一种基于改进高斯过程隐变量模型的多角度人脸识别算法

针对传统谱算法在人脸识别中的局限,该文提出一种基于改进高斯过程隐变量模型(GP-LVM)的多角度人脸识别算法。首先,通过高斯过程(GP)对人脸流形建立概率模型,得到高斯过程隐变量模型(GP-LVM);其次,分析GP-LVM得到共有信息(shared information)和独有信息(private information),利用概率最大化与拉格朗日乘子法得到参照矩阵和参照值;最后,实现多角度人脸识别。选取Yale,JAFFE,FERET,CMU-PIE 4类数据集进行对比实验,实验结果表明:该文提出的算法可以有效地识别多角度人脸,针对无角度人脸识别也具有良好的效果。     

基于改进型深度数据流形的数据分类算法及在人脸中的应用

针对数据分类问题的局限,提出一种基于改进型深度数据流形的数据分类算法并将其应用到人脸识别中。首先,通过采集人脸图像的深度信息,利用稀疏表示对其进行去噪处理;再结合图像的颜色信息,重新生成三维人脸信息数据库,通过对人脸数据的流形分析得到最优的降维结果,按十字十乘交叉验证法的原则选取训练集和测试集,将训练集输入支持向量机算法建立数据分类器;最后,将测试集输入训练完成的分类器中,实现人脸数据分类。选取ORL,Yale两类人脸图像标准数据库与传统人脸识别算法进行交叉对比实验,验证算法的优越性和可行性。实验结果表明：所提出的算法有较高的分类准确率,可有效地完成人脸识别。     

非线性流形上的性别识别算法研究

在高维非线性空间中,如何更有效地提取人脸图像的主要特征,以及如何更有效地区分不同的性别类别,已经成为性别识别中广泛关注的问题。针对这一问题,提出一种非线性流形上的性别识别算法。该算法不但能有效提取高维空间中数据点的主要特征,并且能充分挖掘出数据流形间的几何结构和判别结构,从而使不同性别之间达到最优化分类。通过ORL和Yale两个人脸数据集实验,并与PCA(Principal Components Analysis)+LDA(Linear Discriminant Analysis),PCA+SVM(Support Vector Machine),KPCA+LDA,KPCA+SVM 4种常用的性别识别算法进行比较。实验结果显示:所提出的算法与其他传统算法相比具有更高的识别率,且有一定的鲁棒性和较高的运行效率。     

电气符号识别的HOG方法

目的 为解决电气符号的大小、图纸背景的模糊、电气符号的旋转角度等各种干扰因素对计算机识别电气图纸造成的误差问题.方法 笔者提出了一种基于HOG的电气符号识别方法.建立电气符号训练集,提取电气符号图像的HOG特征,计算出梯度方向向量个数加权图;使用这些HOG特征和分类信息对支持向量机进行训练;利用支持向量机进行识别.结果 HOG算法对电气符号的识别率达到92.5％,与SIFT算法比较,识别效果更为准确.结论 所提出的HOG算法克服了外界干扰因素对电气符号识别的影响,提高了识别的准确率,具有良好的检测效果,为将HOG算法应用到其他领域奠定理论基础.     

计及新能源接入的柔性牵引供电系统区间最优潮流研究

传统电气化铁路存在以负序为主的电能质量问题及电分相问题,严重影响铁路运行安全和效率,一种基于三相-单相全交直交变流器的新型柔性牵引供电系统能够有效解决该问题.以接入储能装置及光伏的柔性牵引供电系统为研究对象,以功率平衡、系统运行边界为约束,以牵引变电所日运行成本最低为目标,考虑光伏的不确定性和牵 引负荷的波动性,建立区间最优潮流模型,最后利用 YALMIP工具包和 GUROBI求解器进行求解.算例分析结果表明,储能装置和光伏接入柔性牵引供电系统后,系统日运行成本最高可降低30.49％.     

基于LLE和KRR的人体动作重构算法研究

人体动作重构是当前图像处理的热点问题, 针对其问题的特点, 提出一种全新的LLE与KRR相结合的人体动作重构方法。首先针对图像的颜色和深度信息, 提取人体动作骨架, 建立动作训练集; 再将训练集转变为动作向量库, 采用LLE算法计算人体动作的低维流形, 并对流形数据作相关分析; 最后, 将预测的低维衔接动作点逆映射回高维欧氏空间, 首次应用KRR算法解决传统降维不可逆映射问题, 从而使动作重构得以实现。实验结果表明：通过对流形动作点相互映射得到的重构动作较为理想, 针对不同自由度的动作过程, 所提出的人体动作重构方法有很好的效果。     

基于改进型支持向量机的频谱感知算法

针对无线信道环境中,信道多径衰落和噪声不确定性等低信噪比情况下主用户信号检测性能较低的问题,提出一种基于改进型支持向量机(support vector machine,SVM)的主用户信号频谱感知算法.对信号循环平稳特征参数进行特征提取,作为训练样本和待测样本;采用改进的SVM算法分别对有无主用户情况下的信号进行分类检测.仿真结果表明,与能量检测法(ED)和循环平稳特征检测法(CD)相比较,该算法可在低信噪比情况下不受噪声不确定性等因素影响,具有较高的分类检测性能,有效地实现了对主用户信号的感知.     

基于局部图块目标匹配的交通车流跟踪与统计

针对传统目标跟踪算法在实现过程中的局限,提出一种基于局部图块目标匹配(local block-graphs targets matching,-LBTM)的跟踪算法,将其应用于车流跟踪,并验证其有效性。首先,采集视频帧画面中含有目标的多幅图像,并对其进行局部图块分割,得到目标图块;其次,对图块进行目标匹配,通过匹配完成对目标的检测过程,并计算得到最优的目标集合;最后,针对目标集合进行全部帧画面的最小偏差的预测,实现目标的跟踪过程。选取某路口的交通监控视频进行对比验证实验,实验结果表明:所提出的算法可以有效地跟踪车辆,比传统算法有更好的目标检测率和跟踪准确率,并能有效地完成车流统计。