结合FSVM和KNN的人脸表情识别

为了提高人脸表情的正确识别率,提出了一种组合模糊支持向量机(FSVM)和K-近邻(KNN)的人脸表情识别的新方法.该方法通过主成分分析(PCA)提取人脸表情特征,对于待分类的不同区域,根据区分程度自适应划分为不同区域类型;并结合FSVM和KNN算法的特点,对不同区域类型切换分类算法.实验表明,此方法既能保证分类的精确度,又能简化计算复杂度.     

一种基于粗糙间隔的模糊支持向量机

 以模糊支持向量机(FSVM)为基础,同时考虑样本在间隔中的位置对决策超平面的影响,提出了基于粗糙间隔的模糊支持向量机(RFSVM).通过计算各个数据点的模糊隶属度,并利用最大化粗糙间隔方法,对具有隶属度的数据进行训练以获得决策超平面.在此算法中,位于下间隔中的训练点比边界域中的训练点具有较大的惩罚值,以便更好地减少噪声或野点对超平面的影响.利用选择的标准数据集对几种不同算法进行了实验比较,结果表明了RFSVM算法的有效性.     

基于多尺度残差网络的运动模糊复原方法

针对运动模糊图像复原过程中,由于运动带来的模糊程度,以及模糊方向不一致等因素,导致图像复原效果不佳的问题,提出了基于多尺度残差网络的运动模糊复原方法。基于深度卷积神经网络的方法,利用模糊尺度评价因子进行模糊等级划分,提取多尺度残差块的图像特征,进行图像模糊去除。在Tensorflow框架下搭建网络结构,采用GOPRO和K?hler数据集进行算法验证,实验结果表明,在峰值信噪比(PSNR)指标相较于同类算法分别提高了6.4%和5.3%。     

基于改进的格拉斯曼流形的模糊人脸图像识别

传统算法进行模糊人脸识别的过程中,一旦人脸表情发生变化,人脸特征也将发生改变,导致人脸识别的准确性降低。为此,提出一种基于改进的格拉斯曼流形的模糊人脸识别方法。在格拉斯曼流形上构建全部模糊人脸样本图像的近邻图来估计人脸特征分布的几何结构,然后将其作为正则化项整合到模糊人脸识别的目标函数中,从而获得更精确的人脸特征投影矩阵。仿真实验结果表明,利用改进算法进行模糊人脸识别,能够提高识别的准确率和效率,效果令人满意。     

基于模糊识别恶意代码检测技术的研究

在恶意代码检测的过程中,假设恶意代码隐藏的比较深,很难对恶意代码特征进行完整、准确的提取.利用传统算法进行恶意代码检测,恶意代码的分布情况都是未知的,没有充分考虑到不同类别代码特征之间的差异性,降低了恶意代码检测的准确性.为此,提出基于模糊识别的恶意代码检测方法.根据支持向量机相关理论,提取恶意代码特征,并将上述特征作为恶意代码识别的依据.建立模糊识别辨别树,计算识别对象属于恶意代码的概率,实现恶意代码的检测.实验结果表明,利用改进算法进行恶意代码检测,能够极大提高检测的准确性.     

适用于组合特征识别的最近邻模糊分类器

在用多种特征进行简单的串联组合识别时,不同特征具有不同的特征类型和衡量尺寸,针对串联组合特征的这种特点,提出了一种最近邻模糊分类器.该分类器首先把待识别目标的组合特征与训练模板中的组合特征样本一一进行比较,从而得到了一个特征差矩阵.提出用模糊分布函数在同类特征差之间进行处理,生成一个隶属度矩阵,然后用算术平均法对隶属度矩阵进行处理,并用最大隶属度准则来进行分类判决.识别框架表明最近邻模糊分类器对组合特征中的各种不同特征的特征类型和衡量尺寸没有一致性要求,也无需对串联组合特征矢量做任何预处理.最后,用外场实测数据进行验证,结果表明,最近邻模糊分类器能够有效地解决多种特征串联组合的雷达目标识别问题.     

