基于加权张量低秩约束的多视图谱聚类

现有基于图的多视图聚类方法通常难以同时考虑不同视图的潜在高阶相关信息和每个视图内的全局几何结构,导致聚类性能受限。为此,提出一种基于加权张量低秩约束的多视图谱聚类方法(WTLR-MSC)。根据多视图数据构建概率转移矩阵,将所有的概率转移矩阵构建为三阶张量,并借助鲁棒主成分分析思想将其分解为目标张量和误差张量。使用加权张量核范数约束目标张量的旋转张量,利用奇异值先验信息准确挖掘多视图数据的潜在高阶相关信息,并利用核范数约束目标张量的每个正切片以刻画每个视图内的全局几何结构。基于此建立数学模型,并设计有效的求解算法。在BBCSport、BBC4View、COIL20、UCI Digits 4个常用数据集上的实验结果表明,WTLR-MSC较ERLRT、MCA~2M、MGL-WTNN等聚类方法的性能有显著提升,准确率、标准化互信息、F1值、精确率、召回率相较于次优方法最高提升约1.3、1.0、1.2、1.6和0.8个百分点,大幅增强了多视图聚类的稳健性。

融合局部结构和差异信息的监督特征提取算法

针对监督局部保持投影(Supervised locality preserving projection,SLPP)存在过学习和不能较好地保持图像空间的差异信息等问题,造成算法性能不够好,提出了一种新的基于流形学习的监督特征提取方法(Supervised local structureand diversity projection,S-LSDP).S-LSDP从信息统计量角度引入差异信息,并给出度量差异信息大小的准则(差异离散度)及明确的物理含义;然后通过最小化局部离散度和最大化差异离散度准则提取投影方向.投影后的特征既能有效地保持图像之间的局部结构属性,又能较好地保持图像之间的差异信息,而且避免了过学习问题.在UMIST,Yale,PIE和AR数据库上的实验结果表明了该算法的有效性.

基于描述特征的人脸识别研究

针对基于主成分分析识别人脸存在计算复杂、不能准确地估计训练图像的协方差矩阵等问题,提出了一种基于描述特征的人脸识别算法(Expressive feature face recognition algorithm,EFFRA)．该算法用训练图像的右奇异向量代替PCA求解的子空间的基向量,避免了将人脸图像转换成图像向量,明显降低了计算复杂性．进一步研究发现,EFFRA提取的每一个主成分向量中含有冗余,在此基础上,利用PCA实现了EFFRA的简化算法(MEFFRA), 在ORL和Essex数据库上的实验结果表明,EFFRA及MEFFRA明显优于特征脸算法, MEFFRA的识别精度略好于EFFRA,但明显减少了对存储空间的需求．

SVD用于人脸识别存在的问题及解决方法

通过对人脸图像奇异值的分析,证实了图像奇异值是图像在特定基空间分解得到的,这个基空间是由图像本身决定的。进一步研究发现,导致基于奇异值向量人脸识别算法识别率低的根本原因是:不同人脸图像对应的奇异值向量所在的基空间不一致、奇异值向量与人脸图像之间并不存在一一对应关系、奇异值向量具有不可分割性。最后提出了类估计基空间识别算法。在ORL、ORL-NWPU1以及ORL-NWPU2数据库进行仿真,实验结果证实了分析和所提算法的正确性。

基于图像欧氏距离的二维局部多样性保持投影

主成分分析可以较好地保持数据的全局多样性几何属性,在模式识别、机器学习、图像识别等领域有着很重要的作用.缺点是他不能较好地保持局部数据的多样性几何属性,且忽略了图像像素之间的相互关系,导致算法性能不够好,且对模式形变比较敏感.对此问题,提出了一种基于图像欧氏距离的二维局部多样性保持投影.该方法利用邻接图描述局部数据之间的变化关系,然后利用图像欧氏距离度量数据间的多样性几何属性,有效地将图像像素之间的相互关系嵌入到目标函数中.和主成分分析相比,所提方法较好地保持了局部数据的多样性几何属性,而且明确考虑了图像像素之间的相互关系,对模式形变具有好的鲁棒性.在Yale,AR及PIE三个人脸库上的实验结果证明了所提算法的有效性.

