基于形状和纹理特征的人脸年龄估计方法

采用活动形状模型ASM将人脸分成若干个三角形,然后使用局部二值模式LBP提取每个三角形区域的纹理特征,并通过支持向量回归对年龄进行估计。本文在著名的FG-NET年龄数据库上采用Leave-one-person-out(LOPO)模式进行实验,使用平均绝对误差和累积指数作为评价标准。实验结果表明,无论是年龄估计还是年龄段估计,本文提出的算法的平均绝对误差都小于AGES算法。同时在实验中也发现,嘴部区域的纹理对年龄估计的影响不大。     

基于EM的信号pathway重构

提出了一种不依赖于数值数据的重构方法。以从文献中或相关数据库中搜集到的参与同一个信号pathway的各分支的基因组成为样本,在各样本中同时出现的基因一定具有相同调控顺序的前提下,建立一阶Markov链模型,利用EM算法对模型参数进行估计,挖掘出基因间的因果关系进而构建出网络的拓扑结构,弥补了许多重构算法的不足,使预测更具生物学意义。对PKA和MAPK/Erk pathway的重构实验证明了算法的有效性。     

基于XMPP的企业即时通信系统研究与应用

针对越来越多的企业因需要对外开展在线客户服务、对内实现协同办公而面临管理和信息交换的问题,在分析基于XMPP（eXtensible Messaging and Presence Protocol）即时通信系统相关技术的基础上,进行了企业即时通信系统的总体设计,研究了该系统在企业开展在线客户服务和企业协同工作中的应用。系统基于一个架构提供服务,采用分层设计的理念,具有自动化、可管理性和可集成性,体现了精益服务的理念。系统的应用减低了企业服务成本,提升了企业服务效率,规范了服务管理,改变了企业员工传统的通信方式,提高了企业协同化程度。     

混合属性数据聚类的新方法

提出了一种数值型和类别型混合属性数据聚类的全局算法。算法通过随机选取足够多的初始原型来覆盖数据集的全局分布信息,然后通过评估函数迭代地消去多余的原型。最后对本文算法进行了验证,证明了该算法的有效性和收敛性。并与其他已有同类型算法的聚类结果进行比较,说明本文算法对混合属性数据具有更高的聚类准确度,为解决混合型数据聚类问题提供了一种新途径。     

群核进化粒子群优化方法

粒子群优化方法（PSO Particle Swarm Optimization）是由Kennedy和Eberhart于1995年提出的进化计算技术,并成功应用于各类优化问题。其基本思想源于对鸟群捕食等群体行为的研究。本文对标准PSO方法进行了分析,给出了“群核”（Swarm-Core）的概念,并在此基础上,提出了群核进化粒子群优化方法（Swarm-Core Evolutionary Particle Swarm Optimization,SCEPSO）,同时把该方法与其它版本PSO方法进行了比较。试验结果表明：在相同环境下,SCEPSO方法能较好地克服传统PSO方法中的不足,测试结果较其它几个版本的PSO方法有很大提高,是非常有效的。     

包装件非线性特性识别的进化神经网络混合方法

提出了一种将遗传算法和BP算法相结合的关于结构化神经网络的混合训练方法 ,并将其用于解决包装件缓冲垫层非线性特性识别问题。在该方法中 ,提出了一种新的自适应变异操作技术及将遗传算法与BP算法进行自适应切换的实施方案。用于两种典型的包装件缓冲垫层材料的模拟识别结果表明 :应用此方法可以有效地解决包装件缓冲垫层非线性特性识别的问题 ,同时也为神经网络的混合训练提供了一种新的可行的途径。     

广义连续反馈型神经网络的稳定性

通过对连续Hopfield网络模型的抽象,提出了广义连续反馈型神经网络的概念,指出一种不需要构造能量函数对网络模型的稳定性进行分析和判别的方法,同时给出了相应的数学证明。     

二次分配问题的粒子群算法求解

文章采用了一种新的算法,即粒子群算法(PSO)去解决二次分配问题(QAP),构造了该问题的粒子表达方法,建立了此问题的粒子群算法模型,并对不同的二次分配问题算例进行了实验,结果表明:粒子群算法可以快速、有效地求得二次分配问题的优化解,是求解二次分配问题的一个较好方案。PSO算法在很多连续优化问题中已经得到较成功的应用,而在离散域上的研究和应用还很少。文章应用PSO算法解决QAP问题是一种崭新的尝试,它对于将PSO算法应用于离散问题,特别是组合优化问题无疑具有启发性,并为进一步深入研究奠定了基础。     

一种改进的ART1算法及其在人像识别中的应用

本文通过对自适应共振理论（ＡＲＴ）ＡＲＴ１的研究,提出了一种改进的ＡＲＴ１算法,这种算法不仅具有ＡＲＴ１算法的所有优点,而且降低了ＡＲＴ１算法的识别识误差。该算法在人像识别中取得了令人满意的效果。