指纹图像对比度模糊增强算法

指纹图像采集过程常会造成对比度不强等非线性失真,基于模糊逻辑的处理方法常用于改善指纹图像质量。研究了模糊特征平面增强算法和基于广义模糊算子的图像增强算法,将两种算法应用于指纹图像对比度增强,并对增强结果进行比较分析。实验结果表明,采用这2种方法均可以在一定程度上提高指纹图像低灰度区域和高灰度区域之间的对比度,从而提高图像的质量,使增强后的指纹图像结构更清晰。     

基于运动模糊效应的图像测速方法

通过分析影像与成像平面以及地面景物之间相对运动关系,建立了航拍图像运动模糊模型,分析了模糊带宽度和相机运动及曝光时间之间的关系,设计了基于模糊带边缘增强和自相关分析的模糊带宽度测量算法,在此基础上提出了基于运动模糊效应的图像测速方法.给出了实用的测速算法,并分析了像素尺寸、模糊带宽度、相机姿态等对测速精度的影响.与传统的基于多普勒、地形匹配等测速算法相比,此方法无需增加额外设备和保障数据,实现更为简单.算例分析表明,此算法对于速度无剧烈变化的准匀速运动具有较好的测速效果,为飞行器实时飞行速度的测量提供了一种新的解决手段.     

一种基于模糊近邻标签传递的半监督分类算法

提出了样本分布无关,模型简单,单控制参数的模糊近邻标签传递算法.该算法依据样本与其k个近邻的模糊相似性连接,使类别标签从标签数据向未标签数据传递,实现未标签数据的分类.最后,通过人工合成数据和UCI数据集中数据的分类实验验证了该算法的简单有效性.     

基于模糊多特征递归分组算法的隐树结构图模型学习

隐树结构图模型通过引入了隐藏节点来描述变量之间的潜在关系,因而可以更好地对变量之间的相关性进行建模。树模型学习过程中,从变量观测数据所提取的有用特征数量,决定了该模型对变量间深层关系的建模能力;而现有学习算法都是对观测数据直接计算统计量来进行模型学习,未能按观测数据中的特征分类处理。针对现有算法对观测数据中信息利用不充分的不足,该文提出基于模糊多特征递归分组算法的隐树模型学习方法。首先,将变量的原始观测数据通过反映其特征的模糊隶属度函数转化成多个模糊特征,并构造多维模糊特征向量;其次,计算两两变量模糊特征向量之间的距离,并将其综合得到所有变量之间的模糊特征向量距离矩阵;最后,基于该距离矩阵,利用递归分组算法学习隐树模型。该文还将所提算法应用于股票收益数据和气温数据建模,验证了该文算法的实用性和有效性。     

基于模糊平面的信号识别方法

将一维信号变换到二维坐标平面往往更有利于描述信号的时变特征,从而实现信号的分类识别。基于离散时频分布的信号识别方法,将时频核设计问题转化为以信号自模糊函数为原始特征的特征选择问题,以实现特征降维和信号识别。时频核设计孤立考察模糊平面上各个特征点,且降维空间中存在着识别信息冗余。将核设计的原理推广,直接基于模糊平面进行信号识别,利用K—L展开和线性变换对自模糊函数进行特征提取,在降维空间内综合了各原始特征共有的分类信息,并去除特征之间的相关性,从而比时频核设计方法具有更优的信号识别性能。     

基于近邻搜索花授粉优化的直觉模糊聚类图像分割

为克服传统模糊聚类算法应用于图像分割时,易受噪声影响,对聚类中心初始值敏感,易陷入局部最优,模糊信息处理能力不足等缺陷,该文提出基于近邻搜索花授粉优化的直觉模糊聚类图像分割算法。首先设计一种新颖的图像空间信息提取策略,进而构造融合图像空间信息的直觉模糊聚类目标函数,提高对于噪声的鲁棒性,提升算法处理图像中模糊信息的能力。为了优化上述目标函数,提出一种基于近邻学习搜索机制的花授粉算法,实现对于聚类中心的寻优,解决对于聚类中心初始值敏感,易陷入局部最优的问题。实验结果表明所提算法能在多种噪声图像上取得令人满意的分割效果。     

一种基于模糊融合的直线提取算法

直线是许多图像处理与分析中广泛使用的特征,其提取算法的优劣直接影响到高层次视觉处理的复杂度和难度,综合分析了目前已有直线提取算法的优缺点,提出了一种基于模糊融合的直线提取算法.该算法首先对图像中的直线进行简单提取,然后利用模糊数学理论对直线的多种几何结构特征和物理特征进行融合计算,最终根据模糊融合得到的判决结果完成直线的连接.该算法不仅具备分辨率高和能够提取出低对比度直线的特点,而且能够保证直线提取的完整性.实验结果表明了该方法的有效性和实用性.     

