基于伪分类超平面的线性可分几何判定方法及应用

针对模式分类中线性可分的问题,文中将模式看作是欧氏空间中的点,研究欧氏空间中点与面的关系等解析几何性质,在一般的分类超平面概念上定义伪分类超平面.根据线性可分等价性,在需降维时进行空间映射.研究根据数据寻找伪分类超平面,给出几何意义明显的线性可分判断方法,在该方法的基础上给出一种分类复杂度的度量方法.实验结果表明,该方法较好地体现数据的分类复杂度.

基于SOFM的人脸图像聚类方法比较

通过实验探讨了几种人脸图像聚类方法的效果,并给出了一些定性的结论。首先是试图找出数据量的大小对聚类效果的影响,实验结果表明,聚类数据量的增加可以使聚类结果更好,并且使用PCA方法提取人脸特征时,人脸轮廓信息越多,聚类结果越好;其次是将人脸图像按五官分割成不同的部分,然后分别使用PCA和ICA方法提取特征进行聚类,实验结果表明使用ICA方法比使用PCA方法提取的特征的聚类效果好。

基于生成对抗网络的图像修复

针对现有图像修复算法存在受损区域的形状和大小受限以及修复痕迹明显、修复边缘不连续的问题,文中提出一种基于生成对抗网络的图像修复方法。该方法采用生成对抗网络(Generative Adversarial Networks,GAN)这种新的生成模型作为基本架构,结合Wasserstein距离,同时融入条件对抗网络(CGAN)的思想;以破损图像作为附加条件信息,采用对抗损失与内容损失相结合的方式来训练网络模型,以修复破损区域。此方法能够修复大多数破损情况下的图像。在CelebA和LFW两个数据集上的实验结果表明,所提方法能够取得很好的修复效果。

同心同向椭圆检测算法

提出了一种新的同心同向椭圆检测算法。为了满足实时性要求将算法划分为三个检测步骤检测椭圆参数,每个检测步骤充分运用了推导出的椭圆性质以及霍夫变换中投票统计的方法,使得算法复杂度明显降低,计算时间显著减少,同时保证了检测速度和准确率。实验结果表明该算法对于模拟数据和真实图像有很高的检测率,同时可以成功检测部分遮挡的同心同向椭圆。