含高维相依自变量的中心k阶条件矩子空间的估计

在回归分析中往往对条件均值,条件方差及高阶条件矩特别感兴趣.本文我们将关注中心k阶条件矩子空间在高维相依自变量情形的估计问题.为此,我们首先引入中心k阶条件矩子空间的概念,并研究该子空间的基本性质.针对高维相依自变量的复杂数据,为了避免预测变量协方差阵的逆矩阵的计算,本文提出用偏最小二乘方法来估计中心k阶条件矩子空间.最后得到了估计的强相合性等渐近性质.

指派问题新解法——目标值子矩阵法

针对0-1整数规划中的传统指派问题,由工程实践问题提出了一种全新的解法——目标值子矩阵法.对于n个变量的传统指派问题,一般只需n次运算即可找到最优解,简单易懂,与全枚解法和其他隐枚解法相比,极大地降低了计算量.如果把这种方法应用在计算机中,将使编程简化,计算次数减少,运算速度大为提高.

基于矩-傅里叶描述子人脸图像识别

本文介绍了在Radon变换下的图像矩特征的抽取方法,并得到图像的矩特征矩阵;进而对矩特征矩阵按行向量进行傅里叶交换组成矩-傅里叶描述子特征矩阵,采用矩阵的加权欧氏距离作为人脸图像的匹配识别的算法,产生较好的结果。

基于机构位移模态子矩阵法的铰接杆系机构奇异与运动分岔分析

提出通过追踪机构位移模态子矩阵行满秩与否来判断机构运动分岔点的新方法——机构位移模态子矩阵法.该方法将铰接杆系机构的自由节点分为驱动节点和从动节点,对应描述机构构型的变量分别为控制变量和状态变量.建立铰接杆系机构平衡矩阵,由奇异值分解得到整体机构位移模态,定义驱动节点对应的机构位移模态矩阵和从动节点对应的机构位移模态矩阵为机构位移模态子矩阵,当机构位移模态子矩阵出现非行满秩现象时,驱动节点或从动节点获得自由度,机构运动发生奇异.通过单自由度和两自由度机构算例分析证明了此方法的正确性与有效性.

基于矩—小波描述子的人脸图像识别

介绍了在Radon变换下的图像矩特征的抽取方法,并得到图像的矩特征矩阵;进而对矩特征矩阵按行向量进行小波变换组成矩-小波描述子特征矩阵,采用矩阵的加权欧氏距离作为人脸图像的匹配识别的算法,产生较好的结果。

多尺度模型与矩描绘子相结合的手势识别算法

提出了一种基于单目视觉的手势识别算法.通过用户初始化过程获取基本识别参数,结合视频跟踪的过程实时获取用户手势区域,在该区域内采用矩描绘子与多尺度模型相结合的方法进行特征提取,对于提取出的特征采用分类识别规则,实现对手势1～10的正确识别.经过试验证明,该算法可以适用于不同用户,识别正确率达到93.5%.

矩傅立叶描述子矩阵及其在模式识别中的应用

通过对基于形状的模式识别问题研究现状的探讨,在以前人们研究成果的基础上,提出了一种新的形状描述子——矩傅立叶描述子矩阵(Moment Fourier Descriptor Matrix:MFDM),它能够描述一些由非闭合区域组成的复杂形状物体,且表现为相对与图像的平移、尺度变化和旋转的不变量,因此可以用于一些复杂形状物体的识别,如文字。

一种基于感知成型及矩傅立叶矩阵描述子的鲁棒性数字水印方案

提出了一种结合离散小波变换(DWT),离散余弦变换(DCT),感知模型(HVS)及矩傅立叶矩阵描述子(MFMD)的图像数字水印方案。该方法把原始图像进行二维DWT分解,保留其高频细节部分,然后对小波逼近子图进行二维DCT变换并结合HVS进行水印嵌入。水印的检测则采用了相关性与MFMD相结合的方法。实验结果表明该水印方案很好地实现了水印系统所要求的基本特性,诸如嵌入有效性,保真度,数据有效载荷及鲁棒性等等。

融合WMD矩阵与2DPCA的人脸特征抽取与识别

提出了一种融合小波矩描述子(WMD)矩阵与二维主成分分析(2DPCA)的人脸特征抽取与识别算法。该方法抽取描述人脸本质特征的WMD矩阵,利用2DPCA对该矩阵进行投影压缩降维,抽取人脸最终鉴别特征,利用最近邻分类器对特征进行分类识别。NUST603人脸库上的实验结果验证了算法的有效性。

评《大定府志》以“矩州语讹为贵州,于是始有贵州之名”的谬误之说

我省清代史学家以宋太祖将最先归附于宋的“矩州”,嘉称为“惟尔贵州”一语,套用黔中称“矩子”为“櫃子”为同一物名这一叫法,于是想当然地演绎为“矩州语讹为贵州”,说成“于是始有贵州之名”起源的出据典籍。笔者认为,史学家们以宋太祖敬呼“矩州”为“惟尔贵州”抬举之词的“贵州”代称,将一部由宋徽宗以“黔南路”军事手段“拓地环二千里”形成的新型区划,始建的一个真正的黔省“贵州防御使”之史统统抹掉,从而导致至今无人破译“贵州”行政区划源于“黔南路”历史源流的断层史。

复杂背景下BP神经网络的手势识别方法

针对手势图像的肤色特点,结合肤色在RGB空间的阈值分割和YCbCr颜色空间上的聚簇特性,以及背景模型的应用,有效减少了背景中类肤色的干扰,完成了手部图像在复杂背景下的检测和分割;并采用图像的7个不变Hu矩描述子来表征不同二值化的手势轮廓;最后采用BP神经网络进行手势识别。实验结果表明该方法有较好的识别率和鲁棒性。

基于整合蛋白质进化保守性的伪氨基酸组成成分预测蛋白质亚细胞定位(英文)

蛋白质亚细胞定位信息对于确定蛋白质功能非常重要,它可以提供蛋白质在什么细胞环境下相互作用或与其它分子作用的信息,另外,如果知道蛋白质在细胞中的定位将有助于在细胞水平上理解复杂的蛋白质调控路径。面对后基因时代产生的海量蛋白质序列数据,迫切需要-些自动、快速、准确地确定蛋白质亚细胞定位的方法。为此,通过整合蛋白质进化保守信息,文章提出一种新的方法预测亚细胞定位。该方法基于Chou的伪氨基酸组成成分概念,应用改进的进化保守性算法计算蛋白质序列中每一个残基的保守值,从而使每一蛋白质序列可用基于小波多尺度能量而构建的特征向量来表示。另外,蛋白质序列还可用其它特征提取方法提取的特征向量来表示,如氨基酸组成成分、加权自相关函数和矩描述子。将这些特征向量输入到多类支持向量机分类器,通过积规则系统融合这四类特征分类器的分类结果。与他人结果相比,在Jackkife交叉验证下和独立样本测试下,该方法获得了较高的预测精度,说明提出的整合蛋白质进化保守性和多特征分类器融合思想,对于蛋白质亚细胞定位预测是有效的,可与现有方法互补。

一种简单实用的手势识别算法

本文提出了一种简单实用的手势识别算法，即对预处理后的手势图像先采用投影法获取手势所在的矩形区域，然后在这个矩形区域内采用矩描绘子获取手势的重心，再采用多级菱形样板提取指尖的数量与具体位置，最后采用分类识别规则，得到最终的识别结果。采用本方法可以实现对手势1～10的正确识别。经过试验证明，本文提出的方法实现简单，识别时间短，而且识别正确率高。