清华大学 精密仪器系 光子测控技术教育部重点实验室，北京 100084
涡旋光场因其具有光学轨道角动量（Orbital angular momentum, OAM）而倍受关注。OAM这一独特物理特征赋予了涡旋光场一个无限高维的空间自由度，同时也引发了光场奇特的干涉、衍射、传输等性质。OAM识别和探测技术的发展是涡旋光从基础研究走向应用的关键。文中聚焦于OAM探测领域的一个重点研究方向——涡旋光几何坐标变换技术。详细介绍了该技术的基本原理、优势特点、研究进展和应用情况。涡旋光几何坐标变换是指通过特殊的调制相位设计，使涡旋光束的空间几何结构发生特殊的变化，从而可通过简单透镜聚焦等方法实现OAM模式的识别、分选等。相较于传统的涡旋光识别和探测技术，涡旋光的几何坐标变换这一新兴技术具有器件无源、无能量损耗、结构紧凑、价格低廉等突出优势，成为涡旋光的空间分离和解复用的高效有力工具，为涡旋光束在经典/量子态密度测量、OAM乘除法器、经典光通信和量子纠缠等前沿应用提供了全新的研究平台，蕴含巨大的发展潜力，具有广阔的发展空间。
涡旋光 几何坐标变换 OAM解复用 模式分类 vortex beams geometric coordinate transformation OAM demultiplexing mode sorting 红外与激光工程
2021, 50(9): 20210445
1 河北大学质量技术监督学院, 河北 保定 071002
2 河北农业大学机电工程学院, 河北 保定 071001
驴肉具有极高的食用价值, 资源的缺乏使其价格持续走高, 由此引发的欺骗和掺假亟待解决。 选取了不同部位(脖子、 肋板、 后墩和腱子)的驴肉样品(n=167)及牛肉(n=47)、 猪肉(n=51)和羊肉(n=32)样品在4 000～12 500 cm-1光谱范围上建立了驴肉的近红外光谱鉴别模型。 比较了马氏距离判别分析、 簇类独立软模式分类法、 最小二乘-支持向量机方法分别结合平滑(5点、 15点及25点)、 一阶和二阶微分、 多元散射校正和标准归一化的光谱预处理方法对肉块样品及大中小三个不同粉碎粒径(7, 5, 3 mm)肉糜样品的分类模型结果发现, 原始光谱前11个主成分得分作为输入的马氏距离判别及前6个主成分作为输入的最小二乘-支持向量机肉块样品分类模型较优, 校正集和预测集正确率分别为100%和98.96%; 原始光谱前5个主成分作为输入的LS-SVM大粒径肉糜样品分类模型结果较优, 校正集和预测集判别正确率为100%和97.53%; 原始光谱前8个主成分得分作为输入的簇类独立软模式分类法中粒径肉糜样品分类模型结果较优, 校正集和预测集的判别正确率均为100%; 而对于小粒径肉糜样品, 原始光谱前7主成分输入的马氏距离判别和前9主成分输入的簇类独立软模式分类法模型均得到了校正集和预测集100%的判别正确率。 以上模型中的驴肉样品均得到了100%的判别正确率。 研究结果表明, 使用近红外光谱分析技术结合化学计量学方法鉴别驴肉是可行的。
驴肉 鉴别 近红外光谱 马氏距离判别分析 簇类独立软模式分类法 Donkey meat Discrimination Near infrared spectroscopy Mahalanobis distances analysis Soft independent modeling of class analogy 光谱学与光谱分析
2014, 34(10): 2737
1 重庆科技学院 电气与信息工程学院, 重庆 401331
2 重庆大学 光电技术及系统教育部重点实验室, 重庆 400044
提出一种基于监督保局投影(SLPP)与虚假最近邻(FNN)准则的原始特征选择方法。该方法首先将非线性原始数据映射到监督保局子空间, 消除样本数据输入变量之间的相关性; 然后, 利用虚假近邻点方法计算剔除每个原始特征前后输入样本在监督保局子空间里的相似性测度, 获得每个原始特征对类别变量不同程度的解释力; 最后, 从全特征开始逐步剔除解释能力弱的特征进而获得多组特征子集, 并建立最近邻分类器, 识别率最高且含特征数最少的特征子集即为最优特征子集。采用合成数据对该方法进行了仿真验证, 结果表明, 该方法可获得与数据集本质分类特征吻合的最佳特征子集。将该方法应用于选择真实的低阻油气层特征, 获得的最佳特征子集比全特征集合的特征数量减少了50%以上, 分类识别率高出8%。结果显示该方法具有优秀的原始特征选择能力, 是一种有效的非线性特征选择方法。
