◇◇新语丝(www.xys.org)(xys4.dxiong.com)(www.xysforum.org)(xys2.dropin.org)◇◇ 中国人工智能学会理事、机器学习专委会常务委员山东大学尹义龙学术抄袭剽窃 　　作者：踏实山大人 　　方舟子老师： 　　您好，首先对你净化国内学术空气所作的长期努力表示深深的敬意！ 　　现在社会有各种速成班，但没想到专家也可以速成，看到新语丝揭露南京大 学周志华恶意剽窃，感觉非常气愤。这个事件在目前国内计算机界很有代表性， 1972年出生仅比周志华大一岁的南京大学博士后、山东大学人工智能教授尹义龙 通过抄袭剽窃，成了一位“速成专家”。人工智能对数学、信息论等知识要求很 高，从本科起一直读到硕士，也只能说刚把基础知识掌握全面，许多基础知识虽 然与发表文章关系不大，但对培养一个人扎实的基础和学科创新的潜力非常重要， 但尹义龙可以忽略这些学习步骤，看到人工智能热门，通过抄袭文章拼凑，短短 几年把文章发表出来成了指纹识别专家。他本科、硕士、博士都学农业机械（莱 阳农学院、沈阳农业大学和吉林工业大学），由于国内想读好大学、好专业的本 科、硕士甚至博士，竞争非常激烈，但国内的博士后往往没人读，几乎没什么竞 争，尹义龙钻了这么个空子到南大读博士后，短短几年成了指纹识别专家。他现 在的头衔有：教授，博士生导师，中国人工智能学会理事、 机器学习专委会常 务委员，先后20余次担任国际、国内学术会议的会议主席、程序委员会主席， “2009年度山东大学优秀研究生导师”称号等等。明年（2010年8月6日）在山东 省济南举办的第十二届中国机器学习会议，周志华是会议主席，尹义龙是程序委 员会主席。周志华给新语丝的回信说打击了他，就是打击中国的计算机事业，可 见多么无耻。这些人现在什么都有，混得很舒服，下一步会争取更大利益，为维 护利益必然抱成团，如果不揭露，他们下一步就是评院士，揭露打掉这些垄断小 团体，中国的计算机研究会更健康，周志华、尹义龙这样的学术蛀虫不除，中国 的计算机事业就没有希望。 　　为便于分析尹义龙的文章抄袭剽窃，下面将截止到2005年的尹义龙所有论文 全部列出，共21篇，其中方括号[]表示文章简称。可以看出截止到博士后出站， 尹义龙第一作者的论文只有4篇，进山大后第一作者的文章有两篇，其他的都是 互相挂名。就是这样的水平，尹义龙在此期间成为中国人工智能专家委员会委员， 山东大学计算机系副教授，硕士生导师，获得了22万的国家自然科学基金。这些 文章经常是四、五个作者，主要有詹小四、谭台哲、陈蕴、宁新宝，张晓梅。其 中谭台哲和张晓梅的身份，可由尹义龙在[尹1]这篇文章的合作者陈晓光的一篇 文章知晓一二（[尹1]文注明陈晓光是长春市政府副市长 教授 博士导师，是尹 义龙在吉林工大的导师），陈晓光的文章如下： 　　张书慧,陈晓光(吉林工业大学),张晓梅(莱阳市缸套厂),谭台哲(莱阳农学院), 1999，苹果、桃等农副产品品质检测与分级图像处理系统的研究,农业工程学报, 第15 卷第1 期。 　　其中张晓梅是尹义龙的老婆，是大学同学，学农业机械专业（可在山大查 到），1999年还在莱阳市缸套厂工作，尹义龙博士后期间文章挂他老婆的名字， 他老婆现在也成了指纹专家。谭台哲1999年在莱阳农学院工作，是尹义龙大学同 学，考过山东工业大学的硕士，山工后来合并到山大，谭的考研试成绩数学、英 语等课30分都不到（学校可以查到），到了南大后也成了指纹专家。 　　博士毕业发表的论文 　　[尹1]尹义龙 刘元宁 陈晓光，2000年3月，指纹图像方向信息提取方法》， 农业机械学报，31卷第2期。 　　南京大学博士后发表的论文（判断标准是文章所标的作者单位，下同） 　　[尹2]尹义龙,宁新宝,张晓梅，2002，自动指纹识别技术的发展与应用，南 京大学学报(自然科学)，vol.38, No.1. 　　[尹3]尹义龙，宁新宝，张晓梅，2002.12，改进的指纹细节特征提取算法， 中国图象图形学报，Vol.7(A),No.12 　　[尹4]陈蕴，尹义龙，张晓梅，詹小四，2003 年3 月，一种基于统计窗的纹 线距离估计方法，中国图象图形学报， Vol.8(A),No.3 　　[尹5]Y. Yin, Y Wang, F Yu, 2003, A method based on region level for ridge distance estimation, Chinese computer science, 30(5): 201-208. 　　