正则半群

摘要： 设集合Xn={1,2,…,n}并赋予自然序,PTn是集合Xn上所有部分变换构成的半群.设A?Xn非空,令PTn(A)={a ∈PTn∶ima?A}.在半群PTn(A)上规定运算(。):f(。)g=fθg,则在运算(。)下,PTn(A)构成一个新的半群,称为它的变种半群.利用正则元及格林关系的定义,讨论了半群PTn(A)的变种半群的正则性,给出了它的变种半群是正则半群的充要条件,并刻画了其变种半群中任意元素间的格林关系,所得结果是半群PTn(A)上相应结果的推广.

摘要： 设Sn和Tn分别是Xn={1,2,?,n}上的对称群和全变换半群.对1≤r≤n,令T(n,r)={α∈Tn:|im(α)|≤r},则T(n,r)是全变换半群Tn的双边理想.对1≤r≤n-1,考虑半群Tn,r=T(n,r)∪Sn,得到了半群Tn,r的极大子半群S有且仅有两类:S=Tn,r[τi](1≤i≤p=pr(n))和S=T(n,r)∪G,其中G是群Sn的极大子半群.同时,证明了半群Tn,r的极大子半群和极大正则子半群是一致的.所得结果推广了已有的结果.

摘要： 研究两条有限链直积上自同态半环的性质.利用有限链直积上的两种二元运算,给出了两条有限链直积的子集构成自同态像集的充要条件,证明了自同态半环的乘法半群是正则半群.通过对有限链直积上的自同态进行分解,得到了自同态半环可由其乘法半群的幂等元集生成;推广了有限链上自同态半群的一些结果.

摘要： 半群S的子半群定义为全子半群,若S的所有幂等包含在子半群中.通过研究正则半群的全子半群格,得到了正则半群的全子半群格构成链的一个充分必要条件.并且推广出一类特殊的正则半群,纯正半群的全子半群格构成链的一个充分必要条件.进而得到纯正半群S的全子半群格构成链,当且仅当正则半群S的全正则子半群格构成链.%The definition of semigroup of semigroup S is complete semigroup if all powers of S are includ-ed in the sub-semigroup.This paper realized a necessary and sufficient condition for the dynamic combina-tion of lattice of full sub-semigroups of regular semigroup by studying lattice of full sub-semigroups of reg-ular semigroup.And it generalized one special class of regular semigroup,a necessary and sufficient condi-tion of lattice of full sub-semigroups dynamic combination of orthodox semigroup.Then lattice of full sub-semigroups dynamic combination of orthodox semigroup S was realized when and only when lattice of full sub-semigroups dynamic combination of regular semigroup S is.

摘要： 正则ω~2-半群可分为有核和无核2种情况.获得了无核的正则ω~2-半群的一个刻画,并给出具有真核的正则ω~2-半群的结构定理以及相应于这一结构的同构定理.

摘要： 半群S称为右(左)π-正则半群,若S是π-正则的,且对任意的e,f∈Es,有efe=fe(efe=ef).给出右(左)π-正规半群的等价条件,并定义右(左)正规半群,右(左)完全正规半群的定义,给出它们的等价条件.%Semigroup S is called right(left) π-regular if S is πt-regular and,for arbitrary e,f∈Es,efe=fe(efe=ef) is available.The equivalent conditions of the right(left) π-normal semigroup are given out,right(left) normal semigroup and right(left) completely normal semigroup are defined,and their equivalent conditions are given out.

摘要： 给出具有逆断面的正则半群上同余的3种刻画方式:IR,撰L和LR.

摘要： 令Y是一个有限集合X的非空子集,T(H)是X到自身的全变换半群.定义S(X,Y)是T(H)的一个子半群为S(X,Y)={α∈T(X):Yα∈Y},即S(X,Y)包含T(H)中所有使得Y不变的映射.如果Y=X,则S(X,Y)=T(X).本文主要给出了半群S(X,Y)的一类极大逆子半群的刻画.

