报告题目：基于稀疏表示的枸杞分类研究
报告人：刘广强
内容摘要：为了实现利用计算机视觉技术提升枸杞品种分类效果的目的，本文研究基于稀疏表示（sparse representation，SR）的枸杞品种分类方法。首先获取枸杞的图像，并提取枸杞图像的颜色和形态特征参数，得到枸杞训练样本的数据词典矩阵。在此基础上，利用稀疏表示方法对枸杞测试样本进行分类。基于稀疏表示分类方法的第一步是利用数据词典矩阵对测试样本进行稀疏性表示，得到测试样本的稀疏表示系数；第二步，利用测试样本的稀疏表示系数，对测试样本进行重构；第三步，计算重构样本与测试样本之间的残差，通过比较残差的大小来确定测试样本的类别。本文将稀疏表示分类方法与深度神经网络（deep neural network，DNN）、最小二乘支持向量机（least squares support vector machine，LSSVM）、BP（back propagation）网络和支持向量机（support vector machine，SVM）等方法的识别结果做了对比和分析。试验结果表明，提出的方法对于3个枸杞品种的综合分类准确率为98.33%，获得了最好的分类效果。
报告题目：基于近红外光谱技术的大西洋鲑鱼肉质分类的检测方法
报告人：王磊
内容摘要：利用稀疏表示方法（sparse representation, SR）对大西洋鲑肉色等级进行可见/近红外光谱活体检测研究。以两种肉色等级的鲜活大西洋鲑鱼为具体对象，采集经鱼皮进入鱼肉的反射光谱数据，利用主成分分析(principal component analysis, PCA)对350.51-580.05nm反射光谱数据进行降维，获得10个特征变量。每种肉色等级样本选取80个（共160个）作为训练样本、50个（共100个）作为测试样本。所有训练样本的特征变量组成了稀疏表示方法的整体训练样本矩阵，将两种大西洋鲑肉色等级分类问题转化为一个求解待识别测试样本对于整体训练样本矩阵的稀疏表示问题，通过求解L-1范数意义下的最优化问题来实现。结果表明稀疏表示方法对于两种鲜活大西洋鲑肉色等级分类的平均准确率为73%，优于线性判别分析(linear discriminant analysis, LDA)和偏最小二乘支持向量机(least squares support vector machine, LS-SVM)方法的分类结果（分别为72%和68%），为大西洋鲑肉色活体检测提供了一种新途径。
报告时间：2014年12月19日下午1:30开始
报告地点：石麟-602
欢迎广大老师和同学参加报告会！
信息科学与工程学院
2014年12月17日