监督保局投影 虚假近邻点 特征选择 模式分类 低阻油气层识别 Supervised Locality Preserving Projection(SLPP) False Nearest Neighbor(FNN) feature selection pattern classification low resistivity hydrocarbon reservoir recognition
1 中国科学院光电技术研究所, 成都 610209
2 中国科学院大学, 北京 100039
提出了一种基于新的自适应最优聚类的模板匹配跟踪方法。利用模式分类准则计算最优聚类数, 然后根据最优聚类数采用k-均值方法进行多次聚类。根据聚类结果计算熵矢量和距离矢量, 组合得到特征矢量, 利用特征矢量进行匹配跟踪。匹配采用简单的相似性准则, 实时模板更新算法为多模更新。测试结果表明, 该算法针对不同的目标能自适应地选择聚类参数, 在目标发生几何变化时, 能实现精确稳定的跟踪。
模板匹配 k-均值聚类 模式分类准则 信息熵 几何变化 template matching k-means clustering pattern classification criteria information entropy geometric change
1 江南大学 数字媒体学院, 江苏 无锡 214122
2 山西大学商务学院 信息学院, 山西 太原 030031
对利用超平面、超(椭)球等几何形状实现数据分类的基于边界的主流分类方法进行了研究, 在此基础上, 提出了一种将空间点作为分类依据的最大间隔模糊分类器(MFC)。该方法首先在模式空间中找到一个模糊分类点c, c点距离两类样本要尽可能近且类间夹角间隔尽可能大。然后, 测试样本通过c与训练样本间的最大化夹角间隔实现分类。最后, 利用MFC的核化对偶式与最小包含球(MEB)的等价性, 将MFC的应用范围从二类推广到单类。与主流分类方法的比较实验表明, MFC具有优良的分类性能和抗噪能力, 其分类最高精度可达98.8%。
模式分类 模糊分类器 模糊分类点 抗噪能力 单类问题 pattern classification fuzzy classifier fuzzy classified point noise resistance one-class classification
重庆大学 光电技术及系统教育部重点实验室，重庆 400044
针对高维数据分类中鉴别特征降维方法的小样本问题和有效维度丢失问题，结合最新提出的片对齐框架和保局投影提出了样本保局鉴别分析方法。该方法通过分别构造每个样本的类内近邻图和类外近邻图，并将所有样本的类内近邻图和类外近邻图结合起来，形成了所有样本的类内近邻和类外近邻关系。然后，在使所有样本的类内近邻尽可能地聚集在一起的同时使类外近邻尽可能地分开，得到从高维输入空间到低维特征空间的最优映射关系。该方法有效避免了高维数据分类的小样本问题且扩展了鉴别分析的低维特征空间的有效维度。在ORL、FERET和PIE等人脸库上的高维数据分类实验证实，样本保局鉴别分析方法显著优于经典的鉴别特征降维方法。与基于片对齐框架提出的鉴别局部对齐方法相比，样本保局鉴别分析方法在FERET库上的分类识别精度提高了4.5%以上。
保局投影 鉴别分析 降维 模式分类 locality preserving projection discriminant analysis dimension reduction pattern classification
1 中国科学院自动化研究所, 北京100190
