摘要:随着大数据时代的到来，含更多 隐含层的深度卷积神经网络(Convolutional neural networks, CNNs)具有更复杂的网络结构，与传统机器学习方法相比具有更强大的特征学习和特征表达能力。使用深度学习算法训练的卷积神经网络模型自提出以来在计算机视觉领域的多个大规模识别任务上取得了令人瞩目的 成绩。本文首先简要介绍深度学习和卷积神经网络的兴起与展，概述卷积神经网络的基本模型结构、卷积特征提取和池化操作。然后综述了基于深度学习的卷积神经网络模型在图像分类、物体检测、姿态估计、图像分割和人脸识别等多个计算机视觉应用领域中的研究现状 和发展趋势，主要从典型的网络结构的构建、训练方法和性能表现3个方面进行介绍。最后对目前研究中存在的一些问题进行简要的总结和讨论，并展望未来发展的新方向。

摘要:信息技术和社会媒体的快速发展使得网上旅游数据日益庞大。随着游客对旅游需求呈现多样化和定制化趋势，旅游信息服务成为目前的研究热点。社会媒体中的社区和自媒体平台存在着海量的旅游信息资源，基于社会媒体的旅游数据挖掘可 以充分利用这些资源，将其应用在智慧旅游推荐上，进而推动“互联网+旅游信息化”的快速发展。本文全面分析和讨论了目前“互联网+旅游信息化”的研究背景和发展历程，分析了目前社会媒体中的旅游数据的特点，进一步介绍了“互联网+旅游信息化”背景下的热点研究应用，最后总结了基于社会媒体旅游数据的挖掘与应用的研究难点，并且对未来可能的研究方向 进行了探讨。

摘要:磁共振成像（Magnetic resonance imaging， MRI） 技术以其非介入、无损伤以及不受目标运动影响等特点，已成为临床诊断的重要辅助手段。精确的脑MR图像分割对生物医学研究和临床应用具有重要的指导意义。在实际应用中，脑MR图像中存在的噪声、灰度不均匀性、部分容积效应和低对比度等缺陷，都给脑MR图像的 精确分割带来了巨大困难和挑战。本文基于模糊聚类模型的脑MR图像分割问题，从聚类类别数的确定、模型初始化、克服噪声、估计偏移场、克服部分容积效应、数据不确定性描述以及模型扩展7个方面深入阐述了国内外发展现状、应对技巧及改进策略，并分析存在的不足 ，指出进一步的研究方向。

摘要:自动疼痛识别技术在医疗保健，特别是在对无法用语言表达疼痛的病人的治疗和护理中具有广泛的应用前景，因此逐步受到研究者的关注。由于人的面部线索是很重要的疼痛评估依据，并且基于计算机视觉技术的人脸表情识别研究已取得很大进展，因此利用面部表情信息实现自动疼痛识别成为了一条有效的途径。本文首先简要介绍了目前常用的STOIC表情数据库、 婴儿疼痛表情分类（COPE）数据库、UNBC-McMaster肩部疼痛数据库和BioVid热疼痛数据库，然后从静态图像疼痛表情识别、视频序列疼痛表情识别、特定人物疼痛识别以及多信息融合疼痛识别4个方面对近10年的疼痛表情识别主要方法进行了详细 的介绍，最后对目前人脸疼痛表情识别现状进行总结和分析，并阐述了其存在的挑战和未来的发展方向。

摘要:软件质量是计算机系统安全可靠运行的保障，而软件缺陷是导致软件质量低下的重要诱因。软件缺陷挖掘技术凭借其能够通过对软件代码及其相关数据进行分析建模，发现软件系统潜在的缺陷，已得到了软件质量保障领域的广泛关注。要准确发现软件模块中潜在的缺陷，需要利用大量带有缺陷情况标注的模块进行学习。然而，缺陷情况标注往往需要通过详细测试或人工代码检查获取，要消耗大量测试和人工资源，在实际应用中难以满足，这严重制约了软件缺陷挖掘的性能。针对这一问题，半监督学习技术被引入软件 缺陷挖掘，通过对大量缺少标注的模块进行利用，辅助提升软件缺陷挖掘的性能。本文对半监督缺陷挖掘技术的研究现状进行综述。首先综述了软件缺陷挖掘研究现状，然后简要介绍了半监督学习的4种学习范式；最后系统梳理了基于半监督学习进行软件缺陷挖掘的多种方法与技术。

摘要:车牌定位是车牌识别系统中核心部分，具有较高的研究和应用价值。尽管近些年来该研究取得了很大的进展，但仍无法很好地解决低亮度、低分辨率和车辆倾斜等环境下的定位问题。本文提出了一种新的全卷积神经网络，通过回归车牌角点的方式准确地进行车牌定位。为了保证训练的有效性，对45 000幅含有车牌的图像进行人工标注。同时，对标注的图像随机进行平移、缩放、旋转和加噪，提高训练样本的数量和多样性。在本文构建的卡口图像数据集和复杂环境数据集上与两种方法进行了比较，验证了本文方法的有效性。

