一种时间序列频繁模式挖掘算法及其在WSAN行为预测中的应用

该文提出FPM(Frequent Pattern Mining)算法充分考虑频繁模式在时间序列中出现次数和分布。基于这些不同分布的频繁模式扩展MAMC(Mixed memory Aggregation Markov Chain)模型提出FMAMC(Frequent pattern based Mixed memory Aggregation Markov Chain)模型。将FPM和FMAMC应用到实际的智能楼宇项目中,证明和现有算法相比FPM算法具有较好的时间性能,FMAMC模型能够比MAMC模型更准确的预测WSAN节点行为。     

基于低秩分解的鲁棒典型相关分析

典型相关分析（CCA）是一种经典的多特征提取算法,它能够有效地抽取两组特征之间的相关性,现已被广泛应用于模式识别。在含噪声数据情况下,CCA的特征表示性能受到限制。为了使CCA更好地处理含噪声数据,提出一种基于低秩分解的典型相关分析算法——鲁棒典型相关分析（robust canonical correlation analysis,RbCCA）。RbCCA首先对特征集进行低秩分解,得到低秩分量和噪声分量,以此分别构建对应的协方差矩阵。通过最大化低秩分量的相关性,同时最小化噪声分量的相关性来建立判别准则函数,进而求取鉴别投影矢量。在MFEAT手写体数据库、ORL和Yale人脸数据中的实验结果表明,在包含噪声的情况下,RbCCA的识别效果优于现有的典型相关分析方法。     

基于局部二值模式的作物叶部病斑检测

根据作物叶片症状准确、快速检测作物病害是防治和控制作物病害的基础。为准确检测作物叶部病害,在窗阈值中心对称局部二值模式（WTCSLBP）的基础上,提出了一种作物病斑检测方法。首先利用自适应局部二值模式获取正常叶片图像特征并确定病斑判断阈值,然后将待检测叶片图像分割为大小相同的检测窗,并提取同样特征与阈值进行比较,以判断该检测窗是否有病斑。在三种苹果病害叶片图像数据库上的实验结果表明,该方法能够有效检测作物病斑分布特性。与中心对称LBP（CS-LBP）和WTCSLBP相比,该方法具有更少的特征维数和更高的正确识别率。     

用于脉冲涡流检测的新型数据处理方法

脉冲涡流检测是一种广泛应用的无损检测技术,是近年来的研究热点。本文对脉冲涡流检测的一种新型数据处理方法进行研究,为增强脉冲涡流检测技术的智能化水平提供理论依据。首先以感应信号分析为基础,分析了二阶系统拟合方法应用于脉冲涡流检测数据处理的合理性;然后对广义回归神经网络用于模式识别的优势进行分析,并应用该方法对脉冲涡流感应的模型参数进行分类,从而对被测导体进行材质鉴别及量化特征的识别分析;最后,通过实验验证了该"二阶系统拟合-基于GRNN的模式识别"方法的有效性并分析存在的问题,同时也指出了有待进一步深化研究的方向。     

生态空间与容量约束下城市空间增长研究 ——以贵阳市花溪区为例

综合考虑快速增长的刚性需求、提 质发展的客观要求以及山水生态环境保护 的现实条件,是确保西部山地城市健康、快 速发展需解决的关键问题。本文在分析生 态敏感性、生态承载力的研究方法及其作 用特征的基础上,设计了整合生态敏感性空 间约束、生态承载力容量约束的城市空间规 划技术方法。以贵阳市花溪区为实证,从规 模容量控制、空间格局规划以及管控指引等 方面示范了相应的技术方法,明确了其发展 规模和空间,并提出了控制要点。     

