基于近邻监督局部不变鲁棒主成分分析的特征提取模型

针对无监督的局部不变鲁棒主成分分析(LIRPCA)算法未考虑样本间的类别关系的问题,提出了一种基于近邻监督局部不变鲁棒主成分分析(NSLIRPCA)的特征提取模型。所提模型考虑了样本间的类别信息,并以此构建关系矩阵。对所提模型进行公式求解和公式的收敛性证明,并将所提模型应用于各种遮挡数据集。实验结果表明,在ORL、Yale、COIL-Processed和PolyU数据集上,与主成分分析(PCA)算法、基于L1范数的主成分分析(PCA-L1)算法、非负矩阵分解(NMF)算法、局部保持投影(LPP)算法和LIRPCA算法相比,所提模型在原始图像数据集上的识别率分别最高提升了8.80%、7.76%、20.37%、4.72%和4.61%,在遮挡图像数据集上的识别率分别最高提升了30.79%、30.73%、36.02%、19.65%和17.31%。可见,所提模型提高了算法的识别性能,降低了模型复杂度,明显优于对比算法。

基于最大间距准则的局部图嵌入特征提取方法

针对局部线性嵌入(LLE)算法和最大间距准则(MMC)算法在特征提取问题中存在不足,提出一种有效的数据降维和分类方法——基于最大间距准则的局部图嵌入特征提取算法,并将其应用在人脸识别上.该算法在保持近邻的前提下,分别构造类内紧致图和类间惩罚图.首先在类内紧致图中利用线性重构的局部对称性找出高维数据空间中的非线性结构,使同类样本尽可能地聚集在一起;然后在类间惩罚图中使不同类别的样本尽可能分离;为了避免"小样本"问题,采用MMC的形式构造目标函数.在ORL,Yale和AR人脸图像库进行实验的结果表明,文中算法相对于DLA和LLE+LDA算法有较好的识别性能.

小波包变换在混合噪声图像中的增强技术

图像在获取和传输过程中总会受到噪声等的影响,使图像数据和现实差距太大。为了快速有效地去除这些噪声信号,详细研究了基于小波包变换去除噪声的方法和原理,探讨了基于小波包变换的含多种噪声的图像增强处理技术。实验表明,这种方法在图像去噪处理中是有效可行的。

分块二维最大间距准则的特征提取方法

针对二维最大间距准则(Two Dimensional Maximum Margin Criterion,2DMMC)算法进行特征提取时,无法提取局部的特征.同时,该算法也受不同的表情、光照以及姿态等条件的影响,识别的效果也大大降低.因此,提出一种基于分块二维MMC(Modular Two Dimensional Maximum Margin Criterion,M2DMMC)的人脸识别方法.首先,对图像矩阵进行分块,然后对分块后的矩阵进行2DMMC特征抽取,对每一子块抽取的特征进行整体融合,最后采用最近邻判决准则进行分类识别.在ORL,Yale人脸图像库进行实验的结果表明,新算法相对于MMC算法、二维MMC算法以及分块MMC算法均有较好的识别性能.

面向对象程序设计课程改革与探索

面向对象程序设计课程是一门应用性和实践性很强的专业必修课。因此,对课程进行深入建设具有十分重要的意义。希望在今后的教学工作中通过对本课题的研究,探索出一套适合于南京审计大学计算机审计本科生教育的教学改革,提高计算机审计本科生的面向对象程序应用研究开发能力,从而培养出适应计算机审计和信息系统审计发展的实用型人才。

基于学习分类器的多机器人路径规划收敛性研究

近年来,学习分类器LCS已广泛用于基于归纳学习的强化学习领域,但很少用于多机器人领域.提出了一种基于集成强化学习和遗传算法的学习分类器用于多机器人路径规划领域.由于遗传算法具有早熟收敛、局部最优解和占据较大的存储空间等缺陷,针对静态和动态环境因素对多机器人路径规划的不同影响,设计了在静态和动态环境下不同的适应度函数,在理论上推导并证明了信用分配算法的收敛性,为路径规划算法的收敛提供了理论保证.仿真实验结果也表明遗传算法和学习分类器结合用于多机器人的路径规划是有效的,遗传算法的早熟收敛、局部最优解、占据存储空间较大和收敛速度慢等难题得到很大改善,提高了多机器人发现安全路径的能力.所以LCS在机器人领域的应用前景是非常广阔的,是今后需要努力研究的方向.

