切线距离的SVD方法在汉字识别细分问题中的研究

针对手写体汉字字形变化复杂，而传统的欧式距离对汉字形变比较敏感。将基于切线距离的SVD分解选取切线向量方法应用于大字符集脱机手写体汉字识别细分类中，取得了较好的识别结果。实验证明，采用SVD选取切线向量的方法具有较好的通用性和重复性，适合应用于手写体汉字识别。     

切线距离中选取切线向量的SVD方法

提出了一种使用SVD自动选取切线向量的系统方法，并指出在多类问题中存在一个最优的切线向量数使得误差最小。该方法不但通用性和重复性好，而且识别精度高。手写数字识别的实验证明了该方法观点的有效和正确性。     

基于图像轮廓曲线的拐点检测算法

拐点是图像很重要的特征,包含图像的主要结构信息，拐点检测对图像配准、目标识别和三维重建等任务的处理都有着非常重要的作用。从研究轮廓上点的曲率出发，针对传统基于轮廓的拐点检测算法对噪声和局部变化敏感而造成检测结果不稳定的问题，提出一种间接反映轮廓曲率特性的方法，记为APTD(Accumulation of Point to Tangent Distance)。使用高斯函数对轮廓曲线进行平滑处理，轮廓上点的曲率越大则该点附近的点到该点处切线的距离也越大，根据这一思想，将轮廓上点附近支撑域内的点到该点所对应切线相对距离的累加和作为拐点的判别函数，从而实现轮廓拐点的检测。经由数学推导表明所提出的算法具有合理性和可行性，对比实验分析表明该算法精度高、运算量小、定位准确。     

仿射不变的自适应局部线性嵌入

目的: 为将流形学习有效应用于图像的降维与识别中,并消除图像的仿射变换对流形结构产生的影响,本文提出一种仿射不变的自适应局部线性嵌入算法。方法: 该算法在局部线性嵌入的基础上,为适应产生各种仿射变换的图像样本,引入切线距离计算各样本之间的相似程度,以此描述样本空间中的距离,并通过图像相似度函数自适应计算样本空间中每一点的邻域数量。结果: 实验结果表明,该算法能够构造出更合理的低维流形结构,并有效提升统计识别的正确率。结论: 本文算法对仿射变换不敏感,表现出更强的稳健性。     

一种基于切线的曲线直线拟合的矢量化算法

提出一种在位图矢量化系统中用直线拟合曲线的新算法.算法利用曲线的一系列切线寻找曲线上与切线距离为门限距离的点作为直线拟合的特征点.算法包括两个步骤:尖点提取和直线逼近.第一步将曲线中具有局部曲率极大值的尖点提取出来,并利用尖点将曲线分割为多个曲线片断;第二步利用曲线片断的切线系找出特征点,再分别用直线依次将邻近两特征点相连,即完成拟合过程.经实验表明,算法既能准确提取边界形状的特征关键点,又能有效地实现对曲线的直线拟合.     

形状角计算改进及其在矩形目标识别中的应用

目的 在轮廓特征识别中,形状角理论已经被证明为一种有效方法.形状角的计算精度和时间开销取决于轮廓上各离散点处切线方向的计算效率.现有基于Vialard算法的切线方向计算方法在处理矩形轮廓时步骤烦琐且存在较大的误差,导致使用形状角识别矩形时效率不高.针对此问题,提出一种基于傅里叶拟合的离散点切线方向计算方法.方法 首先对离散点进行极坐标转化,然后使用傅里叶级数拟合整个轮廓,最后再对拟合之后的曲线求导,从而计算出轮廓上各点的切线方向.结果 在本文所给出的实例中,本文方法计算平均耗时为1.5775 s,传统方法平均耗时为156.155 s,且计算结果更加精确.结论 本文方法可以避免Vialard算法及其衍生方法在处理矩形轮廓时产生的过度迭代的问题,时间复杂度降低两个数量级,结果更加准确.最后,将所提的改进形状角计算方法应用矩形轮廓识别中,通过实例分析,验证了该方法的准确性和可靠性.     

带有给定切线多边形的^2和C^3Bezier闭样条曲线

了与给定切线多边形相切的分段四次和五次Ｂｅｚｉｅｒ曲线，所构造的曲线是Ｃ＾２和Ｃ＾３连续的，且对切线多边形是保形的。曲线上的所有Ｂｅｚｉｅｒ曲线段的控制顶点切多边形的顶点直接计算产生。最后实例表明，本文的方法是有效的。     

带有给定切线多边形的C^2连续的C—B样长曲线

描述了一种与给定切线多边形相切的C－B样条曲线的算法，在算法中，所有的C－B样条曲线的控制点可以通过对切线多边形的顶点简单计算产生，所构造的曲线对切线多边形具有保形性，曲线可以局部修改，最后给出了三个算例。     

与给定多边形相切的G3-连续三角曲线

论述了与给定切线多边形相切的三角曲线,构造曲线是G3连续的,且对切线多边形是保形的.三角曲线方法与传统的Bezier方法、B样条方法相比,具有光滑性好、切点的变动范围更大、无需额外信息、逼近性好等优点.最后,通过实例加以比较说明.     

