原点无关最近特征分类器及在人脸识别的应用

受最近特征线分类器的基本设计思想启发,将最近邻法向平面和空间推广,提出了原点无关最近特征平面和原点无关最近特征空间分类器.与最近特征平面、最近特征空间分类器相比,原点无关最近特征分类器最大的优势就在于其定义的特征子空间不依赖于原点位置,而仅由同模式的若干个特征点决定.这种定义提高了相应的模式相似性度量的合理性与有效性.以人脸识别为例,对多种分类器的性能进行比较.实验结果表明,原点无关最近特征分类器在识别率、稳定性等方面均优于同阶的最近特征分类器.

基于知识规则的构造性优先排序神经网络算法

从高维空间样本点覆盖的角度,讨论了基于知识规则的构造性优先排序神经网络(PONN)算法的原理,提出了网络构造过程的一般算法以及基于随机取样规则和重心点规则的两个实例算法。实例算法对螺旋线识别和语种识别进行了仿真。实验结果证明了算法的有效性。语种识别实验结果也表明基于重心规则的PONN算法在一定条件下优于SVM。

数字地图识别中增强图标边缘结构的预处理方法

提出了使用多分辨率变换增强地图图标边缘结构特征的方法,并通过形态学和空间滤波方法对边缘增强后的地图进行细化。试验结果表明该算法效果好,有利于地图图标识别的实现。