基于加权邻域极大边界准则的人脸识别

极大边界准则是近年来提出的一种有监督的线性空间降维方法,该方法通过求解一般的特征方程来获得最优的特征向量,不用计算高维矩阵的逆,克服了特征提取中遇到的小样本问题。然而,极大边界准则只选择数据的全局结构,忽略了数据局部几何结构,而在人脸识别中,数据的局部几何结构起着非常重要的作用。针对极大边界准则这一局限性,提出了一种新的极大边界准则算法。该方法选择数据的邻域点最优重构系数用在目标函数中,保留了数据的局部几何结构,从而在低维空间中提取出更好的分类特征。本文还将该方法用在人脸识别中,通过在两个数据库中的实验,证明了其较主成分分析法,线性判别式方法以及平均邻域极大边界准则算法具有更好的识别性能。

基于子模式的加权邻域极大边界准则的人脸识别

本文提出了一种基于子模式的加权邻域极大边界准则的人脸识别算法。该方法首先在训练过程中对人脸图像进行子块划分,采用邻接点的类信息自适应地计算每块的权重以提高人脸在姿态、表情以及光照等变化下的鲁棒性。其次,对每块图像采用加权邻域极大边界准则进行特征提取,该准则充分利用了数据的类信息,选择数据的邻域点最优重构系数用在目标函数中,保留了数据的局部几何结构,从而在低维空间中提取出更好的分类特征。最后在识别过程中,融合待识别图像在各子块中与训练图像的相似度进行识别。实验结果表明,本文算法能够有效地提取局部特征,较好地保留原始数据的非线性结构,较其他全局方法如主成分分析方法,线性判别式方法和加权邻域极大边界准则算法具有更好的识别性能。

中立型方程的稳定性:边界准则(英文)

研究了中立型方程 x′(t) =Lx(t) + Mx(t-τ) + Nx′(t-τ) 的渐近稳定性 ,其中 L,M,N∈ Cd× d是常数复阵 ,τ为常数延时量 .利用在一个区域边界上对一种相应的调和函数的估计 。

基于最大边界准则的稀疏局部嵌入特征提取方法

针对局部线性嵌入算法(LLE)无法利用样本的鉴别信息,最大边界准则算法(MMC)对非线性数据处理能力较弱的不足,提出一种基于最大间距准则的稀疏局部嵌入(SLE/MMC)特征提取算法。在保持局部近邻的前提下,首先在类内紧致图中使同类样本尽可能地聚集在一起;然后在类间惩罚图中使不同类别的样本尽可能分离;最后使用弹性网回归算法得到一个最优的稀疏投影矩阵。为了避免小样本问题,采用MMC的形式构造目标函数。在ORL、Yale以及UMIST人脸库上的实验结果可以看到,同其他几种方法(PCA、LLE和MMC)相比,SLE/MMC具有更高的识别率,表明该方法具有更高效的特征提取能力。

WIMMC:加权的增量式极大边界准则算法

一些经典降维算法并不是最优的降维策略,它们不再适用于流形式且大尺度的Web文本数据,因此提出了一种加权的增量式有监督的降维算法,称为加权的增量式极大边界准则(Weighted Incremental Maximum Margin Criterion,WIMMC)。WIMMC通过加权得到比传统算法更好的结果,而且可以增量地有监督地处理大尺度的Web文本数据。给出了算法的收敛性证明和一些实验,并从实验结果可以看出,通过WIMMC降维之后的分类效果比其他降维算法更有效。

非货币性资产交换准则适用边界问题的探讨

具体会计准则不仅规范特定业务处理的原则和方法,更为重要的是界定特定业务的适用边界。如果一项具体准则适用边界不清晰,或者与其他准则存在相互矛盾,这样不仅不能进行正确的业务核算,还有可能造成相同业务不同的会计处理,其结果是无法为报表使用者提供有用的财务信息。因此辨别一项经济业务具体适用哪一项具体准则就显得尤为重要,这也就是准则适用边界的问题。2019年新颁布的CAS7—非货币性资产交换准则尽管较原准则对不同业务处理适用不同准则边界的问题有了明确的规定,但是对某些特定业务具体适用哪一项准则仍存在规范不清晰的缺陷。本文尝试对非货币性资产交换准则与其他准则适用边界问题进行探讨,其目的就是为了能够更加清晰的理顺准则之间内在逻辑的一致性。

