地理专家系统的知识化数据模式研究

介绍了地理专家系统的知识化数据模式的设计原理与实现方法,采用知识表示的框架网络结构描述地理环境的实体单元,将各级专家知识的表示以指针链接,形成了由知识到语义的框架网络.采用了基于知识的扩展R-F关系数据模式进行专家知识的表示,并讨论了系统知识库的组织结构和推理机的设计原理.该数据结构可以实现地理实体及其相互关系的完整性描述,并使系统知识库的操作简便易行,保证了推理机的实现.并以乌鲁木齐河流域为试验区,阐述了流域土地合理利用规划决策专家知识的表示方法,以及专家知识表示的基本规则和系统专家知识的组织方式.此外,还讨论了系统推理机推理规则的设计原理与组织方法及推理算法.

基于改进随机Hough变换的虹膜定位算法

针对随机 Hough变换 (RHT)中随机采样造成的大量无效采样和无效积累问题 ,提出了基于连续曲线段的 RHT(CRHT)算法并应用于虹膜定位中 ,它一方面利用了边缘图像的连续特性减少无效采样的数量 ,另一方面利用了精度不高的梯度方向信息减少无效积累的问题。实验结果证明改进的 CRHT算法提高了虹膜定位速度。

基于迭代顺序滤波子空间约束的可拒识-支持向量机微钙化点检测

为提高钙化点检测速度,克服微钙化点检测中假阳性高的缺点,本文构造了一种迭代顺序滤波子空间约束的可拒识-支持向量机分类器用于钙化点检测.训练时利用迭代顺序滤波检测作为钙化点的粗检测算子,然后在其约束的子空间内收集非钙化点训练样本.对于输入模式,首先利用基于最大软间隔超平面的支持向量分类器(SVC)进行分类判决;然后对真实的钙化点样本特征空间求取最小的包含球形边界,得到钙化点样本的球形支持向量域表示(SVDD).对于输入模式即可利用钙化点的支持向量域表示进行拒识或接受处理.仿真实验结果表明,本文提出的算法在不影响微钙化点的检出率的情况下,大大提高了检测速度,部分解决了假阳性高的问题.

健康智能家庭研究现状

健康智能家庭是指为那些本应该住院的人们——慢性病人、老年人和残疾人等——提供在自己家里独立、健康、安全、方便的日常生活。阐述了健康智能家庭的研究现状,给出了实验模型、系统模型和其中的家庭监护模块,重点介绍了传感器技术,并指出了所关注的技术领域的发展趋势。

基于支持向量学习的多目标并行区域增长图像分割算法研究

为克服经典区域增长算法中生长规则以及特征选取的困难,提出了基于支持向量机的多目标并行区域增长图像分割算法。首先交互选择多个不同区域的种子点(假设邻近种子点的一小部分区域属于同一目标区域,不同种子点邻域分别属于不同目标区域),利用其邻域构造训练样本;然后利用这些已知的训练样本训练支持向量分类器;在区域增长过程中,利用训练所得的支持向量模型建立增长规则。为了避免初始种子点位置选择对算法性能的影响,采用了多区域并行竞争增长策略。仿真实验获得了较好的分割效果,表明提出的算法是合理可行的。

一种用于说话人辨认的概率神经网络的MCE训练算法

提出了一种基于最小分类错误准则的概率神经网络的训练算法。实验结果表明 ,这种分类网络及其学习算法在 30个说话人辨认应用中利用 5秒清晰语音获得 98.4%的辨认率 ,利用 15秒电话语音获得 85 .1%的辨认率。

基于几何分析的支持向量机快速训练与分类算法

当支持向量机中存在相互混叠的海量训练样本时,不但支持向量求取困难,且支持向量数目巨大,这两个问题已成为限制其应用的瓶颈问题。该文通过对支持向量几何意义的分析,首先研究了支持向量的分布特性,并提出了基于几何分析的支持向量机快速算法,该算法首先从训练样本中选择出部分近邻向量,然后在进行混叠度分析的基础上,选择真实的边界向量样本子空间用来代替全部训练集,这样既大大减少了训练样本数目,同时去除了混叠严重的奇异样本的影响,并大大减少了支持向量的数目。实验结果表明:该算法在不影响分类性能的条件下,可以加快支持向量机的训练速度和分类速度。