2 天津天士力集团食品研究所, 天津300410
白酒是一个复杂的混合物体系, 它含有大量的微量成分, 这些微量成分直接决定了白酒的品质、 口感和香型。 为实现对白酒香型的快速鉴别, 可采集不同香型白酒的红外光谱图, 并将其作为模式分类方法的输入模式, 建立白酒香型鉴别模型。 首次全面系统地介绍了白酒香型模式识别算法, 这些算法包括统计分类器(线性判别函数、 二次判别函数、 正则判别分析、 K近邻算法)、 原型学习算法(学习矢量量化)、 支持向量机和AdaBoost算法。 实验结果表明, 基于红外光谱的白酒香型检测模式识别算法达到了很高的分类准确率、 识别率和拒绝率, 显示出了很好的性能。
红外光谱 白酒香型检测 模式分类 高斯分类器 学习矢量量化 Infrared spectroscopy Liquor flavor discrimination Pattern classification Gaussian classification Learning vector quantization
浙江科技学院 生物与化学工程学系,浙江 杭州 310012
应用近红外透射光谱,实施规范变量提取-线性判别分析(CVA-LDA)技术,对其分属不同药物剂量类型进行鉴别。针对药物近红外透射光谱频道变量个数多,彼此间存在严重的复共线性,富有冗余信息,样本类(模式)内的离散度矩阵为奇异,由传统CVA方法提取规范变量的计算不稳健,提出了改进的规范变量分析ICVA方法。它通过嵌入偏最小二乘(PLS)算法,完成规范权矢量的稳健估计,进而用于提取出若干个规范变量。而后,基于规范变量张成的低维空间,构造样本类别的线性判别函数,负责各样本个体类别的判定。实验结果表明,改进的ICVA-LDA方法,克服了LDA对高维小样本数据建模的局限性,模型的判别能力明显优于其他方法。
规范变量分析 线性判别分析 偏最小二乘 模式分类 近红外透射光谱 Canonical variates analysis Linear discriminate analysis Partial least squares Pattern classification Near-infrared transmittance spectroscopy
沈阳工业大学 视觉检测技术研究所，沈阳 110178
为了更加完备地描述虹膜的纹理特征，利用虹膜图像灰度信息提取局部特征点、局部纹理方向和局部纹理的亮暗变化三种特征共同构成纹理的特征空间，克服了之前的多数虹膜识别算法提取单一特征易受干扰影响的局限性。然后，通过设计的模糊推理规则进行模式的分类，这种分段线性分类器的设计提高了算法线性分类的能力。分别在两个图库上进行了实验，识别率分别达到99.41%和99.67%，实验数据表明：结合多种特征能较好的反映虹膜的纹理变化特征，提高了虹膜识别的正确率，使算法具有非常优越的识别性能。
生物特征识别 虹膜识别 特征提取 模式分类 模糊推理 biometrics iris recognition feature extraction pattern classification fuzzy inference
1 中国科学院,长春光学精密机械与物理研究所,吉林,长春,130033
2 中国科学院,研究生院,北京,100039
提出了一种结合多分辨率直方图特征表示与核学习算法的数字X光乳腺图像的分类方法.该方法不依赖特征选择步骤,而是基于感兴趣区(ROI)的高维多分辨率直方图特征,通过从训练实例中学习,同时检测多种异常的ROI.对该方法进行接收器工作特性(ROC)分析,敏感性约为89%,ROC曲线下面积(AUC)接近0.91.与以前所提出的检测方法相比,该方法不需要针对特定类型病变选择特征表示,因此可以同时检测多种类型的病变,简化了检测过程,提高了检测效率,而且分类性能也达到或超过了以前方法的平均分类性能.结果表明,利用多分辨率直方图特征表示能够很好地区分乳腺图像中正常和异常区域,同时也显示了借助核学习算法消除或限制分类任务中特征选择步骤的可能性.
模式分类 计算机辅助诊断 多分辨率直方图 核学习算法