基于RMDLPP的雷达空中目标分类

针对鉴别局部保持投影(discriminant locality preserving projections, DLPP)在窄带雷达目标数据降维时出现的类内离散度矩阵奇异和对孤立点敏感进而导致类别之间可分性弱的问题,提出了基于鲁棒性边界DLPP(robust margin DLPP, RMDLPP)的窄带雷达空中目标分类方法。首先,在计算样本之间距离时将两样本点的欧氏距离与同类样本均值相关联。然后,挑选一定数量的边界样本点进行处理并对优化DLPP目标函数进行降维。最后,使用高性能分类器对降维后的数据进行区分,实现对空中目标的分类。通过对X波段对空警戒雷达实测数据的对比实验表明,所提方法具有更好的分类准确率和对孤立点的鲁棒性。

延时微分代数方程的稳定性准则(英文)

主要研究延时微分代数方程的渐近稳定性.并利用在一个环形区域边界上对一种相应的调和函数的估计来描述这两种准则.

中立型延时微分代数方程的稳定性准则(英文)

研究了中立型延时微分代数方程的渐进稳定性.给出了判断其稳定性的两种稳定性准则,并利用在一个环形区域边界上对一种相应的调和函数的估计来描述这两种准则.

延时微分方程的稳定性准则(英文)

对于线性延时微分方程x'（t）＝Ax(τ)＋Bx（t－τ），其中A，B∈Rd×d是常数矩阵，τ为常数延时量，本文给出了判别其稳定性的两种稳定性准则，并利用在一个环形区域边界上对一种相应的调和函数的估计来描述这两种准则．

基于WCPO准则的鲁棒四阶累积量盲波束形成算法

基于边界误差性能最优准则(WCPO)的鲁棒性方法是波束形成算法领域内的最新研究热点,本文将该鲁棒性方法与基于高阶累积量的盲波束形成算法相结合,提出了一种新的改进鲁棒性的四阶累积量盲波束形成算法,即WCPO-RCUM算法.该新算法相较于采用传统对角线加载技术的高阶累积量盲波束形成算法RCUM而言,进一步提高了稳健性和输出信干噪比.计算机仿真验证了该算法的可行性和有效性.

中学德育应重视学生“学知”能力的培养

中学德育的根本任务是引导学生学知与学做。相比较看,学知是学做的前提。引导学生学知,就是训练学生认知法则、了解规律,形成基本的道德认知力和道德判断力。为此,需要从学知己、学知人、学知事、学知识等方面入手,引导中学生了解世界、事物、人之间的关系、因果,培养中学生懂得做人“底线”,明确为人为事的行为“边界”,训练中学生“自为”与“善待”的伦理意识和行动力。

一种碎纸自动拼接中的形状匹配方法

碎纸自动拼接技术是图像处理与模式识别领域中的一个较新但是很典型的应用,它是通过扫描和图像提取技术获取一组碎纸片的形状、颜色等信息,然后利用计算机进行相应的处理从而实现对这些碎纸片的全自动或半自动拼接还原。碎纸自动拼接过程一般包括图像预处理和匹配两个主要步骤。形状匹配是碎纸自动拼接过程中的关键技术,但是至今为止,没有很成熟的方法应用于相关工作中。该文给出一种从提取碎纸片轮廓线出发,通过边界准则和面积准则来判断两个轮廓是否匹配来达到碎纸拼接目的的方法,实现了基于计算机辅助的碎纸自动拼接还原。