[尹6]尹义龙,詹小四,谭台哲,宁新宝，2003，基于加博函数的指纹增强算法 及其应用，软件学报Vol.14, No.3 　　[尹7]王业琳 宁新宝 尹义龙，Feb. 2003，一种新的指纹匹配方法，中国图 象图形学报，Vol.8(A), No.2 　　进入山东大学发表的论文 　　[尹8]谭台哲,宁新宝,尹义龙,詹小四,陈蕴，2003一种指纹图像奇异点检测 的方法，软件学报Vol.14,No.6 　　[尹9]谭台哲 宁新宝 尹义龙 詹小四 陈蕴，2003，一种基于多级分块错切 的指纹奇异点检测算法，南京大学学报(自然科学版)，39(4) 　　[尹10]谭台哲 宁新宝 尹义龙 詹小四，2003，一种基于指纹中心点的匹配 算法，南京大学学报(自然科学版) 39(4) 　　[尹11]詹小四, 宁新宝, 尹义龙, 陈蕴, 2003，一种改进的点模式指纹匹配 方法，南京大学学报（自科版）9卷4期 　　[尹12]王业琳 宁新宝 尹义龙 ，2003，指纹图像细化算法的研究，南京大 学学报：自科版，39卷第4期， 　　[尹13]詹小四 宁新宝 尹义龙 谭台哲 陈蕴，2003，多级分块尺寸下的指纹 方向信息提取算法，南京大学学报(自然科学版)，39(4) 　　[尹14]尹义龙，孟祥旭，2004年6月，指纹纹线距离估计算法与性能评价， 模式识别与人工智能。2期 　　[尹15]陈旭, 尹义龙, 王彦荣, 王海洋，2004.10，基于大窗口频谱分析的 指纹纹线距离估计方法,复旦学报(自然科学版)，Vol. 43 No. 5 　　[尹16]尹义龙，张宏伟，刘宁，2005，基于Delaunay三角化的指纹匹配方 法》，计算机研究与发展，42(9) 　　[尹17]Ning Liu, Yilong Yin, Hongwei Zhang，2005，A Fingerprint Matching Algorithm Based On Delaunay Triangulation Net，Proceedings of the 2005 The Fifth International Conference on Computer and Information Technology (CIT’05)，0-7695-2432-X/05 IEEE 　　[尹18]谭梅 , 尹义龙 , 杨卫辉，2005年9月，基于区域水平的指纹纹线距 离估计方法，吉林大学学报( 工学版) Vol. 35 No. 5， 　　[尹19]Xiaosi Zhan, Zhaocai Sun, Yilong Yin, and Yayun Chu，2005， Fingerprint Ridge Distance Estimation: Algorithms and the Performance， 丛书Lecture Notes in Computer Science，出版社Springer Berlin / Heidelberg，Volume 3832/2005，p294-301 　　[尹20]唐为方 ,尹义龙,2005，一种基于区域水平的纹线距离估计方法，山 东轻工业学院学报,2005/04 　　[尹21]唐为方,尹义龙,陈旭，2005，一种基于频谱分析的指纹纹线距离估计 方法，山东大学学报(理学版)，2005年4月 　　限于篇幅，重点分析尹义龙署名第一的 [尹1]和[尹16]两篇论文： 　　[尹1]原文注明收稿日期是1999 年6月21日。1999 年之前，国外指纹识别的 研究和技术已非常成熟。传统刑侦中有经验的侦探，会根据犯罪嫌疑人指纹的一 些特征，如指纹线间的距离、角度、走向等，来分析案情，取得很好效果。随着 计算机信息技术的发展，人们开始用科学方法对这些经验进行归纳提取，建立数 学模型，使其成为人工智能中的一个重要分支。现实中得到的指纹，往往不清晰。 为便于分析，必须对这些质量不好指纹进行预处理使其清晰化，因此指纹预处理 是指纹识别中一个非常重要的研究，[尹1]就属于指纹预处理，[尹1]主要抄袭以 下三篇文章： 　　[Lin 1]Lin Hong, A.K. Jain, S. Pankanti, and R. Bolle, 1996. “Fingerprint Enhancement,”Proc. First IEEE WACV, pp. 202-207, Sarasota, Fla., 　　[Lin 2] Anil Jain，Lin Hong, and Ruud Bolle, 1997,On-Line Fingerprint Verification Anil Jain, Fellow, IEEE, Fellow, IEEE，IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE, VOL. 19, NO. 4, APRIL 　　[Lin 3]Lin Hong, WAN YF, JA IN, 1998, A. Fingerprint image enhancement: algorithm and performance evaluation [J]. IEEE Transaction on Pattern Analysis and Machine Intelligence, 20 (8): 777 - 789. 　　