摘要:为满足高端工业检测中对检测精度和检测时间的严格要求，针对现有图像插值方法在插值速度与精度方面的矛盾，本文提出了一种分区域多方向数据融合图像插值方法。在灰度平坦区域，采用双线性插值算法进行插值。在边缘纹理区域，则选取待插值点在源图像中对应点的4×4邻域内4个插值方向上距离最近的12个像素点，基于距离平方反比计算估计值；然后结合方向灰度梯度和插值距离两个权 重因子，进行数据融合，获得最终插值。实验表明，新提出的插值方法运行速度快，并且在图像任意级别变换时都具有较高的插值精度，能够很好地保持图像的边缘纹理细节。

摘要:无线多媒体传感器网络系统存在无线信道随机衰落以及高误码率等问题，对视频应用的影响尤为突出。压缩感知理论应用于视频信号编码提供了一种抗无线信道随机衰落以及降低误码率的思路，但由于压缩感知重构算法的高复杂度，使得在解码端很难高效实时地恢复出视频序列。本文通过改进SL0算法的迭代搜索方向、迭代搜索方法 以及循环终止条件等提出了一种快速高效的基于平滑范数的压缩感知视频解码算法（Accurate direction smooth l0 algorithm,ADSL0）。算法采用严格的下降方向以及修正的迭代步长，保证了迭代路径的最优。实验结果表明，本文所提算法在重构精度和重构耗时上都明显优于其他同类算法。

摘要:针对纸质水文资料数字化应用，对相机拍摄的水文资料图像进行分割，提出基于梯度和颜色信息融合的水文图像分割方法。首先利用图像在CIELab空间上的颜色分量特征分割出曲线，然后进行分块处理，利用梯度算子在水平和垂直方向分别判别属于网格线上的目标像素点，统计这些像素点的颜色信息，利用颜色分量关系对网格线进行初步提取，之后加入水平和垂直方向的腐蚀，合并两方向的结果得到最终的网格二值化图像，最终由曲线图像和网格图像合并后得到水文图像的分割结果。对多幅水文图像进行分割的实验结果表明，本文方法能自适应地完成对多幅图像有效的分割，并且能够减少相机拍摄光照不均的影响，有较好的鲁棒性和较低的计算复杂度。

摘要:多个子空间直和能保证多个子空间数据融合时多个子空间得到的特征向量相互两两正交，融合数据采用该特征表示时冗余最小，更有利于分类识别。本文基于多子空间直和进行特征融合，提出了一种新的人脸识别算法。通过 2DPCA算法，首先分别计算所有训练样本归一化后正脸、左侧脸及右侧脸图像的协方差矩阵的各P个最大特征值对应的P个相互正交的特征向量，然后通过选取3个子空间的部分满足直 和条件的特征向量组成各自的特征空间(投影空间)，再将样本正脸、左侧脸及右侧脸图像分别向各自特征空间投影得到3个特征矩阵，最后将此3个特征矩阵融合为该样本的特征矩阵用于最近邻分类器进行分类识别。最终通过本文3组实验数据的对比说明了该 算法能减少计算量并且提高了识别率。

摘要:视频浓缩是包含原视频有效信息的简短表示，以便于视频的存储、浏览和检索。然而，大部分视频浓缩方法得到的浓缩视频中会丢失少量目标，不能完整表达原始视频的全部内容。本文介绍了一种基于目标轨迹优化的视频浓缩方法。首先使用改进的目标轨迹提取算法提取原视频中目标的 轨迹，然后利用马尔可夫随机场模型和松弛线性规划算法得到每条轨迹的最优时间标签，将其与背景序列和目标轨迹结合生成浓缩视频。实验结果表明，与传统的视频浓缩方法相比，本文方法生成的浓缩视频具有较高的浓缩比，保证了信息的完整性又具有良好的视觉效果。

摘要:对于股票联动性的研究，传统时间序列分析方法及目前数据挖 掘技术主要使用国内或者国外股票指数来研究市场、板块或行业之间的联动关系，并得到一 些较为宏观的结论，存在着缺少直接分析与挖掘个股数据之间的联动性的问题。鉴于此，本文提出一种基于动态时间弯曲的股票时间序列联动性研究方法。通过动态时间弯曲找出若干只形态相似的股票，并在此基础上获得相关的重要信息，再提出基于动态时间弯曲的k-means聚类方法实现股票聚类，进而得到具有相同波动趋势的股票簇。实验结果表 明，新方法能从大量股票中准确找到具有联动关系的个股，区分开不同波动趋势的股票簇，具有一定的优越性。

