基于WKGV-KICA的盲源信号分离算法

基于核学习的非线性映射能力,提出一种小波核广义方差的核独立成分分析算法WKGV-KICA.小波核函数具有近似正交,适用于信号局部分析的优点.与互信息相联系,将核广义方差作为对比函数对统计独立性进行衡量,可以获得理想的数学特性.将该算法应用于宽范围的盲源分离问题的实例中,并与现有算法进了比较.实验结果表明,WKGV-KICA算法在同等条件下的分离精度更高,而且性能更好.

基于核独立成分分析的人脸识别研究

在人脸识别中提出一种基于非线性子空间的核独立成分分析(KICA)方法。在简单介绍了ICA方法的基础上,对KICA方法的基本原理和算法作了较为详细的描述。为了验证基于KICA和ICA的人脸识别方法的识别效果,进行了对比实验和分析。实验和分析结果表明,在人脸识别中,基于KICA的方法优于基于ICA的方法。

Mercer Kernel图模型学习

文中提出一类学习图模型结构的算法,该算法是基于一种称为kernel generalized variance (KGV)的度量方法.此度量方法允许我们在由Mercer核产生的特征空间中处理高斯变量.进而我们能学习包含任意类型的离散和连续变量的图.文中还研究了该方法的计算性能,给出如何在线性时间内完成相关统计的计算.并用离散和连续变量进行测试.

天生战斗狂——铃木RGV 250SP

据日本新闻媒体报道,在’95年度全日本道路赛上,铃木车队以一款全新赛车,横扫千军,勇夺250毫升级道路赛总冠军。该车就是铃木XR95。也许人们对XR95还比较陌生,实际上由XR95移植到普通道路车种的新型号,已经制造出来,并运往各国经销,这就是全新的RGV250SP摩托车(见图)。 一台全新设计的70°V型前倾发动机。