摘要： Abstuact:Because the Analytic semigroups、Differentiable semigroups、Compact semigroups are the norm continuous C0 -semigroups,the norm continuity of the C0 -semigroups is one of the necessary conditions to discuss the semigroups property.Similarly,it is especially important to discuss the norm continuity of C -regularized semigroups when the important properties such as the analytical、compactness of the C-regularized semigroups are discussed.This paper will introduce a new representation method for the C-regularized semigroups of exponentially bounded C-regularized semigroups,and give a sufficient con-dition for a C-regularized semigroups norm continuous in Banach space.%因为解析半群、可微半群、紧半群都是范数连续 C0半群，故 C0半群的范数连续性是讨论半群属性的必要条件之一。类似地，讨论正则半群的解析性、紧性等重要性质时，正则半群的范数连续性尤其重要。通过论证，引入指数有界正则半群新的表示定理，在 Banach 空间上，给出了一个正则半群范数连续的充分条件。

摘要： 为了研究含双理想逆断面正则半群的结构,给出了有效壳的概念,通过构造关联对研究了一类特殊正则半群的有效壳的几个特征.证明了该正则半群的有效壳是传递壳的理想,以及其双理想逆断面与传递壳同构.

摘要： 本发明提供一种基于子空间学习与半监督正则化的跨媒体检索方法，其特征在于，包括步骤：步骤一，建立多媒体数据库，收集多媒体原始数据；提取多媒体数据的特征；保存多媒体数据的特征向量和原始数据；步骤二，获得不同媒体类型的投影矩阵，定义最优化目标函数；利用迭代方法求解最优化目标函数；投影多媒体数据的特征向量到共同空间；步骤三，进行跨媒体检索，提取用户提交的媒体数据的特征；投影该媒体数据的特征向量到共同空间中；计算该投影后的向量与共同空间中的其他向量之间的相似度；返回与之相似度最大的前k个特征向量所对应媒体数据。本发明所提供的跨媒体检索方法，检索的结果更加准确。

摘要： 本发明公开了一种基于变换一致性正则化的遥感影像深度网络半监督语义分割方法和系统，属于图像数据处理方法。本发明提出的基于变换一致性正则化的遥感影像深度网络语义分割框架，在有限的标注样本的情况下，通过利用大量的无标注的样本，对其施加在不同的随机变换扰动下的输出的一致性性约束，充分利用无标注的样本提供的潜在的信息提高深度网络的性能。网络的参数可以通过优化用标注样本计算的监督损失和无标注样本计算的一致性正则化损失的加权和来进行更新。本方法可以在有限的标注样本的情况下，通过利用大量的无标注的样本内含的信息提升网络的性能，适用于实际中标注样本少的场景。

摘要： 本发明公开了一种基于一致性正则化的半监督脑电信号分类方法，包括：1、选取部分数据进行标注，并进行预处理；2、搭建人工神经网络，并作为特征处理器；3、对输入进行随机增强，促使样本在输入空间上出现一定的波动；4、记录每次迭代得到的输出概率，当前的结果与历史的结果进行指数滑动平均集成；5、设计损失函数，在交叉熵损失函数的基础上，设计无监督的一致性正则项优化决策边界；6、利用组合后的损失函数优化模型参数，获得最优分类模型。本发明能够在仅有一小部分数据被标注的情况下，充分利用无标注数据来优化决策边界，从而取得较为理想的脑电信号分类性能，在医疗等应用领域，对减轻标注成本有重要意义。

摘要： 本发明请求保护一种基于局部流形正则化的半监督生成对抗网络图像分类方法，该方法将局部流形正则化引入半监督生成对抗网络。该方法基于生成对抗网络对数据流形优秀的拟合能力，引入局部流形正则化，可以很好地解决判别器过度训练问题。通过在判别器和生成器的损失函数中加入流形正则化项，以对数据流形的突变进行惩罚，能够防止模型陷入局部崩溃，增强模型对数据流形的局部扰动保持不变性，使模型具有更好的鲁棒性。结合局部流形正则化的半监督生成对抗网络图像分类方法在半监督图像分类问题上可显著提高图像分类的准确率。