[尹1]的参考文献只有两篇硕士论文和一篇国内杂志文章如下：[郭1]郭明. 一种新型指纹特征自动提取算法的研究: [硕士学位论文] .齐齐哈尔东北重型机 械学院, 1997；[韩1]韩伟红,黄子中等.指纹自动识别系统中的预处理技术.计算 机发展与研究. 1997, 6(34)；[林1]林征.指纹图像方向信息的研究: [硕士学位 论文].北京:清华大学, 1995. 25~28。[尹1]首先介绍了[韩1]中的预定方向逼近 法和[林1]中的Rao法的改进型算法，这两种方法都是尹义龙直接取自[韩1]和[林 1]，因此不是创新，只是已有文献介绍。[尹1]的创新在p111，按他的话说是 “在充分研究现有指纹图像方向信息提取方法的基础上,提出了一种提取指纹图 像方向信息的新方法”，下面就看是否是他提出的新算法： 　　[尹1]新算法分6步，前2步原文如下： 　　(1)将指纹图像划分为不重叠的大小为w×w的块,对分辨率为500 dpi的指纹 图像,初始值设置为16×16。 　　(2)对整幅指纹图像进行增强,计算其每一像素点的一阶偏导数,根据计算需要, 一阶偏导算子可选简单的Sobel算子或复杂的Marr-Hildreth算子。 　　(1)中的500 dpi是指图像分辨率为1 英寸500个像素点，这是FBI建议的分辨 率，详细情况看上面所列文献[Lin 3]的p779。 　　被抄袭的[Lin 3]的p780~781原文如下： 　　1) Divide normalized image into blocks of size w× w (16 ×16). 　　2) Compute the gradients ?x(i, j) and ?y(i, j) at each pixel, (i, j). Depending on the computational requirement, 　　The gradient operator may vary from the simple Sobel operator to the more complex Marr-Hildreth operator 　　[13].（注：[13].是[Lin 3]的参考文献，为D. Marr, Vision. San Francisco, Calif.: W.H. Freeman, 1982.） 　　把上述英文和[尹1]对比，显然[尹1]的新算法的(1)（2）步的内容全部取自 [Lin 3]。[Lin 3]明确提出像素点的一阶偏导数采用Sobel算子或复杂的 Marr-Hildreth算子，并指出来自参考文献[13]。 　　再看[尹1]p111第3步的原文如下： 　　（3）计算每块图像的方向信息，公式见图1。 　　图1 [尹1]p111公式截图 图2 [Lin 3] p781 的公式截图 　　式中 ?xf(i,j)、 ?yf(i,j)—点(i,j)的x、y向一阶偏导 　　而被抄袭的[Lin 3]的p781 原文如下（注：[Lin 3]p781公式印刷错误，因 此公式取自[Lin 1] p4）： 　　Estimate the local orientation of each block centered at pixel (i, j) using the following equations [17]（见图2）其中[17]是[Lin 3]的参考 文献[17]如下： 　　[rao1]A. Rao, 1990.A Taxonomy for Texture Description and Identification. NewYork, NY: Springer-Verlag, 　　从图1和2对比看，[尹1]p111公式和[Lin 3] p781的公式形式相同，但反正 切函数arctan的分子和分母的表达式不同，因此要判断[尹1] p111公式是尹义龙 的创新还是他抄错了，需要找到该公式的来源。