人体运动非监督聚类分析

提出了一种基于非监督学习的人体运动分析方法.该方法通过使用MDL准则约束下的HMM模型对连续运动序列进行分割和聚类,并实现对运动序列的自动分割和标记.该方法由两步组成,首先通过聚类将连续运动离散化,并按照最小描述长度准则在离散域得到初始解.在此基础上,返回到连续域训练MDL准则约束下的HMM模型.使用HMM模型可以进一步利用原始序列中的动态信息获得更精确的最终结果.通过对实际人体运动序列进行的实验验证了方法的有效性.     

机器智能与模式识别研究中的统计学习方法

简要介绍了学习算法的发展状况;讨论了机器智能与模式识别研究中的统计学习方法和图模型的一般理论;重点叙述了图模型的统计推断过程和学习算法以及应用统计学习方法解决问题的一般步骤;最后给出了用于时间序列分析的动态贝叶斯网络的实例.     

用于动态序列合成的基于核密度估计的隐马尔科夫模型

提出了一种用于动态序列合成的统计模型－基于核密度估计的隐马尔可夫模型，给定一个输入动态序列，该模型可以自动产生被控的输出动态序列，文中提出的模型是一种以非参数化概率密度估计作为观测模型的隐马尔可夫模型，该模型对输入和受控输出序列的联合概率分布进行建模，并利用基于核函数的概率密度估计来学习联合概率分布的细节信息，文中详细地讨论了该模型的学习和合成算法，并利用该模型实现了一个虚拟指挥系统，即给定一段音乐，系统可以自动生成相关的乐队指挥动作，该文利用该系统对不同风格和节拍的音乐做了实验，实验结果验证了算法的有效性。     

学习矢量量化的软竞争算法

尽管FALVQ算法的亏损因子为模糊隶属度函数,但由于它的尺度函数并不是模糊隶属度函数,使得算法的性能不稳定.为了克服这个问题,通过推广FALVQ中获胜亏损因子的定义,导出了广义LVQ的一类软竞争算法(SCALVQ),并且给出了它的3种具体形式.在SCALVQ中,亏损因子和对应的尺度函数是同一个模糊隶属度函数,它汲取了FALVQ和软竞争格式的优点,有效地克服了FALVQ存在的问题.     

广义LVQ神经网络的性能分析及其改进

首先从理论上分析了广义学习矢量量化（ＧＬＶＱ）网络的ＧＬＶＱＦ算法的性能,ＧＬＶＱＦ算法在一定程度上克服了ＧＬＶＱ 算法存在的问题．然而,它对获胜表现型的学习具有好的性能,对于其它的表现型,性能却十分不稳定．分析了产生这个问题的原因,直接从表现型的学习率出发,提出了选取学习率的准则,并给出了两种改进的算法．最后,使用ＩＲＩＳ数据验证了算法的性能,改进算法较之ＧＬＶＱＦ算法具有明显的稳定性和有效性．     

交互式Agent在文本搜索中的应用

介绍了一个嵌入了Agent的文本编辑器,名为SmartTag,它能够通过与用户的一系列交互推理出通用模式。用户通过提供一些文本搜索的例子,Agent会推理出一个能够覆盖这些例子的通用模式,并且用户可以通过弹出菜单手工调整当前的模式以得到最终模式。然后,Agent可以通过得到的模式自动匹配当前文档中的其余文本字符串,这一交互过程简化了动态文本搜索的复合程度,并且使得人机之间的交互更加自然。     

用于动态序列合成的运动纹理模型

提出了一种新的用于动态序列合成的分层统计模型——运动纹理模型．该模型使用统计方法自动分析动态序列，可以合成与原始样本数据统计特性相同的新的动态序列．运动纹理模型是一个两层模型．其中包含的两层分别为基元层和基元分布层．模型中用线性动态系统来表示单个基元．而对基元的统计分布则由相关转移矩阵来描述．该文详细地讨论了如何通过最大似然准则来学习运动纹理模型的方法，并描述了如何用运动纹理模型自动合成动态序列的过程．该文通过使用运动纹理模型合成舞蹈动作和视频序列的一些实验验证了该模型的有效性．     

广义LVQ神经网络的性能分析及其改进

首先从理论上分析了广义学习矢量量化(GLVQ)网络的GLVQ-F算法的性能, GLVQ-F算法在一定程度上克服了GLVQ算法存在的问题.然而,它对获胜表现型的学习具 有好的性能,对于其它的表现型,性能却十分不稳定,分析了产生这个问题的原因,直接从表 现型的学习率出发,提出了选取学习率的准则,并给出了两种改进的算法.最后,使用IRIS数 据验证了算法的性能,改进算法较之GLVQ-F算法具有明显的稳定性和有效性.     

用于人体运动合成的运动纹理模型

本文提出了一种新的用于人体运动合成的运动纹理（Motion Texture)模型。该模型使用统计方法自动分析人体运动捕捉数据，并且可以合成与原始数据在统计特性上相同的人体运动。运动纹理模型是一个两层统计模型，其中包含的两层分别由一组运动基元和这些基元的统计分布组成。模型中用线性动态系统来表示单个运动基元。运动基元的统计分布由相关转移矩阵来描述。本文详细地讨论了如何通过最大似然准则来学习运动纹理模型的方法，并给出了如何用运动纹理模型自动合成复杂的人体运动序列的算法。通过使用运动纹理模型，可以实现对复杂人体运动在不同层次上的编辑。既可以在运动基元层次上修改运动细节，也可以在更高的层次上实现编辑。本文给出了使用运动纹理模型合成舞蹈动作的一些实验。这些实验验证了模型的有效性。     

模糊对向传播神经网络及其应用

通过把对向传播(CP)神经网络的竞争层神经元的输出函数定义为模糊隶属度函 数,提出了模糊对向传播(FCP)神经网络.该网络是CP网络的推广,它不仅能有效克服CP 存在的问题,而且具有全局函数逼近能力.在结构上,FCP网络同径向基函数(RBF)网络是等 价的.实际上,它是一种RBF网络,而且还是一种模糊基函数网络.FCP在时间序列预测中的 应用表明,FCP不仅在学习精度上,而且在泛化能力方面较之CP和RBF均有较大的改善.