基于模糊K最近邻和证据理论的增量式超文本分类方法

为有效利用超文本中HTML标记提供的分类信息,文中分析了HTML标记对分类的影响,提出了一种基于模糊K最近邻和证据理论的增量式超文本分类方法,该方法将超文本的分类处理分为基于标题、重要段落和全文三个阶段,利用模糊K最近邻方法计算每阶段文本的分类隶属度,利用证据理论增量式融合阶段分类结果,当已有的分类结果可以确定超文本的分类时,对后续阶段不再做处理,实验表明,和全文KNN方法相比,该方法能有效提高分类的查全率和查准率,同时,由于不需要对所有文本进行全文分析,该方法具有更高的执行效率.     

基于相对熵的水下图像模糊增强与边缘检测算法

采用一种基于相对熵的水下图像模糊增强算法对深海结核分布丰度图像进行处理.该算法首先使用基于阈值选取的图像分割原理确定一个阈值参数,然后根据此阈值参数定义隶属函数,从而将图像转化为等效的图像模糊特征平面,通过在模糊平面上采用相对熵的算法对图像进行增强运算,最后实现对图像的边缘检测.仿真结果表明该算法是有效的.     

基于可区分性加权的模糊核说话人识别

 针对训练和识别语音数据较少的情况,本文提出了一种新的说话人识别算法.通过核映射,在高维特征空间对说话人的语音特征进行模糊矢量量化.为了增加说话人之间的可区分性,提出了一种基于高维特征空间的码字矢量的权值分配方法,对具有较强区分性的码字矢量分配较大的权值,并将产生的权值和说话人的码书一起形成说话人数据库.识别时,提出一种模糊核加权最近邻近分类器,在高维特征空间中对说话人进行匹配.实验表明,该算法在训练语音少于8s,识别语音为1s时,能够得到较好的识别结果.     

簇间可分的鲁棒模糊C均值聚类算法

与经典的K均值聚类算法相比,模糊C均值(FCM)聚类算法通过引入模糊因子,考虑不同聚类数据簇之间的相互关系,得到可分性更好的聚类结果。但是模糊因子的引入,使得任意一个样本点都存在模糊性,造成FCM极易受到噪声和离群点的影响,聚类结果泛化性能较差。因此,该文提出一种簇间可分的鲁棒FCM算法(RBI-FCM)。RBI-FCM利用K均值算法对模糊隶属度的稀疏特征,降低不同数据簇之间的相互作用,突出不同数据簇相邻区域的可分性;另外,RBI-FCM在极小化数据簇内部散布度的条件下,考虑不同数据簇之间的可分性,可提高聚类模型的泛化性能。该文设计了有效的模型求解迭代算法。实验结果表明,RBI-FCM算法提高了FCM的鲁棒性,有效降低FCM对数据簇分布差异性和抽样不均衡的敏感性,得到理想的聚类结果。     

毫米波辐射图像的运动模糊参数辨识

针对平面扫描毫米波辐射成像系统和被成像场景之间的运动模糊问题,提出了一种基于Radon变换和微分自相关运算的运动模糊参数辨识方法.首先对原始运动模糊图像两次傅立叶同态变换谱的二值化图像进行Radon变换以估计运动模糊方向,然后在此方向上利用运动模糊图像的微分自相关运算得到运动模糊长度,最后以运动模糊方向和运动模糊长度为参数结合维纳滤波算法对运动模糊图像进行恢复,并引入基于图像灰度梯度向量模方和的运动模糊图像清晰度评价函数,实现对原始运动模糊图像及恢复图像质量的评估,从而达到衡量本文算法辨识精度的目的.实验结果表明,该算法能够准确辨识毫米波辐射图像的运动模糊参数,并具有良好的抗噪声干扰性能及稳定性.     

基于特征加权的模糊聚类新算法

在聚类分析中,针对不同类型的数据,人们设计了模糊k-均值、k-mode以及k-原型算法以分别适合于数值型、类属型和混合型数据.但无论上述哪种方法都假定待分析样本的各维特征对分类的贡献相同.为了考虑样本矢量中各维特征对模式分类的不同影响,本文提出一种基于特征加权的模糊聚类新算法,通过ReliefF算法对特征进行加权选择,不仅能够将模糊k-均值、k-mode以及k-原型算法合而为一,同时使样本的分类效果更好,而且还可以分析各维特征对分类的贡献程度.对各种实际数据集的测试实验结果均显示出新算法的优良性能.     

基于遗传模糊分类器的入侵检测系统研究

入侵检测技术巳成为网络安全领域研究的焦点.文中将模糊理论与遗传算法相结合,利用模糊集合理论搜索优化的特征模糊集,提出了一类基于模糊关联规则的分类器,并用遣传算法对分类器的模糊规则库进行优化,构建高效的入侵检测系统.仿真测试证明了系统的有效性.