该公式由 Kass 1987提出，由A. Rao, 1990，Bazen 2002进行了解释和整理，这些文献是： 　　[Kass 1]M. Kass and A. Witkin, 1987. “Analyzing Oriented Patterns,” Computer Vision, Graphics, and Image Processing, vol. 37, no. 4, pp. 362-385, 　　[rao2] A.R. Rao, 1990.A Taxonomy for Texture Description and Identification. NewYork, NY: Springer-Verlag, 　　[rao3] A.R. Rao，1991，Computing Oriented Texture Fields ，CVGIP: GRAPHICAL MODELS AND IMAGE PROCESSING，Vol. 53, No. 2, March, pp. 157-185, 1991 　　[Bazen 1]A.M. Bazen, S.H. Gerez, 2002，Systematic methods for the computation of the directional fields and singular points of fingerprints, IEEE Trans. Pattern Anal. Machine Intell. 24 (2002) 905 –919.p907 　　[Bazen 1]p907对该公式解释说： 　　Gradients cannot directly be averaged in some local neighborhood since opposite gradient vectors will then cancel each other, although they indicate the same ridge-valley orientation. 。。。…In [17](注： 指[Kass 1]), a solution to this problem is proposed by doubling the angles of the gradient vectors before averaging. After doubling the angles, opposite gradient vectors will point in the same direction and, therefore, will reinforce each other 　　[Bazen 1]说得很明确，如果指纹两条纹路在方向相差π，则可以认为在同 一个方向，因此不能将点梯度直接进行平均，否则角度相差士π的两个梯度在平 均过程中会互相抵消。为解决这个问题，Kass 1987提出将梯度向量的幅角取2倍， 将梯度向量的模值取平方来解决。[尹1] 用?xf(i,j)、 ?yf(i,j) 而[Lin 3]用G x(i,j) 、G y(i,j)分别表示用Sobel算子计算得x方向、 y方向的一阶偏导数， 虽然表示符号不一样，但含义一样。通常情况，如果计算一个像素点的梯度方向， 则梯度方向计算公式为： 　　θ(i,j)= arctan（?yf(i,j)/?xf(i,j)）或θ(i,j)= arctan（G y(i,j)/ G x(i,j)) 　　但从图1和2可以看出，[尹1]p111公式和[Lin 3] p781的公式，都对反正切 函数arctan乘以1/2，这是因为：如[Bazen 1]所说，由于梯度向量幅角取2倍、 梯度向量模取平方，所以推导的最终结果就是反正切函数arctan要乘以1/2，具 体推导过程见[Kass 1]、[Bazen 1]，这里不再列出。但是[尹1]p111公式却直接 将象素点梯度进行相加，并没有将梯度向量幅角取2倍、梯度向量模取平方（见 图1），但其方向θ(i,j)也对反正切函数arctan乘以1/2得到！并且求图块的方 向，需要把图块内的所有象素点的梯度进行平均，而上面[Bazen 1]已明确说明： 不能将点梯度直接进行平均，但[尹1]p111公式却直接将所有象素点梯度进行相 加然后平均，很显然[尹1]p111公式是个错误公式。 　　[尹1]p111调整角度的公式也是错误的，[尹1] p111原文如下： 　　θ(i,j)的范围在-π/4~π/4之间,为满足后继算法的需要,将所求角度调整 至0~π之间,作如下处理: 　　如果Vx(i,j)>0,表明该块的纹线走向为0~π/4或3π/4~π之间,则θ(i,j)= θ(i,j)+π/2; 　　如果Vx(i,j)<0,且Vy(i,j)>0,表明该块的纹线走向为π/4~π/2之间,则θ (i,j)=θ(i,j)+π; 　　如果Vx(i,j)<0,且Vy(i,j)<0,表明该块的纹线走向为π/2~3π/4之间,θ(i,j) 则无须调整。 　　其中“将所求角度调整至0~π之间”中的角度，不是图1公式（3）中的θ (i,j)，θ(i,j) [rao3] P163称为.Dominant direction，[Bazen 1] p907称为 gradient direction，即θ(i,j)只是梯度方向，图块方向需要再加π/2，即正 确的角度调整公式是：先把-π/4~π/4之间调整到-π/2~π/2之间，再加上π/2 得到的图块方向范围才是0~π之间，[尹1]在这里没弄清楚，所以公式是错的。 