摘要： 本发明公开了基于正则化约束的半监督行人重识别方法及装置，该方法包括：对行人重识别模型进行训练；将待识别图像输入第一神经网络或者第二神经网络进行行人重识别；其中，行人重识别模型的训练过程包括：将有标签图像数据和无标签图像数据同时输入第一神经网络和第二神经网络；计算第一神经网络输出值的第一约束函数和第二约束函数；基于第一约束函数和第二约束函数对第一神经网络进行参数更新，并即时基于更新后的第一神经网络参数更新第二神经网络参数，完成行人重识别模型训练。本发明与当前常用的半监督行人重识别方法相比较，能更有效的利用无标签数据的信息，可以进一步提升算法效果。

摘要： 本发明公开了一种基于半监督贝叶斯正则化混合Student’s t模型的鲁棒软测量方法，属于工业过程预测和控制技术领域。该方法在有监督混合Student’s t模型的基础上，设计了半监督的混合Student’s t模型结构，并将质量变量和辅助变量之间的回归系数贝叶斯化，通过变分贝叶斯期望最大化算法来更新模型参数，进而实现软测量模型的建立。本发明不仅能够有效的解决有标签样本稀少导致的软测量建模不准的问题，还能够在一定程度上缓解了过拟合，提高了模型的预测精度。

摘要： 本公开实施例中提供了一种基于图正则化半监督字典学习的工业信号故障识别方法，属于数据识别技术领域，具体包括：采集目标设备的工业信号数据；将有标签数据和无标签数据作为训练数据集并输入基于图正则半监督字典学习模型，得到训练集稀疏编码、置信度矩阵以及结构字典；将测试集信号和结构字典带入分类模型，得到测试集信号的测试集稀疏编码；计算测试集信号的重构误差，并根据重构误差识别测试集信号的故障类别。通过本公开的方案，将字典学习与半监督学习以及流行学习结合，既能保存数据的流形结构，又能学习无标签数据的特征，以此增强模型学习的判别性及可靠性，提高了识别的效率、精准度和适应性。

摘要： 本发明涉及一种基于一致性正则化的半监督白细胞图像分类方法。首先，使用半监督学习的方法，在医学图像分析中充分利用未标记数据，减少了对标记数据的需求。其次，采用平均教师模型，对学生模型权重进行指数移动平均来更新教师模型权重。此外，采用一致性正则化，保证教师模型和学生模型在不同扰动下保持样本语义关系的一致性，从而鼓励网络从输入数据探索额外的语义信息来提高网络性能。除此之外，采用样本一致性缓解白细胞图像之间的类内差异性和类间相似性。最后，对教师模型和学生模型中的共享网络采用迁移学习的轻量级网络ShuffleNetV2，减少训练参数，提高白细胞分类精度。

摘要： 本发明属于无线通信技术领域，公开了一种基于卷积神经网络和正则化方法的半监督调制识别方法，包括如下步骤：步骤A、将有标记的训练样本输入包含Dropout和高斯噪声层的卷积神经网络前向运算，然后计算前向输出与有标记样本对应标签之间的交叉熵损失；步骤B、对包含有标记和无标记的所有训练样本，将每个样本两次输入包含Dropout和高斯噪声层的卷积神经网络前向运算，然后计算两次前向输出之间的余弦相似性损失；步骤C、将步骤A中的交叉熵损失函数、步骤B中的余弦相似性加权求和作为模型的总损失函数，然后以最小化总损失函数为训练目标更新模型参数；步骤D、重复步骤A至步骤C，直至模型完成训练；步骤E、将待识别信号样本输入训练完成的模型前向运算输出调制方式识别结果；该算法在标记样本占总训练样本7％及以下时，较于监督学习算法可以获得约11‑26％的识别精度提升。

摘要： 本发明公开了一种基于流形正则化的半监督焦炉火道温度软测量方法，所述方法包括：将采集到的时序匹配的蓄顶温度和火道温度组成标记样本集，其余时刻采集到的蓄顶温度作为无标记样本集；确定网络的拓扑结构；然后将所述有标记样本集和无标记样本集进行多层ELM‑AE无监督特征提取；将提取到的多层ELM‑AE无监督特征作为半监督ELM回归层的输入，得到输出权重，建立完整的半监督软测量模型；采集测试输入样本数据并进行归一化处理，然后将其输入到半监督软测量模型中，得到测试样本的输出。本发明能够以低成本实现焦炉火道温度软测量，对稳顺炼焦生产、提高产品质量和降低能耗等起到关键作用。