随机投影

摘要： 针对基于随机投影的差分隐私算法中存在直接对降维数据直接添加噪声导致基于欧氏距离数据挖掘中数据可用性较差的问题,提出了一种基于奇异值分解的差分隐私算法。该算法首先对高维社交网络的数据利用随机投影进行降维,然后对降维后的数据进行奇异值分解并对奇异值加入高斯噪声,最后通过奇异值分解逆运算生成待发布矩阵。该算法利用的奇异值矩阵是一个仅有主对角线上有值的矩阵,值的个数为矩阵的秩,与直接对降维后的数据直接添加高斯噪声相比,对奇异值矩阵中的值添加高斯噪声能有效地降低噪声的加入量。理论证明该算法满足差分隐私,并设计了欧氏距离差实验和谱聚类实验用于分析算法的数据可用性,实验结果表明该算法的数据可用性高于基于奇异值分解的差分隐私算法。

摘要： 针对传统基于相似度的离群点检测算法在高维不均衡数据集上效果不够理想的问题,提出一种新颖的基于随机投影与集成学习的离群点检测(ensemble learning and random projection-based outlier detection,EROD)框架。算法首先集成多个随机投影方法对高维数据进行降维,提升数据多样性;然后集成多个不同的传统离群点检测器构建异质集成模型,增加算法鲁棒性;最后使用异质模型对降维后的数据进行训练,训练后的模型经过两次优化组合以降低泛化误差,输出最终的对象离群值,离群值高的对象被算法判定为离群点。分别在四个不同领域的高维不均衡真实数据集上进行对比实验,结果表明该算法与传统离群点检测算法和基于集成学习的离群点检测算法相比,在AUC和precision@n值上平均提高了3.6%和14.45%,证明EROD算法具有处理高维不均衡数据异常的优势。

摘要： 在人脸识别中,为了进一步提高人脸图像对光照等外界因素的鲁棒性,提出一种基于HOG特征的加权稀疏表示算法,将加权稀疏表示方法和HOG特征以及随机投影方法相融合,以降低复杂度,提高识别性能。首先,统计每一幅图像的方向梯度直方图(HOG)特征,并对每一幅图像进行归一化处理,削弱人脸图像中的光照影响;其次,对归一化后的图像引入随机矩阵算法,进行多次随机投影,得到每个样本所对应的稀疏系数,利用样本之间的距离作为稀疏系数的权值;在此基础上,对传统稀疏表示分类器进行改进,样本经随机矩阵多次投影和稀疏表示后会产生多个重构残差,最后利用样本的重构残差和对样本进行识别分类。ORL人脸库和GT人脸数据库上的实验证明该方法对光照等外界物理因素有着很好的鲁棒性。

摘要： 目的研究基于随机投影的多分类器分层融合的分类模型对良性肾小肿块乏脂肪肾血管平滑肌脂肪瘤(<4 cm)(AMLwvf)和恶性肾小肿块肾细胞癌(RCC)的鉴别能力。方法回顾性收集163例经病理证实存在肾小肿块的患者,其中118例为肾细胞癌,45例为乏脂肪肾血管平滑肌脂肪瘤,对平扫CT图像中病灶面积最大的代表性切片进行目标感兴趣区域(ROI)勾画,利用放射组学特征构建一个层次型的融合框架。在投影域水平上对同质分类器进行融合,然后在分类器水平上对融合结果进行进一步融合,最终得到基于随机投影的多分类器分层融合的AMLwvf和RCC鉴别分类模型。采用五折交叉验证方法和特异性(SPE)、灵敏度(SEN)、准确率(ACC)、ROC曲线下面积(AUC)评价AMLwvf与RCC鉴别分类模型的性能。将本研究所提模型与使用单一基分类器算法以及几种传统的集成模型对AMLwvf和RCC的鉴别分类能力进行定量比较,验证本研究所提鉴别模型的可行性和有效性。结果投影数设置为10时,本文提出的分层融合鉴别模型在所有指标上获得最好的结果。基于投影数为10的前提,五折交叉验证结果显示本研究所提出的基于多分类器分层融合的AMLwvf和RCC鉴别分类模型的SPE、SEN、ACC、AUC分别为:0.853、0.693、0.809、0.870。结论基于随机投影的多分类器集成分类系统构建的AMLwvf和RCC鉴别模型可以很好地对AMLwvf和RCC进行鉴别分类。同时与基于单一分类器算法以及其他多分类器集成系统构建的AMLwvf和RCC的鉴别模型相比,本文所提出鉴别模型在AMLwvf和RCC的鉴别分类任务中具有较大优势。

