基于数据点松紧度的局部线性嵌入算法

局部线性嵌入算法（LLE）是流形学习中非线性数据降维的重要方法之一。考虑数据点分布大多呈现不均匀性,LLE对近邻点的选取方式将会导致大量的信息丢失。根据其不足,提出一种基于数据点松紧度的局部线性嵌入改进算法——tLLE算法,针对数据点分布不均匀的数据集,tLLE算法能有效地进行维数约简,且具有比LLE更好的降维效果。在人造数据和现实数据上的嵌入以及分类识别结果表明了tLLE算法的有效性。     

基于LLE算法和SVM的旋转机械故障诊断

利用LLE（Locally Linear Embedding）算法对众多的观测变量进行降维,再利用支持向量分类器SVM（Support Vector Machine）方法对降维后的变量数据集进行故障诊断。通过算例仿真表明,旋转机械故障的23维变量因素可降到14维,同时得到的诊断结果中,训练集的正确率为94．8％,测试集的正确率为100％。结果表明基于LLE算法和SVM的旋转机械故障诊断的模型精度有效。其既降低了模型的复杂度,又不影响故障诊断模型的精度。     

DLLE：一种姿态无关的人脸识别改进算法

经典LLE(Locally Linear Embedding)通过流形学习,能够得到嵌入在高维空间的低维流形,但是它与lsomap、Laplacian Eigenmaps一样,学习过程中没有用到先验知识,本文改进了LLE方法,充分利用先验类别信息,能够找到从高维空间到低维空间更为合理的映射,最终使用一种线性近似的方法学习这种映射的显示表达,通过这种映射,可以比较好地解决人脸识别中的姿态问题,在FERET数据库上,当姿态变化从-60度到+60度,该方法达到了较高的识别率.     

流行学习算法应用于基因芯片数据分析

基因芯片是近年发展起来的生物技术,其数据典型特征是基因数多而样本少,因此必须及时采取有效方法来处理这些以指数级增长的数据.流行学习算法在高维数据方面有着广泛应用,但在基因芯片数据分析的应用还比较少.为了能得到在基因芯片数据分析中更好的处理方法,文章应用三种非线性降维提取海量基因芯片数据的特征,然后利用支持向量机作为分类器,判断样本的类属.实验结果表明,通过LLE特征提取之后,能获得与原基因芯片更为接近的成分,类属判断结果更为准确,为基因芯片数据分析提供了一定的科学指导.     

基于半监督流形学习的人脸识别方法

如何有效地将流形学习(Manifold learning,ML)和半监督学习(Semi-supervised learning,SSL)方法进行结合是近年来模式识别和机器学习领域研究的热点问题.提出一种基于半监督流形学习(Semi-supervised manifold learning,SSML)的人脸识别方法,它在部分有标签信息的人脸数据的情况下,通过利用人脸数据本身的非线性流形结构信息和部分标签信息来调整点与点之间的距离形成距离矩阵,而后基于被调整的距离矩阵进行线性近邻重建来实现维数约简,提取低维鉴别特征用于人脸识别.基于公开的人脸数据库上的实验结果表明,该方法能有效地提高人脸识别的性能.     

基于VFW和LLE的视频图像处理与特征提取技术

结合人脸考勤系统项目实例介绍了用VFw（Video for Windows）实现视频图像采集、编辑和LLE（Locally Linear Enbedding）对采集的图像进行特征提取技术,并利用该技术建立了SCU_TS人脸库。结果表明,该技术实用、可靠,为视频应用程序的开发提供了一种行之有效的方法。     

基于局部线性嵌入的最大散度矩阵算法

提出一种基于局部线性嵌入的最大散度矩阵算法——FSLLE。引入线性映射解决局部线性嵌入算法的样本外学习问题,通过自适应动态地确定局部线性空间邻域参数,最大化地融合样本数据的类别信息和局部结构信息矩阵,以获取髙维数据的最佳分类低维子空间。在JAFFE人脸表情库对该算法进行测试,结果表明,FSLLE算法能根据流形结构动态地确定局部邻域的大小,具有较好的表情识别率。     

Chaotic characteristics of pseudoplastic fluid induced by 6PBT impeller in a stirred vessel

Xanthan gum solutions with different mass concentrations were used to study the chaotic characteristics induced by the impeller of perturbed six-bent-blade turbine(6 PBT) in a stirred vessel. Based on the velocity time series obtained by the experiment of particle image velocimetry(PIV), with the software MATLAB(R2016a), the distributions of the largest Lyapunov exponent(LLE) and Kolmogorov entropy(K entropy) of the system, as two important parameters for characterizing the chaotic degree, were investigated respectively. Results showed that both of the LLE and K entropy increased with the increasing speed at the beginning. As the speed was up to 200 r·min-1, the two parameters reached the maximal values meanwhile, corresponding to 0.535 and 0.834, respectively, which indicated that the chaotic degree of the flow field was up to the highest level. When the speed was increased further, both of the LLE and K entropy decreased on the contrary, which meant that the chaotic degree was decreasing. It was also observed that the chaotic characteristics of flow field were hardly affected by the fluid rheology and the detecting positions. The research results will enhance the understanding of the chaotic mixing mechanism and provide a theoretical reference for optimizing impeller structure.     

测定菜籽油中酚类化合物样品前处理方法的比较

采用液液萃取(LLE)、固相萃取(SPE)、QuEChERS 3种不同前处理方法提取菜籽油中酚类化合物,并采用超高效液相色谱串联质谱(LC-MS/MS)进行测定,分析比较了3种不同前处理方法对菜籽油中酚类化合物提取效果的影响。结果表明:在3种不同的前处理方法中,QuEChERS前处理方法的提取效果最好,对菜籽油中7种酚类化合物的回收率最高,可达85.16%～101.78%,基质共提物含量最低,为2.04 mg/g;LLE的回收率为66.04%～101.11%,基质共提物含量最高,为6.80 mg/g;SPE的回收率最低,仅为56.98%～83.79%,基质共提物含量为2.30 mg/g。     

基于点密集度的非线性流形学习算法

提出一种样本点密集度的非线性流形学习算法.该算法提出了一个有效的数据点密集参数,能够很好地对非均匀数据的低维嵌入进行约束,其嵌效结果明显优于LLE算法.在人工和人脸数据集上的实验结果表明,新算法产生了较好的嵌入及分类结果.