多元伪泊松混合分布模型的理论研究

针对混合分布模型中各项权值通常依赖于未知或已知参数而造成的模型不确定问题,提出了一种权值基于 Frobenius 范数的混合分布模型。首先,把多元泊松分布进行截断及均化处理,生成伪多元泊松分布。其次,根据有限可数混合分布的表达式,分别求解伪多元泊松混合分布的集函数矩阵、多线性形式的 Pseudo-Boolean 函数矩阵、多线性 Pseudo-Boolean 函数矩阵的 Frobenius 范数,由此得 到新的权值并据此构建多元伪泊松混合分布模型。最后,根据混合分布权值的归一性及非负性证明了模型的正确性并且通过仿真实验来展示构建模型的整个过程,验证了算术平均的合理性。可为今后研究混合分布在机器学习领域的应用及算法设计提供理论基础。     

一种基于密度峰值的针对模糊混合数据的聚类算法

将CFSFDP算法拓展到连续型模糊集和离散型模糊集上,提出了一种针对模糊混合数据的拓展型CFSFDP算法,将其命名为FMD-CFSFDP算法。FMD-CFSFDP算法将样本涵盖的经典信息拓展到了模糊集上,利用寻找密度峰值的方法对模糊样本进行聚类,这是一种建立在模糊集上针对模糊混合数据的基于密度的聚类算法。首先简单介绍了CFSFDP算法及其改进,给出了"模糊混合数据"的数学概念;然后结合传统模糊欧氏距离的概念,分别提出了误差更小的针对连续型模糊集与离散型模糊集的改进型欧氏距离,在此基础上,依托权值构建了针对混合型模糊数据的整体距离。参考CFSFDP算法的聚类步骤给出了FMD-CFSFDP算法的聚类步骤。随后,在不同样本量、不同指标数量、不同簇数、不同取数规则的条件下,对算法进行了随机模拟实验并对聚类结果进行了分析。最后分别总结了FMD-CFSFDP算法的优缺点,并在此基础上提出了改进方案,为今后深入研究提供了参考。     

人脸图像中斑点自动去除系统的设计与实现

人脸图像中斑点的自动去除是高清晰人脸图像美化的重要步骤。本文提出了一种人脸图像斑点自动去除系统的设计思路和实现方法,系统首先采用AdaBoost算法从输入图像中检测人脸区域和双眼位置,然后利用人脸部件分布的先验知识检测出眼睛、鼻子、嘴巴等部件位置,最后利用迭代多级中值滤波方法对人脸非部件区域进行平滑处理。整个系统在VC++6.0环境下借助OpenCV图像处理库实现。实验结果表明,本系统能较好地去除脸部斑点,实现人脸图像美化。     

基于密度峰值的混合型数据聚类算法设计

针对k-prototypes算法无法自动识别簇数以及无法发现任意形状的簇的问题,提出一种针对混合型数据的新方法：寻找密度峰值的聚类算法。首先,把CFSFDP（Clustering by Fast Search and Find of Density Peaks）聚类算法扩展到混合型数据集,定义混合型数据对象之间的距离后利用CFSFDP算法确定出簇中心,这样也就自动确定了簇的个数,然后其余的点按照密度从大到小的顺序进行分配。其次,研究了该算法中阈值（截断距离）及权值的选取问题：对于密度公式中的阈值,通过计算数据场中的势熵来自动提取;对于距离公式中的权值,利用度量数值型数据集和分类型数据集聚类趋势的统计量来定义。最后通过在三个实际混合型数据集上的测试发现：与传统k-prototypes算法相比,寻找密度峰值的聚类算法能有效提高聚类的精度。