基于DPDW的乳腺吸收系数重建算法研究

用光子密度波(diffuse photon density waves,DPDW)检测乳腺癌是一种新的无创测量方法。由于乳腺腺体与癌变组织对光的吸收系数不同,通过光子密度波的变化重建出异物的吸收系数,可以应用于乳腺癌检测。但在实际应用中采用有限的光源-探测器对的探测数据对乳腺组织进行重建,离散化过程中引入的位置信息误差会严重影响最后的检测结果。本文提出了权值矩阵均值法,克服了离散化过程误差。仿真验证了该方法的有效性。

磁盘阵列错误隐藏的DCT系数重建算法研究

基于 DCT变换的图象压缩 ,以块为单位进行 DCT变换把图象从时域转换到频域 .由于能量主要集中在少数低频系数 ,再结合量化、编码 ,可以实现有效的压缩 .基于 DCT的错误隐藏算法可用于客户端近似重建图象 ,隐藏存储系统或传输信道带来的错误 .本文针对磁盘阵列中单个磁盘的失效 ,提出了三种客户端的基于 DCT编码的图象错误隐藏算法 。

基于重建系数的子空间聚类融合算法

针对稀疏子空间聚类(sparse subspace clustering,SSC)和低秩子空间聚类(low rank subspace clustering,LRSC)这两种子空间聚类方法的聚类准确率和稳定性不够高,提出一种基于重建系数的子空间聚类融合算法(reconstruction coefficients based subspace clustering combination algorithm,RCSCC)。该算法基于重建系数,将稀疏子空间聚类和低秩子空间聚类分别得到的相似度矩阵进行点乘融合运算,然后再用谱聚类来得到最后的聚类结果。实验结果表明,改进后的聚类融合算法不仅提高了聚类的准确率,还有效提高了聚类的稳定性和鲁棒性,从而验证了改进后的算法是有效可行的。

面部表情识别中基于TTL的特定个体学习模型

针对现实生活中采集的特定个体数据稀疏而导致学习时产生过拟合的问题,提出了一种基于迁移学习的特定个体学习模型。首先,利用直推式迁移学习从源数据提取有用信息并将其添加到目标数据;然后,利用核主成分分析进行特征提取;最后,将各个样本建模为流形,并利用稀疏系数重建和k近邻分类器完成识别。在PAINFUL数据库上的实验结果表明,所提模型在痛苦表情上的识别精度可高达96.29%,ROC下方面积可高达0.904,相比其他几种较新的模型,所提模型取得了更好的识别性能。

基于分布式低秩表示的子空间聚类算法

针对基于低秩表示的子空间分割算法运算时间较长、聚类的准确率也不够高,提出一种基于分布式低秩表示的稀疏子空间聚类算法(distributed low rank representation-based sparse subspace clustering algorithm,DLRRS),该算法采用分布式并行计算来得到低秩表示的系数矩阵,然后保留系数矩阵每列的前k个绝对值最大系数,其他系数置为0,用此系数矩阵构造一个稀疏的样本关系更突出的相似度矩阵,接着用谱聚类得到聚类结果.但是其不具备增量学习功能,为此再提出一种基于分布式低秩表示的增量式稀疏子空间聚类算法(scalable distributed low rank representation based sparse subspace clustering algorithm,SDLRRS),如果有新增样本,可以利用前面的聚类结果对新增样本进行分类得到最后的结果.实验结果表明:所提2种子空间聚类算法不仅有效减少算法的运算时间,还提高了聚类的准确率,从而验证算法是有效可行的.

利用判别共同向量方法选取ROI的面部遮挡人脸识别

人脸识别中面部遮挡易影响识别性能,针对该问题提出一种判别共同向量方法。该方法利用DWT对训练图像进行预处理,利用DCVA提取特征以确定感兴趣区域,计算测试图像与训练图像之间的多流形距离,并利用稀疏重建系数和最近邻分类器完成识别。在AR及LFW人脸数据库上的实验结果表明,该方法的识别率可高达99%,相比其他几种较新的面部遮挡识别方法取得了更高的识别率,同时减少了识别所耗的时间。

基于字典学习的传统民族服饰多标签标注算法

为了实现对传统民族服饰图像文化内涵的自动挖掘,提出了基于字典学习的传统民族服饰图像多标签标注算法.该算法在原有相似系数结构不相关字典学习方法基础上,对重建系数判别能力进一步增强,实现多标签标注任务.首先,利用支持向量机(SVM)算法对重建系数进行线性分类;接着,为每一类别构建一个字典,同时对SVM分类错误的样本进行惩罚;然后,将字典与重建系数不断迭代求解;最后,利用测试样本重建误差和重建系数在分类器中的分类效果完成标签预测.实验结果证明了该方法性能上有所提升,并且在不同数据上的结果更加稳定.