王力波实验室工作介绍

今天的任务是读完来自于王力波实验室2008年前的期刊论文，了解其实验室的主要工作。

Feature selection methods for big data bioinformatics: A survey from the search perspective(2016)

大数据生物信息学的特征选择方法：对于搜索的角度的研究

本文调查了特征选择的主要原则及其在大数据生物信息学中的最新应用。不同于将常用的分类归入过滤器，包装器和用于特征选择的嵌入式方法，我们将特征选择作为组合优化或搜索问题来制定，并将特征选择方法分类为穷举搜索，启发式搜索和混合方法，其中启发式搜索方法可以进一步分类为具有或不具有数据 - 蒸馏特征排序度量的那些方法。

Learning ECOC Code Matrix for Multiclass Classification with Application to Glaucoma Diagnosis(2016)

学习ECOC编码矩阵进行多分类问题并应用于青光眼诊断

角膜青光眼（ACG）的不同机制分类对于医学诊断非常重要。纠错输出码（ECOC）是多类分类的有效方法。在本研究中，我们提出了一种基于ECOC的集成学习方法，并将其应用于ACG机制的分类。首先单独使用二分法进行ECOC的优化ECOC，以提高ECOC框架的准确性和多样性（或相互依赖性）。具体而言，针对每个可能的二分法确定最佳特征集，并且使用包装器方法来使用交叉验证来评估训练数据集上每个二分法器的分类准确度。ECOC编码通过根据新标准选择的一组竞争性二分器来最大化可分性，其中考虑到每个选择的二分器的二元分类性能引入了正则化项。所提出的方法被实验应用于对四种ACG机制进行分类。使用前段光学相干断层扫描（AS-OCT）采集152例青光眼患者的眼部图像，然后进行分割，从中提取84个特征。基于一次交叉验证（LOOCV）的结果，该方法的加权平均分类准确率为87.65％，远优于其他现有的ECOC方法。该方法实现了四种ACG机制的准确分类，有望应用于青光眼的诊断。

Real-time EEG-based emotion monitoring using stable features(2016)

基于稳定的EEG特征的情感实时监测

在人机交互（HCI）中，脑电图（EEG）信号可作为计算机的附加输入。在人机界面中集成基于实时EEG的人类情感识别算法可以使用户体验更完整，更具吸引力，更少情绪压力或更大压力，这取决于应用程序的目标。目前，最准确的基于EEG的情感识别算法是依赖于对象的，并且每次在运行应用程序之前都需要用户进行训练。在本文中，我们提出了一种新颖的具有最稳定特征的实时被试相关算法，当仅为被试提供一个训练阶段并且随后不允许再训练时，其提供比其他可用算法更好的准确性。该算法在包含五个被试的情感脑电数据库上进行测试。对于每个被试，诱发四种情绪（愉快，快乐，恐惧和愤怒），并且连续8天记录情感脑电图，每天两次。测试结果表明，新算法可以用于实时情感识别应用中，而不需要重新训练，具有足够的准确度。该算法与实时应用程序“情感化身”和“双胞胎女孩”集成，实时监控用户情绪。

Geometric optimum experimental design for collaborative image retrieval(2014)

协同图像检索的几何优化实验设计

Saliency-based defect detection in industrial images by using phase spectrum(2014)

使用相位谱的工业图像中基于显着性的缺陷检测

检测工业电路板中的缺陷问题。

Conjunctive patches subspace learning with side information for collaborative image retrieval(2012)

联合补丁子空间学习与辅助信息协作图像检索

Semisupervised Biased Maximum Margin Analysis for Interactive Image Retrieval(2012)

交互式图像检索的半监督有偏最大余量分析

Generalized Biased Discriminant Analysis for Content-Based Image Retrieval(2010)

基于内容的图像检索的广义有偏判别分析

Stock Forecasting with Feedforward Neural Networks and Gradual Data Sub-Sampling(2010)

利用前馈神经网络和逐步数据子采样进行股票预测

Delay-constrained Multicast Routing Using The Noisy Chaotic Neural Networks(2009)

使用噪声混沌神经网络的时延约束组播路由

Minimizing interference in satellite communications using transiently chaotic neural networks(2009)

使用暂态混沌神经网络减少卫星通信中的干扰

A General Wrapper Approach to Selection ofClass-Dependent Features(2008)

一般包装法对类相关特征的选择

A high-gain boost converter using voltage-stacking cell(2008)

采用电压叠加单元的高增益升压转换器

Comments on "The extreme learning machine"(2008)

关于极限学习机的评论

Noisy chaotic neural networks with variable thresholds for the frequency assignment problem in satellite communications(2008)

具有可变阈值的混沌神经网络用于卫星通信频率分配问题

从上述文献可以看出，该实验室主要做三个方向：基于内容的图像检索、卫星通信、特征选择算法