摘要： 网络嵌入作为网络表示学习,近年来受到了研究人员的广泛关注.目前,已有许多基于网络结构学习网络中结点的低维向量表示的模型,如DeepWalk等,并且这些模型在结点分类和链接预测等任务中取得了良好的效果.然而,随着网络规模的增大,多个网络嵌入算法存在计算瓶颈问题.为缓解该问题,可采用诸如随机投影这类无需学习的方法,但这样可能会丢失网络结构的关键信息,致使算法性能下降.为此,文中提出了一种网络嵌入的后处理算法PPNE(Post-Processing Network Em-bedding),该算法结合了随机投影以及主成分分析,有效地保留了网络结构的关键信息,保持了网络结构的高阶近似性.将所提算法与其他网络嵌入算法在3个公共数据集上针对结点分类和链接预测任务进行实验对比,以验证其有效性.实验结果表明,PPNE算法在运行速度和预测性能方面相比其他算法有较大的提升,尤其是该算法在保证良好任务效果的同时,运行速度比其他基于学习的算法提升了至少两个数量级.

摘要： 大数据时代的到来,使得信息量暴增的同时,数据维度也呈现几何式增长.在保护用户隐私的前提下,如何充分挖掘高维数据的可用信息,成为了大数据发布领域的研究热点和难点.差分隐私作为一种强大的隐私保护模型,被越来越多地应用到高维数据发布中.本文归纳了差分隐私及其相关方法在高维数据发布的应用,重点分析了差分隐私和特征降维、特征抽取、贝叶斯网络、树模型以及最新提出的粗糙集和随机投影等方法在高维数据发布中结合应用的优缺点,梳理了各个方法在高维数据方面的应用和对比,最后对未来差分隐私在高维数据发布中的应用方向进行了展望.

摘要： 在海量样本和超高维度的大规模稀疏学习中,其高效训练是一个极具挑战的问题.针对大规模稀疏线性回归中时间效率低和单次计算复杂度高等问题,通过引入随机矩阵算法对数据矩阵进行k-低秩近似降维;为降低求解复杂度,提出利用经典的正交匹配追踪算法(Orthogonal Matching Pursuit,OMP)求解稀疏线性回归问题.理论分析表明提出的基于随机投影OMP算法具有指数级收敛速度和较低的计算复杂度.实验结果表明,其重构误差与传统算法相比具有明显优势,同时验证了算法的收敛性和低复杂性.

摘要： 高维数据流在许多现实应用中广泛存在,例如网络监控.不同于传统的静态数据聚类问题,数据流聚类面临有限内存、单遍扫描、实时响应和概念漂移等问题.然而现有许多数据流聚类算法在处理高维数据时,常常因产生维数灾难而导致高计算复杂度和较差的性能.为了解决此问题,基于随机投影和自适应谐振理论(adaptive resonance theory,ART)提出了一种针对高维数据流的高效聚类算法RPFART.该算法具有线性计算复杂度,仅包含1个超参数,并对参数设置鲁棒.详细分析了随机投影对ART的主要影响,尽管该算法仅简单地将随机投影与ART方法进行了结合,但在多个数据集上的实验结果表明:即使将原始尺寸压缩到10％,该方法仍可以达到与RPGStream算法相当的性能.对于ACT1数据集,其维数从67 500减少到6750.