一种新的用于说话人辨认的PNN分类器的研究(英文)

给出了一种新的类条件密度函数估计的σ PNN模型,它基于模式层共享的PNN和模式层分离的PNN,即每个类不仅拥有一组只属于自己的模式层,还拥有所有类都共享的几个模式层,这里共享意味着每个核函数对所有类的条件密度估计都有贡献.新模型的训练采用最大似然准则,并改进了EM算法来调整模型参数.闭集文本自由说话人辨认试验证明了提出的模型及其算法的正确性.

结构风险最小化近邻分析解决大规模训练集支持向量机学习问题

SVM是利用靠近边界的少数向量来构造最大间隔的分类超平面,当海量样本之间存在相互混迭时,支持向量数目急剧增加,导致训练难度增大。针对该问题,本文将结构风险最小化近邻分析与支持向量机相结合构成了一种新的SVM学习方法。它首先根据各个训练数据的类间最近邻距离利用结构风险最小化近邻分析选择训练子集;在选择的样本子空间内采用乘性规则直接求取Lagrange因子,而不是传统的二次优化方法;最后加入附加剩余样本进行交叉验证处理,直到算法满足收敛性准则。各种分类实验表明本文提出的算法具有良好的性能,特别是在训练样本庞大,支持向量数量较多的情况下,能够较大幅度的减少计算复杂度,提高分类速度。

基于SVM能量模型的改进主动轮廓图像分割算法研究

为克服经典主动轮廓模型曲线内外区域能量定义在复杂目标与背景分布情况下的不足,本文将高效的支持向量机有监督学习分类器引入基于Mum ford-shah模型的主动轮廓图像分割算法中,提出了基于SVM能量模型的改进主动轮廓图像分割方法.该方法首先利用支持向量机的分类结果对于封闭曲线的内外区域分别构造了一种新的图像能量表示方法,因为分割过程充分利用了有监督学习策略,使得本文提出的算法具有更高的稳定性和更加广泛的适用范围,特别是对目标灰度分布不均或存在多纹理的目标也可以得到较好的分割结果.分割时,首先利用SVM实现粗分割得到目标初始轮廓,然后利用改进的Mum ford-shah主动轮廓模型进行精确分割,采用粗分割策略一方面可以大大提高分割速度,另一方面也可以提高了算法的自动化程度.对比实验结果表明本文提出的算法具有更大灵活性和更好的分割性能.

基于异方差的PNN训练算法的研究

给出了一种基于高斯核函数有不同协方差的混合模型的异方差 PNN的实现。传统的 ML 估计方法和 EM算法在训练异方差 PNN存在数学上的困难甚至导致算法失败。从协方差的根源出发提出了协方差限制的简单 EM改进算法 ,又基于杰克刀技术提出了鲁棒性的 EM改进算法。此外又从信息论出发提出了基于最小相对熵的训练新算法。闭集文本自由说话人辨认试验证明了提出的模型及其算法的正确性。

模糊C-均值聚类新算法在说话人辨认中的应用

该文提出了一种将模糊C-均值聚类法的各种改进算法与矢量量化法相结合的说话人辨认的新方法。首先从语音信号中提取MFCC特征矢量,其次利用矢量量化来设计码书,最后用改进算法对待识语音进行辨认。新算法的辨认率达到95%以上,抗噪性能也优于矢量量化法。

基于贡献矩阵的微钙化点检测

提出了基于贡献矩阵的特征提取方法。首先采用基于结构分析的统计方法构造贡献矩阵,利用贡献矩阵对图像预处理;通过二维主成分分析方法提取图像特征。将此算法用于微钙化点图像特征提取,利用支持向量机分类器进行分类。实验结果表明,该算法加快了训练速度,同时有效地降低了微钙化点检测的假阳性。