EVP描述符在实时人脸识别中的应用

提出了新的EVP（边缘向量模式）人脸描述（或表示）方法,并结合常见分类器组成人脸识别系统,与其他已有方法比较。EVP的特点是不仅用梯度值代替像素强度值描述对象的外观和形状,还描述了邻近区域信息之间的关系。对于FERET人脸数据库的实验结果显示,当结合最近邻分类器时,EVP优于其他表示方法。对于LFW数据库,并结合多核支持向量机（MKL-SVM）的EVP,得到的结果非常令人满意。更可贵的是,基于EVP方法的识别速度大约是基于伽柏（Gabor）方法的20倍。而基于伽柏的方法是目前公认较好的方法。     

基于曲率局部二值模式的深度图像手势特征提取

针对复杂环境下的深度图像手势特征提取信息冗余量大、编码不稳定等问题,提出了一种改进的基于曲率局部二值模式（LBP）的深度图像手势特征提取算法。该算法首先通过坐标转换将分割出的手势深度数据转换为点云数据;其次利用移动最小二乘法对手势点云数据进行曲面拟合;然后计算出能够更加准确描述物体三维表面几何信息特征的高斯曲率;最后利用改进的LBP均匀模式对高斯曲率数据进行编码形成特征向量。在美国手语（ASL）手势数据库上该算法的平均识别率达到了92.1%,与3D局部二值模式（3DLBP）和梯度LBP相比分别提高了18.5个百分点和13.7个百分点。实验结果表明,该算法可以区分外部轮廓相似但内部结构不同的手势,有效提高了在描述手势深度图像内部细节方面的准确性。     

基于粒子群优化算法和Uniform LBP特征的分块跟踪

针对鲁棒分块跟踪采用穷举的搜索策略以及对光照敏感等问题,提出了一种基于粒子群优化算法和Uniform LBP特征的分块跟踪方法。利用统一的局部二值模式（Uniform Local Binary Pattern）特征对光照的不变性以及计算效率高的特点,在原鲁棒分块跟踪方法以灰度积分直方图作为特征的基础上,添加了Uniform LBP特征;利用粒子群优化算法具有精度高,收敛快的特点,将PSO算法运用到对候选目标的搜索中。实验结果表明,在不降低算法运行速度的情况下,以及光照变化较大,短时间目标完全遮挡的跟踪环境下,该算法鲁棒性显著增强。     

基于LBP和稀疏表示的天际线检测算法研究

天际线的检测在视觉导航、地理位置标注中具有重要的作用。提出一种基于LBP（Local Binary Pattern）和稀疏表示融合算法用来检测输入图像中的天际线。首先对图像作灰度化处理,接着对训练样本图像天际线相邻像素点坐标建立3×3的特征提取区域,根据LBP特征统计直方图建立天际线LBP特征向量,得到字典;然后在测试样本上依次搜索3×3区域中的像素点,通过稀疏分解系数计算重构误差,根据重构误差阈值的设定判断此区域为天际线区域,从而得到此区域中的天际线坐标。提出的算法在内华达大学机器视觉实验室Web Set数据集上进行了测试,实验结果表明：提出的算法能有效地检测出输入图像中的天际线像素点坐标,具有较好的有效性和时效性。     

自适应加权LGCP与快速稀疏表示的面部表情识别

针对传统LBP特征提取方法对非单调光线变化比较敏感且无法对全局特征进行稀疏表示的缺陷,提出一种自适应加权局部格雷码模式（Local Gray Code Patterns,LGCP）与快速稀疏表示相结合的特征提取方法。先对原始图像应用边缘检测算子最大化边缘值,以克服光线变化对特征描述的影响。采用LGCP编码得到八位格雷码并转换为十进制,然后对图像进行分块加权级联,使描述子能够对局部特征进行最优表征;同时,为了得到更好的全局特征的稀疏表示,将级联后的直方图分布特征描述子作为原子构造字典;最后,使用一种快速稀疏表示方法作为分类器进行分类识别。基于扩展Cohn-Kanade（CK+）表情数据集进行多组实验,结果表明该方法的识别速度更快,识别率可达94%。