具有动态弹性稀疏表示的鲁棒目标跟踪算法

目标跟踪问题中目标所在环境的变化对跟踪效果有较大影响.鉴于此,提出一种基于弹性网结构的稀疏表示模型,并在粒子滤波框架下设计一种应用稀疏表示模型的抗干扰动态弹性网目标跟踪算法.同时,设计一种根据环境变化程度动态更新稀疏表示模型参数的方法,以克服光照变化等干扰对算法跟踪质量的影响.此外,所提出算法通过使用各向异性核函数计算各候选区域为跟踪目标所在位置的概率,能够提高跟踪算法的准确性,并改进字典模板更新方法,确保模板更新的准确性与及时性,保证跟踪质量.经实验验证,所提出的动态弹性网跟踪算法与其他跟踪算法相比,在光照等扰动下具有更好的跟踪效果,在遮挡及快速运动等情况下也能够有效保证跟踪精度.  

基于SVM的肝脏健康的预测

基于支持向量机的K-CV的交叉验证,以肝脏健康状况诊断为例,构建了肝脏疾病的支持向量机模型,对340位志愿者的血液中MVC平均红细胞容积、Alkphos碱性磷酸酶、丙氨酸氨基转移酶、天冬氨酸转氨酶和γgtγ-谷氨酰转肽酶五项指标分组进行机器学习,检测样本的诊断准确率为73.52％.结论支持向量机相对稀疏网格68％的预测概率,更适合构建诊断肝脏健康状况的模型,辅助临床决策.  

再生核Hilbert空间中两阶段稀疏表示目标跟踪算法

在强干扰复杂环境下, 有效的特征选择对于目标跟踪模型的可解释性至关重要. 针对这一问题, 本文基于 再生核Hilbert空间(RKHS)理论, 对特征空间构建生成式的两阶段稀疏表示(TSSR)模型, 从而描述图像样本与字典 之间的非线性关系, 避免了在字典中引入大量的琐碎模板. 在第1阶段, 首先建立图像样本与字典在原始低维空间中 的关系, 然后利用批处理最小二乘算法求得稀疏表示系数的初值, 根据观测模型确定初始跟踪位置的分布; 在第2阶 段, 首先利用核方法将原始低维空间映射到高维特征空间, 然后提出一种基于核的加速近端梯度算法(KAPG), 从而 求得字典元素系数的核稀疏表示, 最终确定跟踪目标. 最后实验结果证明了本文所提出的TSSR方法在面对视角变 化和部分遮挡时的有效性.