Contourlet变换在图像检索中的应用

利用Contourlet变换良好的稀疏特性及其能准确地捕获图像中边缘信息的特性,分析了纹理图像Contourlet系数的统计特征,提出了一种滤波算法。该算法根据纹理图像Contourlet系数分布的特点,采用高斯模型对其进行精确拟合提取纹理特征,针对各子带数据的离散程度进行加权处理,为分类能力强的特征量赋予较大的权值,并加入在低频子带上提取的灰度—平滑共生矩阵统计量,来形成最终的特征向量,以两幅图像不同特征向量间的加权欧氏距离作为图像的相似度进行检索。仿真实验结果表明,该方法在检索效果上有一定的优越性。

分块MMC及其在人脸识别中的应用

用最大间距准则(Maximum Margin Criterion,MMC)算法进行特征提取时,提取的是全局的特征,对局部的特征不能有效地抽取。因此,对MMC算法进行改进,提出一种基于分块MMC(Modular Maximum Margin Criterion,MMMC)的人脸识别方法。首先对图像矩阵进行分块,然后对分块后的矩阵进行MMC特征抽取,对每一子块抽取的特征进行整体融合,最后采用最近邻判决准则进行分类识别。在ORL、Yale人脸图像库进行的实验结果表明,新算法相比于MMC算法有更好的识别性能。

Hessian正则化的低秩矩阵分解算法

流形正则化低秩矩阵分解(Manifold Regularized Low-rank Matrix Factorization,MRLMF)算法是一种最近提出的能考虑样本间流形结构的矩阵分解算法.MRLMF采用Laplacian图来表示样本的流形结构,但是,最近研究表明,由于Laplacian图的零空间中的测地线函数为常数,使得其往往不能较好的保持样本间的局部拓扑结构.为了解决这一问题,提出一种Hessian正则化的低秩矩阵分解算法(Hessian Regularized Low-rank Matrix Factorization,HRLMF).HRLMF利用二阶Hessian能来保持样本的局部流形结构,而Hessian能可以使测地线函数随距离变化,从而使得其保持样本局部拓扑结构的能力更强.此外,也给出了一种求解HRLMF的高效算法.在实际数据库上的实验表明,MRLMF算法比现有的算法有着更好的性能.

多流形的非监督线性差分投影算法

针对非监督线性差分投影(unsupervised linear differential projection,ULDP)在特征提取过程中存在的不足,提出了基于多流形的非监督线性差分投影(multi-manifold unsupervised linear differential projection,MULDP)算法,并将其应用于人脸识别中。MULDP首先构造出多流形局部近邻图和多流形最大全局方差,然后通过多目标最优化问题求解出嵌入在高维空间的低维流形。这种映射不仅能表示全局结构,还能表示局部结构。该算法可以得到嵌入在高维空间的低维流形,更好地实现了局部与全局结构信息的有效保持。在ORL、Yale及AR人脸库上的实验结果验证了所提算法的优越性。

广义的鉴别局部中值保持投影及人脸识别

针对鉴别的局部中值保持投影(DLMPP)在小样本情况下面临的类内散布矩阵奇异的问题,提出了广义的鉴别局部中值保持投影(GDLMPP)算法。GDLMPP首先将样本等价映射到一个低维子空间,然后在此子空间求解最佳投影矩阵,从而有效解决了小样本问题,并从理论上验证了当类内散布矩阵非奇异时,GDLMPP等价于DLMPP。最后,通过在ORL及AR库上的实验验证了算法的有效性。

应用于特征提取方法的模糊差分嵌入投影

局部线性嵌入(Locally linear embedding,LLE)算法对于分类的结果没有直接的关系。同时,该算法受不同表情、光照以及姿态等因素的影响,识别的效果会大大降低。为了能够很好地解决上述问题,提出基于模糊的差分嵌入投影(Fuzzy difference embedding projection,FDEP)特征提取算法。FDEP算法首先在模糊数学的思想指导下,通过模糊隶属度(Fuzzy sets)的形式表示;然后分别构造模糊局部近邻图与模糊全局方差图来表征局部与全局结构信息,采用最大间距准则函数来构造目标函数避免"小样本"问题;最后,通过拉格朗日乘子解决约束条件下的优化问题。FDEP算法既可以最大化地模糊全局数据之间的非局部散度,又可以保持模糊近邻数据之间的内在联系。在ORL,Yale和AR人脸图像库的实验结果表明,FDEP算法具有较好的识别性能。

C语言教学中存在的问题及策略研究

C语言是国际上广泛流行的计算机语言,既用来写系统软件,也用来写应用软件。C语言兼具高级语言形式、低级语言功能特殊的魅力,学生一旦掌握该语言,就可以轻松地学习其他任何一种程序设计语言。因此,C语言教学改革,无论对于学生学习,还是对其他语言课的教学改革都有重要意义。目前C语言教学还存在着一些问题,有待改革与探讨。