摘要:序列化信息瓶颈 (Sequential information bottleneck, sIB) 算法是一种广泛使用的聚类算法。该算法采用联合概率模型表示数据，对样本和属性的相关性有较好的表达能力。但是sIB算法采用的联合概率模型假设数据各个属性对聚类的贡献度相同，从而削弱了聚类效果。本文提出了赋权联合概率模型概念，采用互信息度量属性重要度，并构建赋权联合概率模型来优化数据表示，从而达到突出代表性属性、抑制冗余属性的目的。UCI数据集上的实验表明，基于赋权联合概率模型的WJPM_sIB算法优于sIB算法，在F1评价下，WJPM_sIB算法聚类结果比sIB算法提高了5.90%。

摘要:主分量分析是模式识别领域使用较广的一种特征 抽取方法，但是由于经典的主分量分析在处理图像矩阵时需要将图像展开成向量形式，使得计算量很大。本文提出了一种多频带主分量分析方法，该方法不仅减少了运算过程中的计算量，而且在一定程度上提高了整体性能。首先通过二维离散余弦变换将图像转变成频率数据，再按照频率变化将数据分成多个频带，然后在此基础上设计了针对多个频带数据的主分量 分析方法。通过对ORL和NUST603图像库进行实验证明，本文方法不仅具有快速提取图像特征的能力，而且综合性能优于相应的主分量分析。

摘要:针对最不重要比特位(Least significant bit, LSB)匹配隐写算法，本文提出了一种新的负载定位算法。将隐写负载定位看作二分类问题，将载密图像每个像素位置看作待分类样本，通过提取载密图像集中每个像素位置在8个方向上的相邻像素差分平方均值特征，利用支持向量机(Support vector machine,SVM)分类器，将每个像素位置划分到正确的类别——负载位置或非负载位置。本文从理论和实验两方面验证了所提分类特征的有效性。针对LSB匹配隐写，本文方法与最大后验概率(Maximum a posteriori, MAP)载体估计方法做出比较，在低嵌入率条件下，本文方法的定位性能有明显提高。

摘要:在面向大数据问题的应用领域中，由于现实世界的多样性和复杂性，经常会遇到大规模的多类别数据挖掘问题，传统的多分类方法一方面存在着超平面不平衡更新的问题，另一方面学习效率较低，对于复杂的多类别数据无法进行高效分类。针对这个问题，本文提出了一种改进的动态主动多分类（Dynamical active multiple classification, DYA）方法，该方法通过将死锁、激活等概念引入到主动多分类过程，在主动多分类过程中随着分类器的不断更新，动态地控制样本是否参与主动学习的过程；同时，采用分位计数、轮换学习方式的主动多分类方法，使得多类别的分类器能够得到平衡的学习和更新。实验结果表明，本文提出的动态主动多分类方法有效提高了模型的学习效率和泛化性能。

摘要:研究中文微博情感分析中的观点句识别及要素抽取问题。在观点句识别方面，提出了一种利用微博中的情感词和 情感影响因子计算微博语义情感倾向的新算法；在观点句要素抽取方面，利用主题词分类及关联规则，辅以一系列剪枝、筛选和定界规则抽取评价对象。通过观点句识别和观点句要素抽取结果的相互过滤，进一步提高召回率。实验数据采用第六届中文倾向性分析评测所发布的数据，结果表明，本文方法在观点句识别和要素抽取方面能够取得较好的效果，观点句识别的精确率、召回率入F值分别为95.62%，54.10%及69.10%；观点句要素抽取的精确率、召回率以及F值分别为22.07%，12.66%和16.09%。

摘要:Shapelet作为时间序列特征，具有较好的可解释性。Shapelet在行为识别、聚类分析及异常检测等方向均得到了广泛应用。但在电力运行监测、医学图像分析以及流媒体监测等领域，时间序列具有多源、同步的特点，仅对单一源上的时间序列提取Shapelet可能丢失序列间相关性。在Shapelet概念基础上，本文提出p-Shapelet作为不同源的Shapelet间关于时间间隔的特征表达，从而实现分析不同源Shapelet间的相关性。具体地，为找出不同类别样本间时间间隔具有最显著差异的Shapelet对，设计并实现了并行化挖掘的算法p-Shapelet miner。算法采用信息增益对不同源间的Shapelet对进行评价，并找出能最大化信息增益的Shapelet对（p-Shapelet）。利用CMU人体动作捕捉数据集进行实验，验证了算法的有效性与执行效率。

