稀疏判决分析在表情识别中的应用

提出了一种基于稀疏判决分析的人脸表情识别方法,称之为SDA。SDA引入稀疏表述并结合半监督判决分析SSDA,通过稀疏重构处理,获得图像的局部结构信息,且由于稀疏表述本身具有的判决性,SDA只需很少样本就能获得较好的效果。基于JAFFE和CED-WYU两个表情数据库的识别结果表明,基于SDA的特征提取方法能有效地提高识别率。

稀疏保留判决分析在人脸表情识别中的应用

提出一种基于稀疏保留判决分析的人脸表情识别方法——SPDA方法。引入稀疏描述理论结合半监督判决分析SDA,通过稀疏重构处理,可获得图像的局部结构信息。由于稀疏描述本身具有的判决性,SPDA只需少量的样本就能获得较好的效果。CED-WYU和JAFFE的2个表情数据库的识别结果表明,该方法能有效提高识别率。

基于核Fisher判决分析的脸谱识别新方法

本文提出一种新的基于核Fisher判决分析(简称KFDA)的脸谱识别方法。即首先应用KFDA提取脸谱特征,然后,进行脸谱识别。利用标准的AT&T脸谱数据库对KFDA特征提取方法和PCA、FDA以及ICA特征提取方法进行比较,最后使用线性支持向量机(简称SVM)进行分类和识别,实验结果显示基于KFDA特征提取脸谱识别方法的识别率明显优于其它三种脸谱识别方法的识别率。

核判决分析及其在表情识别中的应用

提出了一种基于核判决分析(KDA)的人脸表情识别方法。与传统的线性特征提取方法线性判决分析(LDA)不同,针对非线性问题,KDA通过引入核函数进行非线性投影以提取表情特征,克服了LDA算法用于人脸表情识别时存在的问题。基于CED-WYU(1.0)和JAFFE两个表情数据库的识别结果表明,基于核判决分析KDA的特征提取方法能有效地提高识别率。

改进的核子类判决分析

提出了改进的核子类判决分析(improvcd kernel clustering-based discriminant analysis,IKCDA)方法,首先采用快速全局核k-均值聚类算法找到每类目标的最优子类划分,然后基于找到的子类划分结果采用核子类判决分析求取最优的投影矢量。基于UCI机器学习数据库的实验结果表明,经过IKCDA特征提取后异类样本间的可分性明显改善了。此外,基于美国运动和静止目标获取与识别(moving and stationary target acquisitionand recognition,MSTAR)计划录取的合成孔径雷达地面静止目标数据的实验结果表明,经过IKCDA后可以改善对真实目标的分类性能和对干扰目标的拒判能力。

基于广义判决分析的图像拼接检测最优类色度通道设计方法

针对图像拼接检测问题,该文提出一种基于广义判决分析(GDA)的最优类色度通道设计方法。将最优类色度通道的设计建模为一个以GDA识别力为目标函数,以类色度通道参数范围为约束条件的最优化问题,通过网格搜索和梯度上升法求解最优类色度通道参数。在哥伦比亚图像拼接检测评估库中的实验结果显示,目前4种主流的图像拼接检测方法在最优类色度通道上的识别率均高于已有的颜色通道,验证了该方法的通用性和有效性。

基于核Fisher判决分析的高性能多类分类算法

探讨了核Fisher判决分析算法(KernelFisherDiscriminantAnalysis,KFDA),并提出了一种基于KFDA的高性能多类分类算法。在进行多类分类时,首先通过一个非线性映射将训练样本映射到一个高维的核空间中,建立一个KFDA子空间,在该高维空间中,不同类别的样本之间的差异增大,同类样本聚集在一起,因此,在这个高维核空间中,就可以利用简单的最近邻法进行多类分类。实验结果表明,该算法在保证分类精度的条件下提高了分类器的训练和分类的速度。

基于改进的子类判决分析的SAR目标特征提取与识别

针对大多文献中假设合成孔径雷达(SAR)数据服从单模分布带来的问题,该文提出改进的子类判决分析(ICDA),它假设SAR目标数据服从更合理更实际的多模分布。首先采用快速全局k-均值聚类算法找到每类目标的子类划分,然后基于子类判决分析(CDA)准则寻找最优的投影矢量,使得投影后不同类别的子类样本之间距离最大而每个子类内部的样本散布最小。用美国运动和静止目标获取与识别(MSTAR)计划录取的SAR地面静止目标数据的实验结果表明,ICDA可获得较好的对真实目标的分类性能和对干扰目标的拒判能力。

基于Gabor特征量和核函数判决分析方法的人脸识别

研究了基于Gabor特征量和核函数判决方法的人脸识别方法,即首先利用Gabor滤波器组对输入样本进行处理,获得Gabor特征量;然后利用核函数判决方法实现人脸识别。Gabor滤波器组通过提取具有空间频率、空间位置和取向选择性的特征,较好克服了实际中由于表情和光照不同带来的变化;而核函数判决分析方法具有提取输入样本空间的非线性最佳鉴别特征的优点。实验仿真表明了该方法的有效性。

基于Hermite特征和核函数判决分析的人脸识别

提出了基于Hermite特征和核函数判决分析(KDA)方法的人脸识别技术,即首先利用多分辨Hermite分析提取人脸图像特征,然后用KDA方法进行分类识别。采用拟Gabor的多分辨Hermite分析能够提取人脸图像中具有空间频率特性、空间位置和方向取向选择特性的判决特征,从而较好地克服由于光照强度、脸部表情变化带来的影响。KDA方法能够提取高维特征空间中的最佳判决特征,本质上对应于原始空间中的非线性最佳判决特征,具有较好的聚类判决分析性能。实验仿真表明了所提方法的有效性。