基于最大边界准则的稀疏局部嵌入特征提取方法

针对局部线性嵌入算法(LLE)无法利用样本的鉴别信息,最大边界准则算法(MMC)对非线性数据处理能力较弱的不足,提出一种基于最大间距准则的稀疏局部嵌入(SLE/MMC)特征提取算法。在保持局部近邻的前提下,首先在类内紧致图中使同类样本尽可能地聚集在一起;然后在类间惩罚图中使不同类别的样本尽可能分离;最后使用弹性网回归算法得到一个最优的稀疏投影矩阵。为了避免小样本问题,采用MMC的形式构造目标函数。在ORL、Yale以及UMIST人脸库上的实验结果可以看到,同其他几种方法(PCA、LLE和MMC)相比,SLE/MMC具有更高的识别率,表明该方法具有更高效的特征提取能力。

无监督的稀疏差分嵌入特征提取方法

人脸数据中的有效特征是提高识别率的关键,因此特征提取是人脸识别领域的重要步骤.为了能够同时保留人脸数据的局部结构和全局结构,并得到一个更具有解释性的结果,综合主成分分析算法和局部线性嵌入算法,并加入稀疏约束,提出一种无监督的稀疏差分嵌入(Unsupervised Sparse Difference Embedding,USDE)的特征提取方法.在满足局部最小嵌入和全局最大方差的同时,使用弹性网回归算法得到一个稀疏特征向量.在ORL人脸库、AR人脸库以及UMIST人脸库上的实验结果表明,同其他几种方法相比,USDE具有更好的效果.

一种基于核最大间距准则的(KMMC)人脸识别系统

提出一种核最大间距准则方法(Kernel maximum between-class margin criterion,KMMC)的特征提取方法来避免人脸识别中的小样本问题,采用基于核特征空间的类间散度与类内散度之差的最大化的特征提取方法,获得了一组最佳鉴别矢量做为投影轴进行投影变换,使得核特征空间样本的类间散度最大,类内散度最小,从理论上解决了因类内散布矩阵奇异导致无法求解的问题,并进一步显示了KMMC特征提取的高效性。在ORL人脸库上进行试验验证,结果表明KMMC特征提取方法的有效性。最后,采用Matlab设计并实现了一种基于KMMC的人脸识别系统。

可控高分子材料节水保湿膜养护混凝土应用研究

该文结合高速公路水泥混凝土路面施工与混凝土柱施工项目,测定了节水保湿养护膜养护混凝土膜内温湿度,并进行了混凝土强度、碳化深度及开裂试验研究,实践表明:采用节水保湿养护膜养护,可节约大量养生用水、人工和机械费用,综合成本有明显降低,且能够减少夏季施工时微裂缝的产生,有利于提高混凝土的抗碳化性能和强度。

具有合适拒识机制的高正确识别率分类器设计

针对目前一些正确识别率高的SVM(Support Vector Machines)分类器、超球SVM分类器、深度学习分类器在一些典型样本集上应用时仍然有2%左右的错误识别率和增量学习功能不强的问题,本文提出了一种具有合适拒识机制的高正确识别率分类器设计方案和相应的增量学习算法,较好地解决了上述问题.主要工作包括:同类特征集合的紧密包裹集构造算法;基于同类特征集合和紧密包裹集的同类特征区域紧密包裹面的求解算法;设置所有紧密包裹面之外的公共区域为分类器的拒识区域的方法;当增加新类别、增减训练样本时,以上算法的增量学习算法.用uci数据集做对比实验表明,在拒识率小于1.3%的情况下,本文方法设计的分类器正确识别率大于99.13%.

论袭警罪设立的必要性

近年来,袭警事件呈高发趋势,警察伤亡居高不下,影响极其恶劣,引起社会高度关注和法学学者的争议。警察依法执行公务受到袭击和阻扰,必然导致公务执行困难,社会公共利益受到损害,危害显而易见。打击袭警犯罪是刑法保护警察执法权与社会公共利益等法益的题中应有之义。刑法中已存在妨害公务罪,那么单列袭警罪是否必要,是否会扩张公权力,导致权力滥用等,因此展开讨论尤为必要。我国刑法对于惩治袭警犯罪的效果差强人意,在妨害公务罪的袭警条款无法有效地抑制袭警事件增长的现状下,人民警察执法阻力大,积极性和荣誉感被挫伤,违法者袭警成本低,社会公共利益受到威胁。为了保护警察权益并保障公务执行,在刑法中单设的袭警罪罪名,在其下设置科学的罪状和法定刑,能更好地完善我国刑事立法,打击袭警犯罪,保护社会公共利益。

聚合物固化剂在边坡防护工程中应用研究

结合浙江某公路深挖路堑软岩边坡应用SEAL-100R改性水泥复合材料进行坡面防护工程项目,通过室内室外试验,测定了SEAL-100R改性水泥复合材料的涂层粘结性和疏水性性能。试验研究表明,用SEAL-100R改性的水泥复合材料处理软岩边坡坡面,能有效防止软岩边坡在水的作用下发生体积膨胀,强度降低,刚度下降而导致边坡失稳的情况。在边坡防护工程中应用,能增大边坡稳定性,减少边坡后期养护的费用,保证道路畅通。