基于非线性流形学习的人脸面部运动估计

由于人脸面部运动变化分布在一个低维非线性流形中,基于线性假设的主动外观模型采用主成分分析算法描述人脸形状的变化必然带来额外的估计误差.为降低或消除这一误差,该文提出一种改进的局部线性嵌入算法构建人脸形状-纹理空间,并将其应用于主动外观模型中.实验结果表明,不仅对于面部形变不大的人脸形状,局部线性嵌入-主动外观模型拥有更...     

基于体验学习的“过程控制”实验教学设计

"过程控制"是自动化专业的主要专业课程之一,具有专业性和实践性较强的特点。课程不仅涉及许多控制理论知识,而且与工业生产实际紧密联系。实验环节在整个课程中起着十分重要的作用。本文从体验学习理论出发,从知识获取过程的角度对过程控制实验教学环节进行了重新设计和安排,使实验教学过程更符合人获取知识过程的规律。     

基于网络辅助教学的研究性学习教学模式

本文介绍了网络辅助教学与研究性学习的特点,分析了研究性学习对网络辅助教学的要求。在此基础上,笔者提出了一个基于网络辅助教学的研究性学习教学模式,包括一个适合研究性学习的网络辅助教学平台,一套基于过程管理的教学方法。教学实践证明,该教学模式是有效的。     

格基不经意传输协议

利用一个基于错误学习问题的陷门单向函数,在格上设计了一个3轮不经意传输协议。假设错误学习问题是困难的,证明协议实现了对接收者和发送者隐私性的保护。分析表明,协议中只使用小整数的模乘和模加运算,具有很高的计算效率;协议使用限制明密文扩展技术有效缩短了传输消息的长度,提高了协议的通信效率。     

最小状态变元平均奖赏的强化学习方法

针对采用折扣奖赏作为评价目标的Q学习无法体现对后续动作的影响问题,提出将平均奖赏和Q学习相结合的AR-Q-Learning算法,并进行收敛性证明.针对学习参数个数随着状态变量维数呈几何级增长的"维数灾"问题,提出最小状态变元的思想.将最小变元思想和平均奖赏用于积木世界的强化学习中,试验结果表明,该方法更具有后效性,加快算法的收敛速度,同时在一定程度上解决积木世界中的"维数灾"问题.     

主动学习半监督聚类入侵检测算法

针对聚类的入侵检测算法误报率高的问题,提出一种主动学习半监督聚类入侵检测算法.在半监督聚类过程中应用主动学习策略,主动查询网络中未标记数据与标记数据的约束关系,利用少量的标记数据生成正确的样本模型来指导大量的未标记数据聚类,对聚类后仍未能标记的数据采用改进的K-近邻法进一步确定未标记数据的类型,实现对新攻击类型的检测.实验结果表明了算法的可行性及有效性.     

一种基于支持向量机的角点检测算法

支持向量机应用于文本分类、手写数字识别、基因表达等许多领域,由于Harris角点检测算子对噪声点非常敏感,本文在文献[3]的基础上提出Harris算子和支持向量机相结合的方法来进行角点检测.首先利用Harris角点检测算法对两幅以上的无噪声图像提取角点,然后将提取的角点作为支持向量机的训练样本.构造支持向最机,最后利用...     

基于改进BP神经网络的手写字符识别

针对标准反向传播（BP,Back Propagation）神经网络算法收敛速度慢、易陷入局部极小等缺点,采用附加动量法与学习速率自适应调整相结合策略对神经网络初始参数进行设置。通过在权重计算公式中加入动量项,降低神经网络对误差曲面局部调节的敏感性,有效抑制其陷于局部极小。学习速率根据总误差的变化进行自适应调整,可以有效地缩短学习时间,加快收敛速度。将该改进算法应用于数字、英文字母以及简单汉字的手写字符识别系统中,进行了有无动量、有无噪声等实验,结果表明该方法与传统BP算法相比识别精度较高、训练时间较短且具有较强的鲁棒性。     

Probabilistic Support Vector Machine Localization in Wireless Sensor Networks

Sensor networks play an important role in making the dream of ubiquitous computing a reality. With a variety of applications, sensor networks have the potential to influence everyone's life in the near future. However, there are a number of issues in deployment and exploitation of these networks that must be dealt with for sensor network applications to realize such potential. Localization of the sensor nodes, which is the subject of this paper, is one of the basic problems that must be solved for sensor networks to be effectively used. This paper proposes a probabilistic support vector machine (SVM)‐based method to gain a fairly accurate localization of sensor nodes. As opposed to many existing methods, our method assumes almost no extra equipment on the sensor nodes. Our experiments demonstrate that the probabilistic SVM method (PSVM) provides a significant improvement over existing localization methods, particularly in sparse networks and rough environments. In addition, a post processing step for PSVM, called attractive/repulsive potential field localization, is proposed, which provides even more improvement on the accuracy of the sensor node locations.     

高速网络环境下的P2P流媒体业务分析和识别方法

The growing P2P streaming traffic brings a variety of problems and challenges to ISP networks and service providers.A P2P streaming traffic classification method based on sampling technology is presented in this paper.By analyzing traffic statistical features and network behavior of P2P streaming,a group of flow characteristics were found,which can make P2P streaming more recognizable among other applications.Attributes from Netflow and those proposed by us are compared in terms of classification accuracy,a...