摘要： 介绍一种高能旋转物体CT(HeroCT)随机投影的角度识别研究.采用ns和μs闪光X射线,对高能旋转物体进行透射可以获取一系列瞬时投影.在闪光无法与旋转物体角移严格同步时,为进行CT图像重建,须对这些随机投影的投影角进行识别和确定其在正弦图上的位置.利用计算机模拟,对投影角识别方法进行了研究.

摘要： 本发明提供一种基于动态随机二维码与全息投影技术电路巡视方法及系统，该电路巡视方法包括：巡检人员到达关键节点，通过手持终端上传GPS地址至服务器，扫描动态随机二维码上传至认证服务器和随机拍摄关键节点的图像上传至服务器，所有关键节点全部通过则说明整个电路巡视过程可信；手持终端还可以利用全息投影技术全方位展示设备部件的细节，与现场设备部件进行比较及时有效的发现设备部件的问题并及时维修。本发明解决了传统的签到方式耗时、不便捷的问题，提高了巡检人员的积极性，避免了巡检过程中偷懒、不规范等缺陷，同时利用全息投影技术使后续更换、维修工作变得简便，通过向巡检人员推送高频维修处，使得巡检更具有重点目的性。

摘要： 本发明公开了一种灰度伪随机编码结构光条纹的投影解算方法。本发明优点在于本方法采用了伪随机序列编码的灰度结构光，使其个人生物信息安全性能相对于普通结构光方法具有大幅提升，并提出了相应的增强识别率的方法，从而提高特征点的识别度，对各种情况下的投影不良情况在重建上有较好的鲁棒性，整体算法从编码生成到增强识别均可利用FPGA加速计算，并可将算法采用卷积神经网络的方法进行简化，具有良好的性质。

摘要： 本发明公开了一种随机交错投影的无监督压缩拉曼高光谱成像方法，包括：产生激光点阵，并行激发多个位点的拉曼散射；将拉曼散射随机交错地投影到成像光谱仪的输入平面上，在光谱采集探测器上形成多条压缩光谱带；从压缩光谱带中提取压缩的二维高光谱数据，利用高光谱重建算法在压缩感知框架下求解线性逆问题，重构出原始的三维高光谱图像。采用本发明方法可以将传统共聚焦拉曼高光谱成像的速度提高3个数量级以上；能够在没有光谱先验知识和模型训练的情况下准确重构高光谱图像；能够在高压缩比(>50)下同时在空间维度和光谱维度获得高保真度和高分辨率图像重建；本发明成像方法可拓展到不同形式的光谱成像技术，譬如红外高光谱成像等。

摘要： 一种基于随机投影角度分布的数据流异常识别方法，用于快速检测数据流中潜在异常点。通过分析数据流的特点，提出运用一种基于随机投影角度分布的数据流异常识别方法来快速检测出数据流上的每一个数据所对应的异常因子值。由于数据流具有数据量大，连续快速，短暂易逝等特点。为了适应这些特征提出一种基于随机投影方法和角度异常检测方法来快速检测数据流中的异常点，最后运用动态滑动窗口方法提高算法的检测精度和适应性。采用本发明方法，能够有效提高算法在检测效率和精度，为实时快速检测数据流中的异常点提供了理论基础。

摘要： 本申请涉及一种基于随机投影的肾小肿块分类方法，包括：获取N个描述肾小肿块的目标对象数据；根据各个mask图像对各个CT平扫图像进行靶区勾画，得到各个CT平扫图像的感兴趣区域，对各个感兴趣区域进行放射组学特性数据提取，得到N个放射组学特性数据；将N个放射组学特性数据通过L个随机投影矩阵投影，得到L套投影特性数据；对L套投影特性数据分别进行多个分类器训练，得到各个分类器的预测矩阵和训练后的各个分类器，确定各个分类器的权重；采用训练后的各个分类器根据相应的权重对待分类数据进行融合处理，以确定相应类别。其可以提高对待分类数据进行类别识别过程中的鲁棒性，从而提高分类结果的可靠性。