基于肤色和独立成分的人脸检测

人脸检测是计算机视觉中非常活跃的研究课题,目前大多数人脸检测算法都是依靠灰度信息,而忽略了彩色信息。研究表明,肤色检测在诸多计算机视觉算法中,是一个重要的处理步骤。为了提高检测速度和性能,通过对肤色在H,S空间分布的分析,建立了新的肤色分割公式,并且在AapoHyv¨arinen和ErkkiOja[1]所提算法的基础上,提出了一种新的结合肤色和独立成分分析的人脸检测算法。实验结果表明了该算法的有效性。

基于“军卫一号”医院信息系统的自助病案送交、催缴管理系统的设计与实现

随着计算机、多媒体、网络技术的发展,信息技术在医院病案管理中得到越来越深入而广泛的应用。进入二十世纪九十年代以来,医院信息系统从最初的DOS单机版、NOVELL网网络版、逐步发展到WINDOWS网络版,病案从最初的纸质卡片检索管理、过渡到数据库检索、再到WORD版的电子病案、直至现在具备专用编辑器的多媒体电子病案、将来还会发展到具有第三方认证的电子病案。但是广义的医院信息系统(Hospital Information System,简称HIS系统)应该是包括影像存储与传输系统(Picture Archiving and Communication System,简称PACS系统)、检验信息管理系统(LIS,Laboratory Information Management System),手术麻醉信息管理系统、数字病理等子系统于一体的一个庞杂系统,整个系统模块多、开发厂家多,受当时条件限制制约,使得有些模块不能很好地适应当前管理的需要,而升级、改造整个系统往往牵一发而动全身,不是一件简单的工作。但是作为"军卫一号"用户,由于军卫一号用户广,版本相对统一,好的管理工具便于推广,鉴于此,医院病案管理室提出在原有系统及基本数据的基础上,扩展更多的管理功能,以适应当前病案管理的需要。

基于肤色、知识和2DPCA的人脸检测

为了提高人脸检测速度及鲁棒性,该文提出了一种基于肤色、知识和2DPCA相结合的人脸检测算法。通过对人们实际中绘画人脸模型以及肤色在H-S空间分布的分析,扩充了原有的粗检测规则,建立肤色分割模型;为了进一步加快检测的速度,该方法采用了先利用肤色分割和知识粗检测,后利用2DPCA的多级检测步骤,且在粗检测中采用了几何广义投影法,从而明显地提高了检测速度,同时利用最大类间方差法实现了阈值的自适应选择。实验结果表明了该算法的有效性和正确性。

基于知识和独立成分的人脸检测

为了提高人脸检测速度及鲁棒性,提出了一种基于知识和独立成分分析(ICA)相结合的人脸检测算法。通过对人脸简化模型的分析,扩充了原有的粗检测规则;为了进一步加快检测速度,采用了先利用知识后利用独立成分分析的两级检测步骤,且在粗检测中采用了几何广义投影法,取得了良好的效果,同时利用最大类间方差法实现了阈值的自适应选择。实验结果表明了该算法的有效性和正确性。

利用VBA编程在PPT中轻松实现随机抽题与点名

通过工作、生活中经常用到的随机抽题、点名功能的简单实现过程,展示VBA入门简单、功能强大的特点,旨在提高大家制作课件的水平及兴趣。

基于多特征融合的均值迁移粒子滤波跟踪算法

仅用单一的颜色特征进行跟踪是大多数跟踪算法鲁棒性不高的主要原因。针对此问题,该文提出一种多特征融合跟踪算法。该算法利用颜色和纹理特征表示目标,通过均值迁移和粒子滤波算法进行特征融合,有效地避免了单一颜色特征在光照变化和背景相似情况下的不稳定问题。将两种常用的融合策略结合,减轻了粒子的退化现象,提高了算法效率。实验结果表明该算法提取的目标特征具有较强的鲁棒性,能实现复杂场景下的目标跟踪。

融合小波变换和张量PCA的人脸识别算法

张量主成分分析(PCA)方法用于人脸识别能获得比PCA方法更高的识别率.小波变换具有良好的时频分析特性,同时还能起到降维的作用.综合利用这两个算法的优点,提出了一种新的人脸识别算法,对人脸图像先采用小波变换做预处理得到4个子带图像,然后对每个子带图像用张量PCA进行特征提取,实现人脸图像的高效识别.仿真结果表明,新算法的识别率比张量PCA方法提高了6%,识别时间为张量PCA方法的35.74%.