正确的调整公式和解释见[Bazen 1] p907！ 　　[尹1]p112的第4步原文如下： 　　由于输入指纹图像存在噪声、边缘结构信息有缺损等原因,以上求出的方向 信息并不总是正确的。分析指纹的纹路走向,我们会发现这样一个特点:除个别的 地方外,在局部区域内,纹路的走向变化一般都是比较缓慢的。基于这一特点,用 一低通滤波器对各块指纹图像的方向信息进行平滑,可以修正不准确的计算结果。 低通滤波处理描述如图3: 　　图3 [尹1]原文p112公式截图 图5 [Lin 3] p781的 公式截图 　　式中 h—二维低通滤波器,wΦ×wΦ为滤波器尺寸,该滤波器缺省尺寸为5×5 像素点 　　而 [Lin 3]p781被抄原文如下： 　　Due to the presence of noise, corrupted ridge and valley structures, minutiae, etc. in the input image, the estimated local ridge orientation, q(i, j), may not always be correct. Since local ridge orientation varies slowly in a local neighborhood where no singular points appear, a low-pass filter can be used to modify the incorrect local ridge orientation. In order to perform the low-pass filtering, the orientation image needs to be converted into a continuous vector field,which is defined as follows: 　　图4 [Lin 3] p781的公式截图 　　where ? x and ? y are the x and y components of the vector field, respectively. With the resulting vector 　　field, the low-pass filtering can then be performed as follows（见 图5）: 　　这一步没有出现在[Lin 1]和[Lin2]中，这是[Lin 3]一文的创新，即通过一 个低通滤波器对第3步中求得的方向角度过滤，去掉噪音。并且[Lin 3]并没有直 接对角度滤波，而是如图4所列的公式那样将角度转化为连续向量域 （continuous vector field），即上面的? x 和 ? y，然后对? x 和? y进行滤 波，这种转化的必要性在下文 　　[rao4]A.R. Rao, R.C. Jain, 1992"Computerized Flow Field Analysis: Oriented Texture Fields," IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 14, no. 7, pp. 693-709, July 1992 　　的P696已作了强调。而[尹1]p112虽然也像[Lin 3]那样用低通滤波器对角度 过滤，但却直接对角度滤波（见图3），没有转化为连续向量域（continuous vector field），这是故意不敢全抄故意把公式写错，还是抄错了？但不管是何 种情况，[尹1]公式思路抄袭[Lin 3]，但公式是错的。很难想象 [尹1] 用错误 的公式，实验结果竟然得到更加准确的指纹方向信息（见[尹1]p112）！ 　　再看[尹1]p112的第5、6步原文如下： 　　(5)计算各块图像方向信息的可靠性，公式见图6 　　图6 [尹1]p112公式截图 图7 [Lin 2] p305的公式截图 　　式中 D—以(i,j)为中心的块周围的一局部区域,是一分块图像的集合,缺省 尺寸为5×5像素点 　　n—区域D内块的数目 　　Φ(i′,j′)、Φ(i,j)—块(i′,j′)、(i,j)的方向 　　(6)如果C(i,j)大于一预先设定的门槛值Tc, 则须调整分块尺寸,重新进行方 向信息计算直至满足要求。当然,随分块尺寸的减小,运算量增大。 　　