优化后的最优解向量作为衡量特征对分类贡献的权重向量，再根据特征权重高低选取分类特征。特征选取方法在6个数据集中的特征选取实验结果表明了该方法的可行性和有效性。

摘要:准确识别词语语义倾向并构建高质量的情感词典，从而提高微博文本情感分析的准确率，具有重要意义。传统的基于语料库方法对种子词选取敏感，并且不能有 效对低频词语语义倾向进行识别。本文提出了一种基于词亲和度的微博词语语义倾向识别算法。利用词性组合模式提取候选词集，选取微博表情符号作为种子词， 并构建词亲和度网络,利用同义词词林对低频词进行扩展，计算候选词与种子词之间语义倾向相似度。根据设定阈值判断词语语义倾向。在200万条微博语料上分别将本文算法与传统算法进行对比，实验结果表明本文算法优于传统算法。

摘要:对基于滑动窗口进行样本扩充的单样本人脸识别方法进行了改进，改进后算法一方面在识别阶段采用了比原算法更少的特征，提高了识别的时间效率；另一方面在训练阶段获得原始样本的镜像样本作为附加的训练、注册集合，通过学习训练形成双子空间，识别结果由双子空间通过决策融合得到，提高了对测试样本变化的鲁棒性。在ORL人脸库和Feret子集人脸库上的实验表明，该算法在识别率上优于同类算法。

摘要:借助mRNAs分析MicroRNAs（miRNAs）的研究已经用于阐述miRNAs调控机理，但是它们大部分的准确功能仍然处于未知状态。基于此，本文提出了一种基于LDA（Latent Dirichlet allocation）主题模型来识别特定生物条件下miRNAs和靶标mRNAs之间的调控模块。该模型首先利用Welch′s t-检验挖掘具有差异表达的miRNAs和mRNAs，然后采用折叠Gibbs抽样法进行参数估计。在上皮细胞 间充质细胞转型（Epithelial to Mesenchymal transition，EMT）数据集中的结果表明，所识别出的功能性miRNA-mRNA调控模块（FMRMs）能够构造不同生物条件下miRNAs与mRNAs之间的调控关系，从而为了解EMT生物过程和miRNA靶标治疗提供新的视角。与基于K-means聚类算法比较，LDA主题模型比K means聚类在挖掘FMRMs上更加有效。

摘要:提出一种利用Harris特征点和环形均值描述的图像区域复制篡改检测算法。首先对图像进行自适应维纳滤波，并利用Harris算子提取图像的特征点，然后通过对每个特征点的环形邻域进行均值描述生成特征向量矩阵，并采用字典排序和阈值化处理进行相似性匹配，从而确定候选匹配点，最后利用RANSAC算法剔除错误的匹配点，实现复制和篡改区域的标识定位。实验结果表明,算法对于复制区域的旋转和翻转变换具有较强的鲁棒性，并且可以有效抵抗常见的后处理攻击，包括高斯模糊、加性高斯白噪声、JPEG压缩以及它们的混合操作，尤其能够抵抗非显著视觉结构的平坦区域和小区域的复制、粘贴、篡改操作。

摘要:非接触条件下单模态手部图像纹理信息有限，不利于识别。本文提出利用同一装置在多光谱下分时快速获取掌纹和掌脉图像。通过掌纹图像在静脉图像中进行掌纹主线增强处理，达到增加纹理信息、改善识别效果的目的。控制掌纹、掌脉两幅图像获取间隔小于0.1s，忽略手掌细微空间移位，对获取的掌纹图像进行感兴趣区域(Region of interest, ROI)提取，并利用掌纹ROI坐标参数进行静脉图像的ROI提取。然后对两个ROI区域进行预处理，通过多层小波分解得到的掌纹高频信息快速定位掌纹主线。最后根据掌纹主线归一化后的高频分量，进行掌纹和掌脉小波系数的融合，最终得到在静脉纹理图像中增强掌纹主线纹理的融合图像。 实验结果表明，融合后的图像中在保持静脉纹理信息原有状态下，掌纹主线纹理信息明显增加，识别效果得到改善。

