基于特征脸的人脸检测与识别

人脸识别是属于生物特征识别范畴.然而与其他识别不同的是人脸是一个动态的图像,有位置与光照的变化,并且具有相似的外貌特征,这使得人脸识别成为一个比较困难的问题.文章阐述了基于特征脸的人脸检测与识别方法.该方法本质上是主要成分分析方法,他首先构造特征脸向量,然后计算新图像和数据库中特征脸的空间距离,来决定此图像是否是一副人脸图像,如果是人脸图像,他是那一副人脸图像。

基于角的形状匹配

提出了利用角检测技术进行图像的相似性检索。首先利用角检测技术检测出图像的角点,用这些角点刻画图像内的物体形状,并结合图论中最优对集的思想和一种改进的Hausdorff距离,提出了一种新的刻画两幅图像内容的相似程度方法。实验结果表明,利用所提出的方法进行图像的相似性检索能够取得较好效果。

大数据背景下高校贫困生类别的判定——以安徽师范大学为例

目前高校贫困生的精准认定是一个公开的难题。本文以某高校连续60天的校园卡消费记录为依据,利用Python语言和K-Means聚类算法,依据15545名大学生个人消费金额,而将他们分5个"最优群体"。从最低消费群体中挖掘应该被认定为贫困生而没有被认定为贫困生的群体,从最高消费群体中挖掘不应该被认定为贫困生而被认定为贫困生的群体。本文以客观的消费记录为标准,利用大数据挖掘技术,为科学资助和精准资助提供了决策支持。

基于ICA的在线掌纹识别

个人身份认证和鉴别在现在社会显示着重要的作用,作为一种准确而可靠的个人鉴定方式,生物识别已经引起了广泛的注意。掌纹作为一种相对较新的生物识别技术也有着独特的优点。而掌纹特征的提取和选择是整个识别中最关键的一个环节,主要利用ICA(独立主成分分析)方法对掌纹进行特征提取,实验证明,相比较PCA(主成分分析)方法,基于ICA方法具有更高的识别效率。

基于内容的图像检索算法研究

在基于内容的图像检索中,图像特征的提取和匹配是两个关键性环节。相对于传统的方法(采用图像的单一特征和相似性计算标准的方法),提出了提取多种图像特征,并对不同的特征采用不同的相似性计算标准方法进行图像检索,采用动态权值的方法对检索出的图像的给出最终排名,实验结果表明,该方法具有更好的适应性和鲁棒性。

经济困难学生就业心理和就业状况分析——以安徽师范大学为例

通过调查,论述和分析了经济困难学生的就业心理状况和就业率、考研率以及就业满意度等方面的情况,并提出经济困难学生和普通同学相比在校学习表现和实际就业状况较好但就业满意度不高,需要从政策制度完善、就业环境营造、就业心理辅导教育、就业指导与服务等方面进一步加强和改进,从而不断提高其就业质量。