上面[尹1]p112的第5、6步更是全盘抄袭，这部分被抄袭内容没有出现在 [Lin 3]，而是出现在[Lin 1]p4和[Lin2]p305，被抄[Lin2]p305原文如下： 　　2. Compute the consistency level of the orientation field in the local neighborhood of a block (i, j) with the following formula（见图 7）: 　　where D represents the local neighborhood around the block (i, j) (in our system, the size of D is 5 × 5); N is the number of blocks within D; θ(i′,j′) and θ(i,j)are local ridge orientations at blocks(i′,j′) and (i, j), respectively. 　　[Lin2]这部分内容是一个较大创新，Wang等文章的p825提到： 　　In order to measure the reliability of estimation for h’s, Kass and Witkin [16] introduces a metric called coherence that calculates the strength of the averaged gradient in the distribution of local gradient vectors. 。。。Instead of using equal-sized blocks, Jain et al. [17] proposes a hierarchical scheme to adjust the estimation resolution of local orientation fields via iterative steps. They introduce the concept of consistency level,。。。 If the consistency level is above a certain threshold, the local orientations around the objective block are re-estimated with a smaller window size.（参见文献： Yi Wang , Jiankun Hu, Fengling Han，(2007) Enhanced gradient-based algorithm for the estimation of fingerprint orientation fields ， Applied Mathematics and Computation 185823–833） 　　Wang等文章明确指出：为确保方向的可靠性，Kass和Witkin1987年提出叫做 coherence的指标，而[Lin2]则提出一个叫做hierarchical的新方法，计算 consistency level指标，将该指标与预先设定的门槛值比较, 反复重复直到达 到要求，而在[尹1] 中，[Lin2]的创新算法竟然变成了尹义龙先生的创新。 　　再看[尹16]的抄袭问题，该文题目为《基于Delaunay三角化的指纹匹配方 法》，2005发表于计算机研究与发展，此文核心算法抄自： 　　[Parziale 1] Giuseppe Parziale and Albert Niel，2004，Fingerprint Matching Using Minutiae Triangulation， Lecture Notes in Computer Science，Springer Berlin / Heidelberg，Volume 3072/2004，Biometric Authentication 　　早在1999年，G. Bebis等在以下文献中建议指纹识别中应用DT 三角网格 （Delaunay Triangulation）： 　　[Bebis1] G. Bebis, T. Deaconu, M. Georgiopoulos:Fingerprint Identification Using Delaunay Triangulation,ICIIS99, Maryland, Nov. 1999. 　　[Parziale1]在总结包括[Bebis1] 在内等已有成果的基础上，提出基于DT 三角网格的匹配算法，对指纹细节特征进行匹配，[Parziale 1]p3提到： 　　In our approach, the dependency among minutiae is obtained applying on the point set a Delaunay triangulation: each minutia is used as a triangle vertex. We use this approach, since the Delaunay triangulation was found to have the best structural stability under random positional perturbations [13].