基于判别式序列表的均值漂移目标跟踪算法

针对目标周围的背景信息对目标跟踪算法的影响,基于判别式序列表提出了一种改进的均值漂移目标跟踪算法.利用目标外观特征来描述目标模型与候选目标,同时通过判别式序列表对目标外观建模并对目标周围的背景信息进行描述.基于均值漂移跟踪框架,把目标外观模型与判别式序列表目标外观模型相结合来改进传统的均值漂移跟踪算法.在几个图像序列上对提出的算法与均值漂移算法进行了测试.实验结果表明:本算法能改善传统均值漂移跟踪算法,较均值漂移算法有更高的跟踪精度和更具鲁棒性的跟踪效果.

基于模型距离和支持向量机的说话人确认

针对采用支持向量机的说话人的确认问题,提出采用背景模型、说话人模型、测试语句模型间距离和夹角作为支持向量机的特征矢量,同时将组特征矢量与广义线性判别式序列核函数的参数相拼接,能够取得相对于基线的混合高斯模型算法更高的识别率。在2004年NIST评测数据库上,采用推荐算法的系统等错误率比基线的混合高斯-背景模型系统低16%。对说话人识别取得一定进展。

四次正多项式的正分解

研究次数为4的符号正多项式的正分解问题,得出四次正多项式分解为一次和三次正多项式乘积的充要条件.

一类不等式成立的条件

在符号计算、代数计算及不等式的自动推理的研究中,带符号系数的多元不等式组的判定问题占有重要地位.一个一元符号多项式的正定性可根据它的实根个数为零作出判定,并利用多项式的判别系统来完成,在高次的情形得到的结果已相当复杂.但对于带符号系数的一元不等式组的判定问题,仅用其中每个多项式的判别系统已不能达到目的.利用多项式的推广的判别式序列,我们讨论了带符号系数的一元不等式组的判定问题,并用例子说明我们的方法能给出不等式组成立时系数应满足的条件.

复系数多项式的根分类

通过建立多项式的完全判别系统，彻底解决了复系数多项式根的完全分类问题；而且，把所得算法用Ｍａｐｌｅ编成一个通用程序，使多项式的完全判别系统及其完全根分类由计算机自动生成，绝不需要人工的干预。

两个多项式的根的相对分布的显式判定

研究两个多项式的根的相对分布的显式判定问题,得出两个三次多项式的根的相对分布以及二次和四次多项式的根的相对分布的显式判定.

非线性代数方程组的正解数

利用关于一元多项式实根个数的显式判准、多项式的判别式序列、判别矩阵的顺序主子式序列和Sturm序列的变号数,给出了关于二元非线性代数方程组正解数的一个显式判准(假设方程组的解是有限的).

区间上多项式根数目的显式判定

给出文字系数多项式在区间（ａ，＋∞）内的根数目的一个显式判定，由此可判定一般区间内根的数目．

判断有理系数多项式方程是否存在实数解的初等方法

给出判断有理系数多元多项式方程组是否存在实数解的初等方法,从而证明多元多项式方程组的实解存在性可在有限步内自动判定.基于此,给出判定有理系数多元多项式方程组是否存在实数解的算法.

自动发现不等式型定理的一个完备算法

利用多项式的判别式序列、WR算法、吴消元法及部分的柱形代数分解算法 ,给出了能自动发现不等式的一个实用算法 .该算法无须事先对结果做任何形式的猜测 ,而能全自动地发现新不等式 .该算法对一大类不等式型定理是完备的 ,而且可用于几何约束问题的实解分类 .在Maple下 。

采用高斯概率分布和支持向量机的说话人确认

在采用支持向量机的说话人确认中,将语音特征参数相对于通用背景模型各高斯分量的概率分布作为支持向量机输入,在线性核函数的情况下,系统能取得与广义线性判别式序列核函数(GLDS)几乎相同的识别率,同时该高斯概率分布算法能够与混合高斯背景模型、广义线性判别式序列核函数的得分进行融合,进一步提高识别性能.在2006年 NIST SRE 1conv4w-1conv4w 数据库上,融合后的系统相对于基线的混合高斯模型最多有25%的等错误率下降.