摘要： 本发明公开了一种基于有序编码及多层随机投影的人脸图像年龄判别方法，属于人脸识别技术领域。本发明的方法采用双通道网络输入两张不同的照片分别经过多层ELM进行随机特征映射，并且通过高斯标签分布的分类模型输出编码，采用梯度下降法直接调节模型参数。本发明借用多层ELM以解决CNN复杂的参数修改问题，并且减少算法的过拟合现象。并且采用LDL编码进行输出，充分考虑到不同年龄的可能性，使算法更加合理和准确。此外，相比传统的单通道网络，双通道网络将不同年龄段的信息有序结合起来，克服了算法训练的随机性问题，提高了算法的泛化性能。

摘要： 本发明公开了一种基于随机蕨丛和随机投影的在线目标跟踪方法。主要解决在线跟踪方法中计算量大及跟踪结果不准确的问题。其实现步骤是：首先采用随机蕨丛检测器检测图像中的目标位置；然后利用中值流跟踪器跟踪目标的大致位置；再用检测器和跟踪器的结果相互融合得到最终的目标位置；最后用IIR滤波器在线更新检测器，以对下一帧待检测图像进行检测分类。本发明具有跟踪效率高、跟踪结果准确、内存资源和计算资源消耗少的优点，可用于嵌入式系统的视觉跟踪中。

摘要： 本发明涉及近红外建模数据处理技术领域，更具体的说，涉及一种基于随机投影算法的近红外光谱定量分析降维方法及系统。本发明包括：步骤S1、获取近红外光谱xval样本及对应的理化性质值yval作为样本集；步骤S2、将样本集划分为校正集和验证集，计算平均光谱xavg；步骤S3、分别对近红外光谱xval和平均光谱xavg进行预处理得到光谱矩阵Xval和平均光谱矩阵Xavg；步骤S4、基于高斯随机投影算法对光谱矩阵Xval进行随机降维投影，得到降维后的光谱矩阵XvalRed；步骤S5、建立人工神经网络预测模型；步骤S6、采用验证集对模型进行检验；步骤S7、对输入的近红外光谱进行定量分析，输出对应的理化性质预测值。本发明不需要进行光谱的波长选择，降低建模难度，缩短建模的时间。

摘要： 本发明公开了一种基于随机投影技术的快速广义子空间追踪算法，本发明利用流数据向量更新矩阵束；利用高斯分布的随机嵌套矩阵更新矩阵束的随机嵌套子空间；提取随机嵌套子空间的正交基进一步投影获得紧凑空间；利用数值方法提取降维后的紧凑空间的紧凑广义子空间；将紧凑广义子空间反投影以获得流数据的原空间的广义子空间的估计量。本发明具有比传统数值算法更低的计算复杂度，要求更低的计算存储空间，以及更高的计算并行度，具有比梯度流算法更快的收敛速度。在保持更低的计算复杂度下，其收敛速度可媲美传统数值算法。本发明计算高效，尤其适合于在线的实时高维数据流的场景当中部署。

摘要： 基于双边随机投影的光学相干层析成像去噪方法，属于图像去噪处理技术领域。采用该发明的方法不需要大量训练数据，利用少量相邻帧即可在去除散斑的同时保留原有生物结构信息，运算效率较高。基于双边随机投影的去噪算法能有效的抑制散斑噪声，获得了较好的视觉效果，且计算复杂度较低。该方法的提出为医生进行视网膜疾病诊断以及改善计算机自动辅助视网膜疾病分析的性能提供了有效帮助，且计算时间可以满足临床的实时性要求。