一种基于改进样本选取的快速人脸检测方法

AdaBoost算法效果的好坏关键在于前期训练时候的弱分类器的选取,而弱分类器的选取在一定程度上依赖于样本集的选取。因而训练样本集显得十分重要。深入分析了cascade分类器与弱分类器之间的关系,从样本选取角度出发,根据检测率、漏检率与错检率三个指标,改进样本选取,提出一种快速人脸检测方法,该方法分为训练和检测两部分,主要通过对训练样本的比例优化和检测窗口的合并来实现。实验结果表明,该方法检测性能上比传统方法有更好的检测效果。     

改进的基于Gabor-LDA的人脸识别方法

鉴于Gabor特征对光照、表情等变化比较鲁棒,并已在人脸识别领域取得成功应用,提出了一种改进的Gabor-LDA算法.首先对人脸图像进行多方向、多尺度Gabor小渡滤波,然后对得到的特征向量使用改进的主成分分析方法(PCA)变换降维,采用自适应加权原理重建类内散布矩阵和类间散布矩阵,从而改进了最佳鉴别分析(LDA)判别函数,有效地解决了训练样本类均值与类中心的偏离问题.对Yale人脸库的数值试验表明,该算法比传统算法有更好的性能.     

基于Internet平台的呼叫中心的研究

在呼叫中心的建设中，为用户提供更为方便、灵活接入方式在电子商务迅速发展的今天，显得尤为重要。结合实际开发中的经验，介绍了在Internet呼叫中心平台上的一些研究成果，并讨论了其主要功能（点击通话，协同浏览，实时电子邮件处理和文本交谈）和实现方法。     

基于分块聚类的多流形判别分析人脸识别

针对传统的人脸识别算法在处理单样本人脸识别时由于训练样本不足而影响识别率的问题,提出了一种基于分块聚类的多流形判别分析(MMDA)算法.将每个单训练样本划分成若干大小相等且互不重叠的局部小块,利用聚类算法将局部小块聚类到各个类所属的流形上,并使用特征变换最大化类与类之间的分离性;最后,计算出测试人脸的流形与所有训练样本流形之间的距离,采用最近邻分类器完成人脸的识别.在ORL及FERET两大人脸数据库上的实验验证了算法的有效性及可靠性,识别率可分别高达77.22％、57.59％,实验结果表明,相比几种较为先进的人脸识别算法,该算法在处理单训练样本人脸识别问题时取得了更好的识别效果.     

空压机综合保护控制系统的应用

介绍了东滩煤矿采用西门子S7-300 PLC对多台空压机的各项温度、压力状态等参数进行集中监测和综合保护,并通过触摸屏实现集中巡回显示及控制。     

基于Gabor-2DLDA方法的人脸识别研究

结合Gabor小波、二维线性鉴别分析（2DLDA）的特点,提出一种人脸识别方法。算法首先对人脸图像进行Gabor小波变换,然后进行2DLDA处理,最后使用最近邻法则进行分类。使用这种方法在ORL、Yale人脸库上进行测试,结果表明,Gabor-2DLDA方法比其它传统方法具有更优的性能,而且在提高识别率的同时算法的复杂程度并没有明显增加。     

连接池在个性化信息服务系统中的应用

在基于Java的个性化信息服务系统中,需要经常访问数据库。但是频繁地建立、关闭连接严重影响了系统的性能,导致数据库访问性能瓶颈问题。该系统通过使用连接池,设计相应的配置、分配和释放策略解决了该问题,避免了频繁的数据库访问造成的巨大开销,实现了数据库的连接复用,保证了数据库访问的高效安全性,是该系统实现个性化的必要条件。     

基于计划识别的态势估计方法研究

针对Kautz(1987)计划识别方法在控制机制上的不足,讨论了基于规划知识图的计划识别方法;以一阶谓词逻辑为形式语言,研究了战术智能规划的一个实例,给出了一种集成了战术智能规划系统和战术计划识别系统的态势估计模型。该模型通过动态建立计划库突破了Kautz计划识别方法中封闭世界假设的限制,可以对敌军的行动目标和行动计划提出合理的假设,并在此基础上预测敌军的未来行为,为指挥决策提供依据。     

基于超像素级卷积神经网络的多聚焦图像融合算法

该文提出了基于超像素级卷积神经网络(sp-CNN)的多聚焦图像融合算法。该方法首先对源图像进行多尺度超像素分割,将获取的超像素输入sp-CNN,并对输出的初始分类映射图进行连通域操作得到初始决策图;然后根据多幅初始决策图的异同获得不确定区域,并利用空间频率对其再分类,得到阶段决策图;最后利用形态学对阶段决策图进行后处理,并根据所得的最终决策图融合图像。该文算法直接利用超像素分割块进行图像融合,其相较以往利用重叠块的融合算法可达到降低时间复杂度的目的,同时可获得较好的融合效果。     

基于3D-PCANet的阿尔兹海默病辅助诊断

深度学习在医疗辅助诊断上发挥着越来越重要的作用。然而,深度学习在辅助诊断的过程中,常常会遇到数据标签不足的问题。研究了以非监督深度学习的思想来解决数据标签不足的问题,提出了一种非监督学习方法——3D-PCANet,以对阿尔兹海默病症的MRI图像进行计算机的辅助诊断。该方法使用三维的MRI图像作为数据源。实验结果显示,3D-PCANet算法在阿尔兹海默病诊断中实现了良好的分类效果。