（注：[13]指[Bebis1]） 　　从中可以看出DT 三角网格具有最好的结构稳定性。该算法首先要对细节点 生成DT三角网络，Delaunay 三角剖分算法已有成熟算法，属于计算几何领域， 因此只要按照既定的算法，对细节点进行三角剖分即可，因此[Parziale 1]没有 详细列出这一步，而[尹16]给出了具体步骤，该步不是创新的关键，创新关键在 后续的匹配算法： 　　[尹16]p1624抄袭原文如下： 　　基于DT网的局部匹配与参考点对的求取基于DT网的局部匹配算法是从模板指 纹和待识别指纹中找相似三角形结构,将得到的相似三角形的顶点作为参考点?在 寻找相似结构时,特征点方向、边的长度、三角形的内角等都得到了有效的利用, 如图4所示（见图8） 　　图8 [尹16]p1624的图4截图 图9 [Parziale1]p3的图1截图 　　[尹16]的这个图（见图8）直接来自[Parziale1]p3的图1（见图9），但[尹16] 是在看懂[Parziale1]p3这个图（图9）后，把这个图分成了两个图a和b（图8）。 　　[尹16]在对照其图4（见图8），给出了以下判断算法： 　　在两幅图像Tem,In的DT网里找相似边?从两个三角网中各选一条任意三角边 L1,L2,边长分别为l1,l2?边L1的两个端点R11,R12，其特征点方向为D11,D12,边 L2的两个端点R21,R22，其特征点方向为D21,D22,判断这两条边是否满足下面条 件（见图10）: 　　图10 [尹16]p1624的公式截图 图11 [Parziale1]p3的 公式截图 　　[Parziale1]p3对照其图1（见图11），给出了以下判断算法 　　the distance L between the two minutiae; 　　the angle between the orientations of the two minutiae (angular difference between τi andτj ); 　　the anglesβ1 and β2 between the orientation of each minutia and the segment connecting them. 　　Then, each minutia pair of the query set Q is compared with all the minutia pairs of the template set T, according the following relations: 　　比较图10和11可见，图10的公式（2），就是图11的公式（5），因为对照图 10和11以及图中各变量的解释不难看出，图11公式（5）中的αQ，等于图10公式 （2）中的?D11－D12?，图11公式（5）中的αT，等于图10公式（2）中的?D21－ D22?，即 　　αQ= ?D11－D12? 　　αT= ?D21－D22? 　　综上所述，图10公式（2）和图11公式（5）是一样的。而图10公式（1）就 是图11公式（4），这只需让图11公式（4）min（LQ，LT）为1即可。而图11公式 （6），就是[尹16]p1625的公式： 　　图12 [尹16]p1625的公式截图 　　本来[Parziale1]p3只用一个公式就很精练的表达出来，而尹义龙等将该式 写成多个式子。 　　[尹16]最后提出姿势纠正与指纹匹配步骤，其姿势纠正公式抄自[Lin 2] p308的公式和[Parziale1]p2的公式，这里不多解释，把三者的公式截取过来一 看便知。 　　图11 [尹16]p1625的公式截图 图13 [Lin 2] p308的公 式截图 　　图13 [Parziale1]p2的公式截图 　　指纹匹配当然就是按照前面抄自[Parziale1]的算法进行匹配，尹义龙等在 p1625还提出了一个匹配分数，原文如下： 　　对于模板指纹中每一个特征点都和待识别指纹中所有未得到匹配的特征点匹 配一遍之后,我们得到一个待识别指纹中所有得到匹配的点对数N,令M1=模板细节 点总数,M2=待识别指纹细节点总数,得匹配分数 　　Score = N/sqrt ( M1 × M2 )? 　　而这个匹配分数抄自[Parziale1]的p4，[Parziale1]原文如下 　　图14[Parziale1]p4的公式截图 　　这两个公式一模一样，只不过数学符号不同。