一种二次投影识别蛋白质谱数据的新方法

作为一种蛋白组学工具,质谱法的使用对疾病的早期诊断和治疗带来了革命性的变化。然而,由于面临"维数灾难"问题,大部分机器学习方法不能直接用于识别蛋白质谱数据,同时这些方法也面临着识别性能较低的问题。借鉴主分量分析(PCA)与局部线性判别嵌入(LLDE)在人脸识别方面取得的较好效果,提出了用于蛋白质谱数据识别的二次投影法(DTP)及改进的二次投影法(MDTP)。该方法先对数据去噪并用T检验降维,再提取均方误最小的第一次投影特征向量与可分性最好的第二次投影特征向量,最后将预处理过的数据先后在二次特征向量空间投影并分类。在卵巢癌蛋白质谱数据上的实验表明,二次投影及其改进方法识别性能较好,优于现有各方法。

一种用于特征提取的保局判别分析算法

针对保局投影(LPP)为无监督算法的局限,提出了一种新的监督版的LPP,即保局判别分析(LPDA)算法。LPDA吸收了流形学习算法与最大边界准则(MMC)的共同特点,可以将高维的人脸数据投影到低维子空间,具有能处理新样本与无小样本问题的优点。与现有的多种经典相关方法相比,从Yale,UMIST及MIT 3个人脸数据库的实验结果表明,提出的LPDA算法在降维的同时提取了用于人脸识别的更有效的特征,人脸图像识别性能较好,具有较强的判别分析能力。

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。

基于类内子空间学习的局部线性嵌入算法

为了充分利用样本的类别信息,提取出更加有效的分类特征,提出一种基于类内子空间学习的局部线性嵌入算法。该算法首先获取类内离散矩阵的子空间,然后采用类内子空间构成类间离散矩阵;为了进一步增强算法的性能,使用了结合最大边界准则与局部线性嵌入算法的目标函数。最后在人脸数据库上的实验结果表明,同其他算法相比,ISL/LLE算法具有更好的识别性能。

一种改进鲁棒性的CAB盲波束形成算法

基于边界误差性能最优准则的鲁棒性方法是波束形成算法领域内的最新研究热点,将该鲁棒性方法与CAB(周期自适应波束形成)算法相结合,提出了一种新的改进鲁棒性的CAB盲波束形成算法。该算法与采用传统对角线加载技术的R-CAB盲波束形成算法相比,进一步提高了稳健性和输出信干噪比。计算机仿真验证了该算法的可行性和有效性。

顾及超像素光谱特征的无人机影像自动模糊聚类分割法

针对现有流行模糊C均值聚类在影像分割中存在边界依附能力弱,分割不稳定及需要手动设置聚类数目等问题,提出一种顾及超像素光谱特征的无人机影像自动模糊聚类分割方法。相对于传统分水岭变换算法,该方法首先采用两步边界推进准则,生成轮廓更加精确、形状规则更加紧凑的超像素子区域;然后,提取子区域光谱特征并结合重缩放密度峰值算法自动获取聚类数目;最后,综合利用超像素光谱特征与隐式马尔可夫随机场思想对模糊聚类进行改进,实现超像素精确合并。通过两组影像数据的定性分析和定量评价表明,本文方法能准确定位目标边界,获得较好的视觉分割结果,同时有效提高了影像分割精度。

利用改进的图像修复的联合帧间差错隐藏算法

针对图像修补的不足和视频帧间编码的特点,提出利用改进的图像修复的帧间差错隐藏联合算法.根据丢失宏块的周围宏块的运动相关性和正确接收情况对丢失宏块进行运动性和可用性判断,如果丢失宏块属于静止宏块且可用性不为零,则采用改进的图像修补隐藏帧间差错,否则采用外边界匹配准则进行差错隐藏;并在图像修补中对置信度、等照度和修复方向等方面进行了改进.该算法既发挥了图像修复对纹理丰富区域的修复优势,也克服了图像修补对运动区域的隐藏效果不好的缺陷.实验结果表明,该算法可以带来主观和客观质量上的提高,并且明显克服了外边界匹配算法带来的视频抖动.