犯罪网络分析理论在经济犯罪中的应用——以湖北省2016—2017年“组织、领导传销罪”的判决为样本

组织、领导传销活动的犯罪行为伴随信息网络的发展呈现出了新的特点。面临这种有组织化的传销犯罪行为,犯罪网络分析理论在融合社会网络分析的方法之上对犯罪组织内部进行分析,划分为星型结构、链状结构及网状结构。通过对传销组织内部的人员关系进行网络化构建,可以发现现阶段传销组织的行为具有隐蔽性、虚拟性及传播快的特点。传销行为可分为传统货物传销、投资理财及电子商务的传销行为。

基于文本判决书的数据分析系统的设计与实现

为了有效管理、分析海量判决书数据信息,设计和实现了判决书数据分析系统。判决书数据分析系统基于ASP.NET MVC开发模式和文本判决书信息,利用C#语言设计并开发。系统实现上传原始文本判决书数据、导出判决书数据修改、上传标准判决书数据、上市公司数据导入和管理、对判决书数据分析和统计、对判决书数据进行相关性分析等功能操作。应用结果表明判决书数据分析系统在实现上述功能上可以达到比较理想的结果,具有一定的应用前景。

受贿犯罪运行规律、内在逻辑与有效治理--基于C市基层法院30份刑事判决书的分析

通过统计发现,法释[2016]9号实施以来,受贿犯罪人呈现出性别比例失衡,年龄分布集中,高智商化等特性。在不法方面,工程项目等经济性较强的节点成为催生受贿的主要来源,犯罪数额以较大、巨大为主,但受贿行为本身的成本巨大。结构化理论中的规则与资源能够对受贿行为产生一定的解释力,而行为主体经济活动范围的有效界定、组织行为过程的公开化、自由裁量权的控制、刑量配置的公正性以及转变治理观念治理受贿犯罪的有效策略。

模糊判决—层次分析控制施工项目质量成本

提出了一种对施工项目质量成本进行事先控制的新方法——"模糊判决—层次分析"法,介绍了该方法的基本思路和原理,并阐述了使用该方法进行施工项目质量成本控制的基本步骤,指出其简单且易于操作,具有较强的实际价值。

基于时点分割的核Fisher判别分析-顺序回归机多类分类建模方法

针对多维时间序列的多类分类问题,本文提出基于时点分割思想的核Fisher判别分析-顺序回归机(KFDAORM)多类分类建模方法.该方法利用核Fisher判别分析(KFDA)与顺序回归机(ORM)的互补性得到分类决策函数;对分类样本的多维时间序列进行时点分割处理,使用决策函数得到各时点的分类级别;通过指数平滑分析得到采样周期内样本的最终分类结果.通过实例验证,该方法对多维时间序列的分类具有较好效果,是一种有效的多类分类方法.

基于条件正定核的判决分类算法研究

在非线性分类算法中,重要的技术之一是对于核技巧的使用,目前仍是尚未解决的问题。针对Mercer核约束条件强的特点,引入条件正定核函数(c.p.d.核)改善其约束条件。实验证明,对于KPCA和KDDA等判决分类方法,通过c.p.d.核的使用,仍能保持其固有分类性能,从而推广了此类方法的适用范围。

基于两个方向二维核主成分分析的手指静脉识别

手指静脉识别是一种更优于指纹识别的生物特征识别技术,具有广阔的应用前景。核主成分分析法是一种非线性特征提取方法,克服了线性提取方法未能利用图像中高阶统计信息和多个像素间非线性相关性的缺点。二维核主成分分析法解决了一维操作中出现的矩阵过大导致计算量过大的问题,但却需要更多的系数来表达图像信息,压缩效果远不如一维操作方法。文章基于核主成分分析法,结合线性判决分析法和最大边界准则分析法,对图像的垂直和水平方向分别进行二维分析,使得手指静脉识别取得了最优效果。

基于双向2DLDA与LDA相结合的SAR目标识别算法

线性判决分析(LDA)用于图像特征提取时,存在着损失二维空间结构信息、计算复杂度大的缺点。二维线性判决分析(2DLDA)弥补了LDA的缺点,但2DLDA仅消除了图像各列间的相关性,所提取的图像特征维数仍然较大。为解决上述问题,采用双向2DLDA与LDA相结合的特征提取算法对图像的行和列同时进行压缩,减少特征矩阵维数,降低计算量。实验结果表明,所提出的SAR(Synthetic Aperture Radar)图像目标识别方法有效地降低了图像数据维数,提高了识别率,并克服了方位角变化对识别结果的影响。

基于DCT融合2DPCA与DLDA的人脸识别

传统的基于主成分分析的人脸识别需要将图像矩阵转化为向量,特征提取需要花费大量时间。二维主成分分析直接利用图像矩阵,特征提取速度快,但特征数量大,影响分类速度。因此,提出了一种基于离散余弦变换(DCT)的二维主成分分析(2DPCA)和直接线性判决分析(DLDA)结合的人脸识别方法。算法首先用DCT对人脸图像进行压缩并重建,然后利用2DPCA和DLDA对人脸图像进行特征提取,最后选用最近邻分类器进行分类。在ORL人脸库上的测试结果表明,与DL-DA或2DPCA算法相比,算法具有更高的识别率。

基于人体轮廓宽度特征的步态识别

基于人体轮廓宽度特征提出了一种步态识别算法。首先对每个序列进行运动轮廓抽取,将这些时变的二维轮廓形状转换为对应的一维横向宽度信号,通过主元分析法(PCA)来提取低维步态特征,在此基础上采用线性判决分析(LDA),以获取最佳投影方向,达到提高数据分类能力的目的。在NLPR、CMU和UMF步态数据库中进行实验,结果表明算法具备快速、稳健特征,在实际应用中具备较大的价值。