一种结合粗糙集与神经网络的多传感器信息融合算法

近年来,神经网络被广泛应用于多传感器信息融合。但是当传感器数量庞大时,过高的输入神经网络的信息维数会导致神经网络训练速度下降,甚至不收敛。针对上述问题,对传统的基于神经网络的融合算法进行了改进,利用粗糙集的冗余数据约简算法,剔除部分传感器的输入,同时将剩余的传感器信息重新组合,形成维数较小的数据分别训练,从而避免了输入数据维数过高带来的问题,较之于传统算法,算法在训练阶段的迭代次数等时间性能以及融合阶段的准确性两个方面均有所提高。

面向表情识别的AVR和增强LBP特征选择方法

由于对局部纹理特征具有很强的描述能力,LBP(Local Binary Patterns)已经被广泛应用于模式识别、计算机视觉等相关领域,但传统的LBP在表情识别中的正确率并不高,提出了一种结合小波分解的改进LBP特征提取方法,首先使用Adaboost人脸检测算法和2D模型提取人脸图像并归一化,并使用小波分解的方法增强LBP特征,然后通过AVR(Augmented Variance Ratio)特征选取方法降维,最后使用SVM进行分类。JAFFE库上的实验证明了该方法的有效性。

结合人脸识别的RFID身份验证系统研究与实现

随着RFID识别技术的广泛应用以及人脸识别技术的发展,结合两种技术将会提高身份识别的安全性和有效性。基于此,整合了RFID射频卡信息处理、Adaboost人脸检测、LDA人脸识别等模式识别处理技术,实现了一个身份智能验证系统,可应用于大型活动、会议和体育赛事的安检以及公司的考勤中,具有重要的实际应用价值。