与给定多边形相切的类三次三角曲线

首先介绍了一种以三角函数为基函数的类三次三角曲线．然后讨论了构造与给定多边形相切的类三次三角闭曲线的方法，利用该法所构造的曲线对切线多边形不仅是保形的，而且可以局部修改．最后，给出了实例．     

级联式滑模观测器的永磁同步电机鲁棒滑模控制

提出了一种基于无速度传感器运行的永磁同步电机非线性控制方法。针对电机速度和位置观测,设计了一种新颖的级联式滑模观测器,解决了传统滑模观测采用低通滤波器的相位延迟问题。前级电流滑模观测器得到反电动势,后级反电动势滑模观测器获取转速和位置信息,利用李亚普诺夫理论进行了稳定性分析。针对速度控制,提出了带扩张状态观测器的滑模速度控制器取代PI调节器,提高了系统的鲁棒性。在滑模观测和控制中均利用双曲正切函数取代符号函数,削弱了系统抖振。将上述方法应用到永磁同步电机矢量控制系统中,通过仿真验证方法的有效性。     

利用骨架模型和格拉斯曼流形的3D人体动作识别

为了通过几何特征的有效方法描述人体骨骼运动,构建3D人体动作识别系统,提出一种基于3D骨骼关节空间建模方法。首先,使用自回归和移动平均模型（ARMA）描述每个随着时间变化的运动轨迹,成功捕捉了时空动态运动信息。同时,将该模型的观察矩阵生成的子空间作为格拉斯曼流形中一个点;然后,通过学习控制切线（CT）描述每个类的均值,映射学习过程中的观察变量到所有CT形成局部切丛（LTB）,LTB流形数据点可直接在分类器上完成分类;最后,提出的方法使用SVM分类器完成训练和分类。MSR-action 3D、Weizmann和UCF-Kinect三个数据库的实验结果验证了该方法的有效性,与几种基于深度数据的算法相比,该方法获得了最高的识别率,在延迟性方面的性能也表现最优,当帧数为30时,识别率达到97.91%,在延迟较高时,可达到期望识别率。     

基于Tanh多层函数的量子神经网络算法及其应用的研究

该文提出一种新的改进激励函数的量子神经网络模型。首先为了提高学习速率,在网络权值训练过程中引入了动量项。然后为了有效实现相邻类之间具有覆盖和不确定边界的分类问题,新网络采用区分度更大的双曲正切函数的叠加作为其隐层激励函数。最后将该算法用于字符识别,将双曲正切激励函数的量子神经网络应用于数字、字母和汉字样本的多次实验,并且与原多层激励函数量子神经网络和BP网络的实验效果进行比较,发现改进后量子神经网络不仅具有较高的识别率,而且在样本训练次数上相对原多层激励函数量子神经网络有明显减少。仿真结果证明该方法的优越性。     

Comparison and improvement of tangent estimators on digital curves

Many contour-based applications rely on the estimation of the geometry of the shape, such as pattern recognition or classification methods. This paper proposes a comprehensive evaluation on the problem of tangent estimators on digital curves. The methods taken into account use different paradigms: approximation and digital geometry. In the former paradigm, methods based on polynomial fitting, smoothing and filtering are reviewed. In the latter case of digital geometry, we consider two methods that mainly rely on digital straight line recognition [J.-O. Lachaud, A. Vialard, F. de Vieilleville, Fast, accurate and convergent tangent estimation on digital contours, Image and Vision Computing 25(10) (2007) 1572-1587] and optimization [B. Kerautret, J.-O. Lachaud, Robust estimation of curvature along digital contours with global optimization, in: Proceedings of Discrete Geometry for Computer Imagery, Lyon, France, Lecture Notes in Computer Science, vol. 4992, Springer, Berlin, 2008]. The comparison takes into account objective criteria such as multi-grid convergence, average error, maximum error, isotropy and length estimation. Experiments underline that adaptive methods based on digital straight line recognition often propose a good trade-off between time and precision and that if precision is to be sought, non-adaptive methods can be easily transformed into adaptive methods to get more accurate estimations.     

改进的线性局部切空间排列算法

线性局部切空间排列算法（LLTSA）是一种能很好的适用于识别问题的非线性降维方法,但LLTSA仅仅关注了数据的局部几何结构,而没有体现数据的整体信息。本文提出了一种基于主成分分析（PCA）改进的线性局部切空间排列算法（P-LLTSA）,该算法在Linear-LTSA的基础上,考虑了样本的全局结构,进而得到更好的降维效果。在经典的三维流形和在MNIST图像库手写体识别的实验中,识别率较PCA、LPP,LLTSA有明显提高,证实了该算法在识别问题中的有效性。     

基于迭代切距离原型学习算法的步态识别

作为唯一远程生物认证技术,步态识别一方面越来越受到人们的重视,提出了很多相应的算法,另一方面,它又面临着很多挑战,其难点之一是如何从多帧步态中有效地提取步态特征,针对此问题,并基于步态能量图(GEI)在步态特征表示上的效果,提出了一种迭代切距离原型学习算法,假定各人的步态分布在不同流形上面,首先用切距离改进步态能量图的定义,进而用迭代的方法来解一个最优解问题,从而学习出步态原型图,再通过PCA对步态原形进行特征提取,最后进行识别,证明了该方法的收敛性,实验结果表明所提出的方法取得了比GEl更好的识别率,并证明了步态流形的假设的合理性.