一种基于人工免疫的小波特征集合最近邻人脸识别算法

将人工免疫及集合最近邻方法应用于人脸检测中,实现一种基于特征的人脸检测算法.首先对人脸图象进行多分辨率小波分解,用低频分量来描述人脸识别,实现数据压缩,并有效削弱光照的影响;然后对小波低频图象进行傅立叶变换,分析变换后的系数矩阵,取得人脸图象的特征向量;采用了人工免疫中的克隆选择算法,对一个人的多张不同表情的人脸图像进行训练,产生一个简约特征集合,用这个简约集合代表此人的人脸特征数据库;就待识别人脸而言,以待识别人脸到人脸数据库中各个人脸特征集合的集合最近邻作为识别结果.实验结果表明,人工免疫算法可以有效地获取训练样本的人脸特征集简约集合,再通过集合最近邻进行人脸识别,可以提高准确率.

无索引空间数据库的基于最优点的集合最近邻查找算法

针对度量空间中的无索引空间数据库,提出一种基于最优点的集合最近邻查找算法及其改进算法.采用真实数据集与人工生成的数据集对算法进行测试,评估所提出算法的效率.实验结果表明,所提算法的效率优于组最近邻居查询算法,并且对于高维数据空间,所提出的算法有较高的稳定性.由于查询区域中数据点的数量比较少,改进的基于最优点的集合最近邻查找算法的效率总体上要比改进前高.

一种高效的GNN查询算法的研究

给定集合P和Q,则GNN查询返回的是P中的对象p,p满足到Q中所有对象的距离的集合函数f最小。求GNN的方法有多种,文章提出了vp-GNN算法,其特点在于不采用任何索引的情况下,也能高效地对空间数据库中的数据进行裁剪,缩小查询区域、提高GNN的查询效率。

基于大数据分析的高考志愿填报算法

高考志愿填报是影响学生未来发展的一个重要转折阶段,目前中国的高考志愿填报和录取机制还存在些许不足,"高分低录""高分落榜"及未能选择到自己喜欢的专业等问题仍然存在.为了使考生能够选择自己理想的学校和专业,本工作提出了基于大数据分析的高考志愿填报算法.首先,通过对用户110道问答题目答案采集,找到用户对问题答案的最近邻集合,然后,采用支持向量机算法建立高考志愿填报模型,最后通过具体仿真对比试验对算法有效性和优越性进行分析.实验结果表明:此算法提高了高考志愿填报精准度;分析结果明显优于当前其它高考志愿填报算法.