结合自适应字典学习的稀疏贝叶斯重构

贝叶斯压缩感知是一种基于统计分析的压缩感知算法,具有很好的鲁棒性,能够充分利用信息间的相关性,它的重构依赖于图像的稀疏性表达.针对贝叶斯压缩感知的深层次稀疏化问题,笔者结合自适应字典学习思想,提出一种冗余自适应字典表示的稀疏贝叶斯学习算法.该算法对图像进行局部分块,从待重建图像的迭代中间图像分块中学习字典,并以该字典作为图像的稀疏变换基,通过稀疏贝叶斯学习算法获得稀疏解.实验结果表明,基于自适应字典的贝叶斯学习算法能提高稀疏化,明显改善图像的重构质量.

二维多样性保持投影及人脸识别

流形学习有效地保持了数据的局部几何结构,已成为模式识别、机器学习等领域的研究热点.但是它忽略甚至破坏了对模式分析很重要的局部多样性信息,导致局部几何结构描述不够稳定,且性能不是很好.针对此问题,提出了基于图论的多样性保持投影.该方法利用邻接图刻画局部数据之间的变化关系,并给出度量数据多样性大小的差异离散度,然后通过最大化差异离散度提取投影方向.此外,该方法直接从图像矩阵估计差异离散度矩阵,有效地避免了小样本问题.在Yale,UMIST和AR数据库上的实验结果证实了该算法的有效性.

一种基于神经网络的目标优先级确定方法

传感器管理的目的之一是将多传感器资源分配给多目标。分配时需要考虑的因素之一是目标的优先级别。本文分析了影响目标优先级的主要因素,提出了一种基于人工神经网络的目标优先级确定算法。仿真结果表明,该算法是精确而有效的。

结合自适应稀疏表示和全变分约束的图像重建

针对以二维小波变换和离散余弦变换为代表的固定正交基在图像压缩感知高分辨率重建中的局限性,提出了一种新的自适应冗余字典稀疏表示结合全变分约束的图像高分辨率重建算法.该算法以迭代过程的中间图像作为训练样本,通过自适应学习获得适合样本特征的冗余字典,它充分利用了字典原子与待重建图像的相关性,获得了待重建图像的理想完备稀疏表示,从而降低了采样率,提高了图像重建质量.最后,以全变分作为正则化条件,采用交替迭代算法求解稀疏优化问题.仿真结果表明,该算法可以在低采样率下重建出高质量的图像.

基于Windows平台的焊接工装夹具三维参数化CAD

基于 Ｗｉｎｄｏｗｓ平台，以 ＡｕｔｏＣＡＤ ｆｏｒ Ｗｉｎｄｏｗｓ为支撑软件，利用其 ＡＤＳ开发系 统，针对焊接工装夹具的多样性，采用模块化、渐增式开发方式和三维参数化设计以及 面向对象程序设计方法，建立了焊接工装夹具ＣＡＤ（ＷＦＣＡＤ）系统。系统具备能完成从 焊件原始信息处理到夹具的基本尺寸、结构尺寸的设计与计算、三维模型图生成和三维 动态结构模拟以及由三维模型图生成装配图和零件图的功能。ＷＦＣＡＤ系统具有扩充 性好和开放性的特点，并采用标准的Ｗｉｎｄｏｗｓ人机对话界面，直观、简洁。

块独立成分分析的人脸识别

针对利用ICA提取人脸特征时需要将人脸图像转换成向量,导致空间维数很高以及不能准确地估计特征等问题,提出了一种新的独立子空间人脸识别算法——块独立成分分析(B-ICA)。和经典的ICA相比,B-ICA算法把人脸图像划分成一些互不重叠的子块,然后把每个子块转换成向量,看成是低维空间中的训练点(训练向量)。因此在B-ICA算法中,样本的维数比ICA算法中样本的维数低,降低了维数灾难(即样本的训练个数远小于样本的维数)造成的错误识别率。在Yale和AR数据库上进行了大量仿真实验,实验结果表明B-ICA算法的识别率比ICA和其他一些子空间算法的识别率高。

焊接夹具三维动态模拟的研究

对动态模拟原理和手动杠杆－铰链焊接工装夹具配图装配过程进行了分析，提出了基于“画－擦－画”显示方式的三种模拟方案，通过对三种不同方案在实现焊接夹具三维动态模拟时的比较，得出第二种方案比较合适．并介绍了运用 ＡＲＸ技术实现焊接夹具装配三维图的动态模拟．