基于独立时空特征空间的人体运动合成

如何通过指定约束条件的方式交互式地合成风格化人体运动是计算机动画研究领域的热点和难点,传统的数据驱动办法通常没有全面考虑运动的静态和动态特性.针对这一问题,文中提出人体运动的独立时空特征空间模型,利用一个可变形运动模型和独立特征子空间分析算法提取运动在时空两个域上的特征,并将其封装起来,通过低维子空间进行描述.运动风格的编辑可利用低维运动混合和空时约束优化等方法来实现.该方法充分考虑了运动在时域上的特征,并为用户提供了可编辑接口.文中以各种风格的行走运动为例讨论了该方法的有效性,结果证明效果良好,可用于交互式运动风格编辑.

基于PCA及ICA的双空间特征提取算法

任何一种单子空间特征提取算法都不能在任何情况下优于其他子空间算法,但是采用双子空间却可以克服单子空间的局限性。为了提高分类结果的正确率,提出了一种基于PCA及ICA的双空间特征提取算法,该算法采用ICA作为PCA的补空间进行特征提取,其目的是将在PCA子空间中难以识别的样本,再次投影到ICA子空间中进行识别。该算法可分为以下两个步骤:首先进行预分类,即在一个子空间内同时使用两种分类器对测试样本进行分类,若某个测试样本被两种分类器划分到不同的类,则将该测试样本加入到新测试样本集中;然后将新测试样本集中的测试样本再次投影到另一个子空间中进行分类识别;最后,将识别结果与预分类结果一起进行正确率测试。在ORL及FERET人脸库上的实验结果表明,该算法的模式识别率明显优于传统的特征提取算法。

一种基于ICA和LDA组合的人脸识别新方法

特征提取是模式识别研究领域的一个热点。本文提出了一种基于独立成分分析和线性鉴别分析的特征提取方法。该方法中引入了零空间的概念,指出了前人算法中的不足之处,并且给出了一个完整的独立成分分析和线性鉴别分析的组合算法。在 ORL 和 Yale 人脸数据库上的实验表明了该方法的有效性。

基于ICA的非线性自适应特征融合的人耳识别

针对单一特征的人耳识别对旋转角度鲁棒性差的问题,提出一种非线性自适应特征融合的方法.首先提取人耳的2种具有互补性质的独立成分特征,然后将它们加权串联形成高维融合特征;最后通过核主元分析方法实现非线性降维.实验结果表明,当人耳有姿态旋转时,融合特征较单一特征的识别率有显著提升,且文中方法比传统的串联融合的识别结果更好.

特征空间递归更新的ICA算法及发酵过程监测应用

及时更新监测模型以适应过程的时变特性,对准确检测出化工过程异常和设备故障具有重要意义。针对普通独立元分析(ICA)算法在更新计算监测模型时计算复杂度高、效率低的缺点,提出了一种基于特征空间递归更新的在线独立元分析(RUFS-ICA)算法。将算法应用于青霉素发酵过程的在线建模与监测中,与普通ICA方法相比,仿真统计结果表明,平均误警率降低至1.67%,基本克服了漏报现象;与其他在线更新算法相比,复杂度明显降低,计算时间减少54.1%,节省了存储量。

基于PCA余像空间的ICA混合特征人脸识别方法

为改善传统的基于特征脸的人脸识别方法在识别光照变化较大的人脸时效果不尽理想的缺陷,提出一种基于“PCA余像空间”的ICA混合特征人脸识别方法。不同于2阶PCA人脸识别方法,用独立元分析法代替主元分析法,对“PCA余像特征脸集”进行独立元特征抽取得到人脸图像基于PCA余像空间的独立元特征,并综合人脸图像的原始独立元特征得到混合特征作为最终识别的特征。实验表明,基于PCA余像空间的ICA混合特征人脸识别方法,在识别光照、表情等外界因素变化较大的人脸图像时,要优于传统的基于特征脸的识别方法、基于ICA的识别方法以及基于2阶PCA的人脸识别方法,并具有较强的适用性。

基于ICA特征的运动阴影检测算法

为防止运动阴影在视频图像序列中被错误地检测为目标,必须提高阴影检测算法的准确性和普适性。为此,从独立分量分析(ICA)的原理及其特性出发,提出一种基于空间变换技术的运动阴影检测算法。该算法通过对视频序列建立高斯混合背景模型产生自适应背景,利用ICA技术对其进行空间变换提取特征,再通过背景与当前帧图像对应像素点在特征空间的位置特征来分类运动阴影与前景目标。实验结果表明该方法能够较好地抑制噪声,减少光照变化的影响,准确地检测出阴影。

原点无关最近特征分类器及在人脸识别的应用

受最近特征线分类器的基本设计思想启发,将最近邻法向平面和空间推广,提出了原点无关最近特征平面和原点无关最近特征空间分类器.与最近特征平面、最近特征空间分类器相比,原点无关最近特征分类器最大的优势就在于其定义的特征子空间不依赖于原点位置,而仅由同模式的若干个特征点决定.这种定义提高了相应的模式相似性度量的合理性与有效性.以人脸识别为例,对多种分类器的性能进行比较.实验结果表明,原点无关最近特征分类器在识别率、稳定性等方面均优于同阶的最近特征分类器.

基于特征空间变换的纠错输出编码

针对基于纠错输出编码多类分类中如何保证基分类器差异性的问题,提出一种基于特征空间变换的编码方法.该方法引入特征空间,将编码矩阵扩展成三维矩阵;然后基于二类划分,利用特征变换得到不同的特征子空间,从而训练得到差异性大的基分类器.基于公共数据集的实验结果表明:该方法能够比原始的编码矩阵获得更优的分类性能,同时增加了基分类器的差异性;该方法适用于任何编码矩阵,为大数据的分类提供了新的思路.

基于独立分量分析的文本特征提取算法

文本特征提取的正确高效直接影响聚类结果准确率,针对文本特征提取中文本数据的高维、高噪声问题,提出采用独立分量分析作为文本特征词的提取技术。采用TF-IDF方法形成文本特征的数字描述矩阵--向量空间模型,使用独立分量分析算法实现对矩阵的关键特征词提取,使用非负矩阵分解及其扩展算法对矩阵进行聚类分析,实现聚类。