基于判别公共向量的单训练样本人脸识别

提出一种新的基于判别公共向量(Discriminative Common Vector)的单样本人脸识别算法.该方法基于人脸类内方差相似的假定,通过引入单人多样本的辅助人脸集来估计类内方差,解决了单训练样本情况下样本类内方差无法估计的问题.在FERET人脸库的测试结果表明,在面部细节、光照、表情变化的情况下,该方法都具有较好的识别效果.

一种快速的判别公共向量分类方法

在传统DCV的基础上,提出了一种改进的快速DCV分类方法。该方法与传统的DCV分类方法相比,在保证识别率相同的情况下具有较快的分类速率。传统的DCV分类方法通过计算特征向量之间的距离来进行分类,而所提快速DCV分类方法则通过标量计算完成分类。理论分析及复杂度计算表明,快速DCV分类方法的分类速率是传统DCV分类方法的2倍左右,在Yale、ORL和PIE 3种人脸数据库得到的对比仿真实验结果验证了该算法的有效性。

基于公共向量的模糊邻域保持嵌入算法

邻域保持嵌入(NPE)算法直接使用K近邻重构样本,由于未区分同类近邻与异类近邻的重要性导致其识别效果不佳,因此提出一种基于公共向量(CV)的模糊邻域保持嵌入算法.首先根据样本K近邻的类别信息求出每个样本对每个类别的隶属度,然后使用公共向量和隶属度重构每个样本,并最小化原始样本与重构样本的残差,最后将该问题转化为求解相应的广义特征值问题以获得最终的投影变换矩阵.该算法尽可能减少投影后同类样本的差异性,较好地分离异类样本.在ORL、Yale、AR和PIEC29这4个人脸数据库上的相关实验验证了算法的有效性.

两矩阵的公共特征向量与同时三角化探讨

给出了两矩阵具有公共特征向量的一个充要条件和一个充分条件及两矩阵可同时三角化的充要条件,研究了具有公共向量矩阵及可同时三角化的性质,并给出若干应用.

Supercyclic算子族的公共超循环向量

讨论一族不可数的Supercyclic算子{Ft}t∈Λ的公共Supercyclic向量,并给出算子族{Ft}t∈Λ的公共Supercyclic向量在无限维、可分的Banach空间X中是稠密集的两个新的充分条件.

子空间超循环性与公共的子空间超循环向量(英文)

若无限维可分的Banach空间上的线性有界算子T满足:对某个非零子空间M,存在向量x使C·O(x,T)∩M在M中稠密,则称T是子空间超循环算子.构造例子说明了子空间超循环性并非是无限维现象,以及子空间超循环算子并不一定是超循环的;同时,还给出了一个子空间超循环准则和一族算子的公共的子空间亚超循环(子空间超循环)向量是稠密Gδ集的充要条件.

广义自助法置信域及应用

首先模拟研究广义自助法置信区域的性能,选择不同权重、不同分布的数据,利用Matlab软件模拟其覆盖真值的比率,表明它是非渐近最优的,可适用于不同大小的样本.然后把广义自助法置信区域方法应用于检验地方政府GDP造假与虚假年份,获得比较可信的结果.