摘要:平滑范数（Smoothed l0，SL0）压缩感知重构算法通过引入平滑函数序列将求解最小l0范数问题转化为平滑 函数优化问题，可以有效地用于稀疏信号重构。针对平滑函数的选取和算法稳健性问题，提出一种新的平滑函数序列近似范数，结合梯度投影法优化求解，并进一步提出采用奇异值分解（Singular value decomposition, SVD）方法改进算法的稳健性，实现稀疏度信号的精确重构。仿真结果表明，在相同的测试条件下，本文算法相比OMP算法、SL0算法以及L1-magic算法在重构精度、峰值信噪比方面都有较大改善。

摘要:基于手势的人机交互是当前备受关注的自然人机交互模式之一，实时手势识别是其中最重要的步骤。本文提出了一种基于圆弧扫描线的手势特征提取和实时手势识别方法。首先，基于一种抽象描述手掌和五指关系的简洁人手海龟模型，结合肤色特征和腕部标记分割出人手部图像，并进行二值化处理 和统一尺寸来建立手势训练集。 然后，以手掌中心为圆心构造同心圆来提取训练集中不同手势样本的特征，并使用线性判别分析(Linear discriminant analysis,LDA)算法对手势特征向量进行离线预处理。最后，使用 改进的加权K近邻（Weighted-K-nearest neighbor,W-KNN）算法进行实时手势分类和识别。为了验证本文方法的有效性 ，在自建小型手势数据库上进行了算法分析和比较，并在多投影系统下进行实时交互测试。实验 结果表明本文算法具有较高的识别效率。

摘要:传统C-V模型分割图像利用图像区域特征，忽略 了边缘等能够反应图像细节的特征。为了达到更好的图像分割效果，对于这些细节信息的处理则显得尤为重要。图像的梯度信息在边缘区域具有较大幅值，在同质区域具有较小幅值，因而可以用图像梯度来反映图像的边缘信息。把边缘信息融入C-V模型，利用同质区域信 息和边缘信息控制曲线演化,则可以达到更好的分割效果。本文提出的新模型克服了C-V模型的一些 缺陷，对背景灰度不均匀或含弱边缘的图像能够获得更好的分割效果。

摘要:AdaBoost算法是一种典型的集成学习框架，通过线性组合若干个弱分类器来构造成强学习器，其分类精度远高于单个弱分类器，具有很好的泛化误差和训练误差。然而AdaBoost 算法不能精简输出模型的弱分类器，因而不具备良好的可解释性。本文将遗传算法引入AdaBoost算法模型，提出了一种限制输出模型规模的集成进化分类算法(Ensemble evolve classification algorithm for controlling the size of final model，ECSM)。通过基因操作和评价函数能够在AdaBoost迭代框架下强制保留物种样本的多样性，并留下更好的分类器。实验结果表明，本文提出的算法与经典的AdaBoost算法相比，在基本保持分类精度的前提下，大大减少了分类器数量。

摘要:冰箱内物体繁多 且摆放随意，给基于图像分析的冰箱物体识别带来了很多挑战。本文提出一种用集成的卷积神经网络方法来解决冰箱食物种类识别问题。其基本思想是首先分别训练两个卷积神经网络，一个用于果蔬种类识别，一个用于果蔬的颜色识别，然后用一个多层感知器将两个独 立的网络集成进行分类训练。集成训练之后的模型能将两个网络的信息进行补偿和强化。本文 方法能有效提升颜色在物体识别中的主导作用，改善了由于遮挡、视角变化导致识别准确性不高的问题。最后通过对从冰箱获取大量真实的图片数据进行实验，验证了本文方法在解决智能冰箱物体识别问题的有效性。

摘要:针对知识库中存在单条实体定义特征稀疏和人工设置相似度阈值适用性不强的问题，本文提出了一种基于分步聚类的人名消歧算法。首先，将知识库中人名实体定义的人物属性特征作为查询特征，利用文本检索的方式实现基于知识库的初次聚类，弥补了知识库中单条实体定义中特征稀疏的问题；然后，利用初次聚类的结果，采用基于自适应阈值的凝聚层次聚类算法实现知识库人名消歧；最后，采用条件随机场进行Other类识别，利用基于自适应阈值的凝聚层次聚类完成S类聚类，从而实现非知识库人名消歧。在CLP2012的中文人名消歧评测语料上进行实验，结果表明本文的算法能够有效地对人名进行消歧。

摘要:针对现有的并行FP-Growth算法在数据并行分组时存在数据冗余和负载不均的问题，提出了基于负载估算和冗余剪枝的优化算法。首先，在采用高频策略分组时，引入节点任务估算方法，把每个分组中最大模式树的最长路径和支持度作为该分组的估计值，将估计值远大于其他节点的分组进行分割，平均到其他分组中,并且对不同分 组中重复的列表元素进行截断，去除冗余数据。实验表明，本文提出的算法能够有效防止并行化的数据倾斜，减少数据冗余，在时间和空间复杂度上要低于以前的并行化FP-Growth算法。