文末尹义龙等就用这些抄来的 算法对实际指纹做了一下实证。尹义龙等人的这篇文章，核心算法全是抄袭，请 问你们的创新在哪里?并且这篇文章又改成英文，第三作者女硕士刘宁又成了第 一作者： 　　Ning Liu, Yilong Yin, Hongwei Zhang，A Fingerprint Matching Algorithm Based On Delaunay Triangulation Net1 Proceedings of the 2005 The Fifth International Conference on Computer and Information Technology (CIT’05)，0-7695-2432-X/05 2005 IEEE 　　由以上分析看出，这些文章大都是豆腐块文章，请问尹义龙先生，你的22万 的国家自然科学基金就是用来抄袭、写这种豆腐块似的文章吗？这些文章没有创 新，都是抄袭国外论文的某一部分，但做得又很狡猾，不像新语丝等媒体揭露的 那样原封不动地抄，让人一眼就看出来。这些文章通过改符号用自己的话表述， 或者把主要参考文献不列出来，让读者找不到或找起来很费力。如[尹1]说[韩1] 和[林1]的方法“代表了当前指纹图像方向信息提取的最新研究水平。” 殊不知 [韩1]提到的方法取自 　　[Mehtre1]B.M. Mehtre，1993，Fingerprint Image Analysis for Automatic Identification Machine Vision and Applications 6:124-139 　　就连[韩1]的图2也直接取自[Mehtre1]p125的图2，而[林1]的方法取自[rao3] 的p163。如果[韩1]和[林1]的方法真的代表最新研究水平，为什么现在几乎看不 到引用它们的国、内外文献，反而都引用[Mehtre1]和[rao3]？这说明尹义龙读 博士刚接触指纹识别，国外文献没来得及看，就直接抄国内翻译过来的文献，来 应付博士毕业。正如前面分析的[尹1]中两处公式错误，除了故意抄错外，也不 排除国内文献是错的，尹义龙原样将错的部分也抄过来。但不管什么原因，期刊 审稿专家竟没发现公式的抄袭和错误，但看到尹义龙也是《电子学报》、《通信 学报》、《计算机研究与发展》、《模式识别与人工智能》等期刊的匿名审稿人， 也不难理解为什么中国期刊匿名审稿专家的水平为什么这么烂！由前面分析可以 看出，[尹1]至少和5篇以上的国外文献相关，但[尹1]参考文献都没列出。科学 研究要有继承性，可是尹义龙以后发表的文章都没再提这篇文章，他心里也清楚 这种抄袭的文章见不得人！[尹1]只抄了[lin 3]的一小部分，[lin 3]剩余的纹 线频率估计、加博滤波增强等内容，尹义龙留在了读博士后时继续“为我所用”。 　　尹义龙除了抄袭剽窃、中英文一稿多投（和周志华一样）外，还拿文章做交 易，[尹14]这篇文章，是尹义龙到山东大学后第一篇第一作者的文章，但第二作 者是学院院长孟祥旭，孟祥旭以前根本不研究指纹识别，尹义龙挂上院长的名想 和院长搞好关系。这里也请孟祥旭注意，你混到院长这个位置也不容易，不要一 时不慎、贪小便宜，让人拉下水！ [尹12]这篇文章全部来自尹义龙的博士后论 文（尹义龙个人网站可下载）正文的p27-34，但第一作者却是南京大学女硕士王 业琳。再如[尹18] 这篇文章，不过是尹义龙以前文章内容的重复，第一作者谭 梅和第三作者杨卫辉是吉林省经济管理干部学院，尹义龙也让她们挂在他的国家 自然科学基金项目下，这明显是用他的基金项目和老熟人搞好关系。 　　从尹义龙的教育背景和数学水平看，他只能靠抄袭混，不可能做出大的创新， 当然不排除招收的博士生中有能人，尹义龙在其网页上希望数学好的人跟他读博 士，有了硕士、博士给他写文章，就逐渐会使他以前造假历史淡化，就象黑社会 洗钱一样，它会逐渐像一个真正的山东大学人工智能教授。然后尹义龙、周志华 这些人通过学术造假，靠发豆腐块似的毫无创新的文章，已占据本学科领域的重 要位置，并且弄到许多光环放在自己头顶上，来向社会表明自己就是一个专家， 国家研究资金和资源就会向这些人倾斜，而真正踏实做学问、发表文章比较慢的 人，就吃大亏，这些人的成长受到极大限制。并且这些人一旦碰到真正做学问的， 会采用金钱收买让这些人帮他们做研究署他们的名字，收买不成就可能打压。这 些人通过不正当手段“成功”的示范效应，会影响带动一大批人沿他们的路走下 去，使学术空气更加腐败。山东大学作为百年名校，需要郭雷、彭实戈、王小云 这样有真本事的踏实的校友和老师，不需要尹义龙这样的学术骗子！ (XYS20091109) ◇◇新语丝(www.xys.org)(xys4.dxiong.com)(www.xysforum.org)(xys2.dropin.org)◇◇