基于稀疏特征挑选和概率线性判别分析的表情识别研究

提出一种基于稀疏特征挑选(Sparse selection)和概率线性判别分析(Probabilistic linear discriminant analysis)的表情识别方法 SS-PLDA.该方法由两部分构成:第一部分是使用稀疏的方法挑选出人脸与表情相关的区域,构造表情的完备特征集;第二部分是针对构造的表情完备特征集里仍含有一些其他信息,运用概率线性判别分析实现表情特征与干扰信息的分离,学习出一个只含有表情信息的子空间,最后基于该表情子空间进行表情识别分析.通过在CK+和JAFFE这两个数据库上面的实验,证实了基于稀疏特征挑选的方法可以得到识别性能的改善,且先使用特征挑选再对所挑选结果应用概率线性判别分析可以达到更好的提升效果.

基于AdaBoost的人脸特征挑选与特征融合算法研究

针对人脸识别中的特征挑选和特征融合问题进行研究。结合已有的基于AdaBoost的人脸特征挑选方法,挑选出最具分类能力的特征,并将挑选出的多类人脸特征在特征层进行融合,得到一个统一的人脸特征用于模式分类。通过在FERET人脸库上的实验表明,其识别方法具有良好的识别效果。

一种改进HOG特征的行人检测算法

针对HOG特征检测准确率高、计算量大的特点,通过对HOG特征的结构进行调整,提出了使用Fisher特征挑选准则来挑选出有区别能力的行人特征块,得到MultiHOG特征。该算法结合线性SVM二值分类器,实现行人滑动窗口检测。用Inria标准数据集和自行拍摄数据集进行了测试,结果证明该算法较HOG在准确率及实时性上都有很大的提高。

基于脑电信号预发作数据段选取的癫痫发作预测

为了提高癫痫发作预测的准确性,提出针对病患个体进行癫痫发作预测的算法,包括特征提取、预发作数据段选取、特征挑选与导联挑选.算法采用半重叠的2 s窗对每个导联分别提取时频特征和空域特征.从发作前期选择与发作间期相比具有最大线性可分性的连续10 min数据作为预发作数据段的有效正样本.算法通过弹性网进行特征挑选,再基于所选特征通过贪婪算法选择有效导联,将有效导联的有效特征输入到分类器中.将该算法在MIT公共头皮脑电数据库和宣武医院收集的数据集上进行测试,测试结果为:在MIT数据库上的击中率为95.76%,假阳性率为0.1073 h−1;在宣武医院数据集上的击中率为97.80%,假阳性率为0.0453 h−1.结果表明,该算法具有较高的击中率和较低的假阳性率.

从手写汉字识别系统的技术方法中探讨计算机笔迹鉴别的一些途径

本文介绍了目前国内手写汉字识别研究的现状、存在的困难、识别的过程及其技术路线和方法,探讨了计算机笔迹鉴别智能系统应包含的主要内容及其研发途径。