摘要:为了实现超声甲状腺结节的自动分类，本文提出了一种利用局部纹理特征与多示例学习方法相结合以克服结节区域特征信息的重叠性。从感兴趣区域提取其局部纹理特征，将感兴趣区域看作由所有局部特征构成的示例包，再采用多示例学习方法中的Citation-kNN算法来实现对样本进行识别分类。实验结果表明，本文方法对超声甲状腺结节良恶性识别具有较高的分类准确率，且分类准确率达85.59%，可应用于甲状腺临床诊断并为其相关领域提供有效参考。

摘要:图像分割是图像分析及图像理解的关键步骤。与其他图像分割算法相比，均值漂移(Mean Shift)算法具有原理简单、无需先验知识、可以处理灰度图像及复 杂的自然彩色图像等优点。但该算法需要对图像中每个像素点进行迭代计算，因此分割所需要的时间较长。本文提出了一种快速Mean Shift图像分割算法(Fast mean shift,FMS)，将少量像素点作为初始点进行迭代计算，而出现在高维球区域内的其他像素点根据其到已有类中心的距离进行归类，从而减少Mean Shift算法的迭代次数，缩短分割时间。实验结果表明，本文提出的快速Mean Shift图像分割算法可以获得良好的分割结果且具有较高的分割效率。

摘要:实体关系抽取是信息抽取领域的重要研究课题之一。传统的实体关系抽取研究注重于从实体对出现的上下文中提取词法和语义等特征，然后利用分类器（如SVM）进行实体关系抽取，但该类方法忽略了分类器对实体抽取性能的影响。针对SVM分类器对超平面附近样本分类正确率低的问题，本文设计了一种基于双投票机制的SVM模糊样本选择方法。在此基础上，对确定区域样本直接使用SVM分类器进行分类，并利用KNN算法对模糊区域样本进行二次分类。在SemEval-2010评测任务提供的实体关系抽取数据上进行实验，实验结果表明该方法能较大提高实体关系抽取的性能。

摘要:设计并实现了一套基于达芬奇平台OMAP3530的近红外人脸识别系统。本系统采用850 nm的LED灯提供主动的近红外光源，在OMAP3530 和 EPM570处理器的协同作用下，实现了可见光图像与近红外图像的实时采集与处理。软件设计基于Codec Engine架构，ARM端负责图像的采集、识别结果的显示和数据库的管理；DSP端专注于人脸识别算法。通过图像采集、人脸检测、特征提取和特征匹配4个步骤实现人脸识别。本系统充分利用了OMAP3530丰富的接口和强大的图像处理能力，并且经过了C与汇编语言的优化。当环境光强发生变化时，系统仍能获得较高的识别精度和较好的实时性。

摘要:本文将互信息模型引入教育数据关联模式挖掘，提出一种基于互信息的教育数据矩阵加权正负关联模式挖掘算法，给出与其相关的定理及其证明。本文算法克服了现有挖掘算法的缺陷，考虑了教育数据项集在学生信息数据库中具有的权值，采用新的正负关联模式评价标准，挖掘出更接近实际情况的正负关联模式。通过关联模式分析，发现教育数据中潜在有用的教育、教学规律和教育发展趋势, 为教育管理、教育决策和教学改革提供科学的依据。以真实的教育数据作为实验数据测试集，实验结果表明，本文算法有效，在教育信息化数据处理与分析中具有重要的应用价值。

摘要:为了提高燃煤锅炉NOx排放浓度预测的准确度，更好地进行氮氧化物的污染监测，提出了一种结合最小二乘支持向量机(Least squares support vector machines, LSSVM)和改进的粒子群优化算法(Particle swarm optimization, PSO)的预测方法。依据LSSVM预测原理及其参数选择的不确定性，采用一种改进的PSO优化算法对模型参数进行寻优，建立锅炉燃烧NOX排放特性模型，并与另两种方法结果进行比较。结果表明：LSSVM是一种有效的建模方法，有较高的拟合度；改进的PSO与LSSVM结合可改善模型的预测精度和泛化能力，在NOX排放浓度预测方面明显优于其他两种参数优化算法，对NOx排放预测有指导意义。