乳腺X线影像中微钙化点检测新方法

提出利用贡献矩阵对图像预处理,利用二维主成分分析方法提取区域特征。先检测感兴趣区域,再检测微钙化点,并提出质量可分级的支持向量机作为分类器,最后利用顺序滤波法对钙化点的检测结果进行修正。实验结果表明,该算法有效地降低了假阳性。

基于多尺度-局部方向轮廓综合的鲁棒虹膜定位算法

针对现有虹膜外边缘定位算法鲁棒性差的不足,本文提出多尺度-局部方向轮廓综合实现鲁棒虹膜定位的思路.该算法首先利用Gabor分解提取虹膜图像的多尺度-局部方向轮廓,在此基础上选择多个近垂直局部方向的子图进行综合而增强近垂直局部方向的虹膜边缘轮廓;在已有虹膜内边缘定位基础上根据先验知识选择有效的关键虹膜外边缘区域(消除干扰),再采用标准Hough确定虹膜外边缘形状参数,最后利用Hough变换进行小范围精确定位.仿真实验结果表明本文提出的算法在速度、稳定性方面优于现有文献报道的虹膜定位算法.

基于最佳样本标记的主动支持向量机学习策略

支持向量机通过随机选择标记的训练样本进行有监督学习,随着信息容量的增加和数据收集能力的提高,这需要耗费大量的标记工作量,给实际应用带来不少困难。本文提出了基于最佳样本标记的主动支持向量机学习策略:首先利用无监督聚类选择一个小规模的样本集进行标记,然后训练该标记样本集得到一个初始SVM分类器,然后利用该分类器主动选择最感兴趣的无标记样本进行标记,逐渐增加标记样本的数量,并在此基础上更新分类器,反复进行直到得到最佳性能的分类器。实验结果表明在基本不影响分类精度的情况下,主动学习选择的标记样本数量大大低于随机选择的标记样本数量,这大大降低了标记的工作量,而且训练速度同样有所提高。

基于模糊K近邻决策的柔性SVM分类算法

当海量样本之间相互混迭时,支持向量数目急剧增加,导致训练难度增大的同时SVM分类器性能明显下降。针对该问题,在此构造模糊KNN决策与支持向量机相结合的新的柔性SVM分类器。它先建立所有训练样本的类间最近邻距离,根据各个训练数据的类间最近邻距离进行升序排列;然后根据模糊k近邻分析结果对训练样本集进行修剪,在剩余空间中选择合适规模的样本子空间进行SVM训练。在分类阶段,首先计算待识别样本和SVM超平面的距离,如果距离大于某一设定门限,直接利用SVM进行分类,否则带入到所有支持向量与修剪样本合成的模糊KNN分类器中进行分类判决。对比实验结果表明,提出的算法无论是训练速度还是分类精度都远远好于单独的SVM分类器。

基于特征信息保护的虹膜图像压缩算法

本文提出了将小波零树编码与神经网络矢量量化相结合实现特征信息保护的虹膜图像压缩思路。该方法利用形状编码与树状映射策略对虹膜重要特征信息区域对应的小波系数进行定位,对包含重要特征信息的小波系数进行近无损压缩,对非特征区域采用树结构矢量组合进行三方向的矢量量化压缩编码。该方法解决了不同区域图像质量要求不同的压缩问题,可以实现渐近解码。仿真实验结果表明本文提出的算法是合理可行的。

基于位平面的渐近式数字水印技术

将JPEG 2000中的EBCOT编码与现代水印技术相结合提出了基于图像内容中位平面特征的渐近式水印技术，利用位平面特征来同步水印的顺序，图像被分解为多个位平面上的数据，对各个位平面的重要数据按照顺序先后在压缩的同时嵌入水印信息。实验结果证明该方法改善了水印的不可见性和同步性的矛盾。

基于小波包分解变换的图像数字水印嵌入算法研究

介绍了一种改进的基于小波包分解的自适应数字水印算法.该算法首先对水印图像作预处理置乱,然后对宿主图像进行3层小波包分解变换.在水印嵌入算法中,提出一种基于人类视觉特性(HVS)和小波包基的自适应水印嵌入算法.该算法引入人类视觉特性和基于小波包基的多分辨率嵌入技术,以达到更好的抗攻击鲁棒特性和视觉效果.