基于结构化遮挡编码和极限学习机的局部遮挡人脸识别

提出使用结构化遮挡编码（SOC）结合极限学习机（ELM）的算法来处理人脸识别中的遮挡问题。首先，使用SOC去除图像上的遮挡物，将遮挡物体与人脸分离开；同时，通过局部性约束字典（LCD）来估计遮挡物的位置，建立遮挡字典和人脸字典。然后，将建立好的人脸字典矩阵进行归一化处理，并利用ELM对归一化的数据进行分类识别。最后，在AR人脸库上进行的仿真实验结果表明，所提方法对不同遮挡物和不同区域遮挡的图像具有较好的识别率和鲁棒性。     

基于面向对象技术的变电站主接线图绘制平台的实现

就对象分析、图元类的建立、编程技术、平台的实现方法及特点进行了详细叙述 ,在实现方法上采用面向对象技术 ,在Windows环境下 ,利用VisualC 及其MFC类库的支持功能和序列化存取机制 ,通过对变电站主接线图的分析 ,建立了一系列的图元类来描述相应设备对象的属性和特征 ,从而实现了面向对象的变电站主接线图的绘制。     

一种改进的编辑距离算法及其在数据处理中的应用

基于数据处理的需要,在分析原有编辑距离算法的基础上,通过拓展交换操作减少编辑操作的数量。与仅对计算点之前相邻位置字符间的交换操作相比,通过对计算点前后非相邻位置字符间的交换操作改进该算法,能够得到更理想化的编辑距离。将改进的编辑距离算法应用于煤矿隐患数据的处理,提高了隐患数据分类分级的有效性和执行效率。     

基于PLS的Elman神经网络算法研究

针对特征变量多的小样本,结合偏最小二乘(Partial Least Squares,PLS)法则原理与Elman神经网络结构性质,提出基于PLS的Elman神经网络算法(PLS-Elman).新算法通过PLS对高维小样本进行特征降维时,顾及了与因变量的相关程度,所得到的数据进行网络训练和仿真,明显的简化了网络结构,且可得较精确的网络模型.通过实例分析,结果表明新算法提高了网络的收敛速度、预测的精准率,证明新算法提高网络处理问题的效率.同时为便于验证新算法的有效性,与基于主成分分析(Principal Component Analys,PCA)的Elman神经网络算法(PCA-Elman)进行了比较,PLS-Elman算法有明显的优越性.     

图像分割的新理论和新方法

图像分割是是计算机视觉研究中的一个经典难题,已成为图像理解领域关注的一个热点.本文对近年来图像分割方法的研究现状与新进展进行了归纳总结.首先,简单介绍了图像分割的传统方法,包括基于区域的、基于边缘的和两者结合的图像分割方法.然后,分别从数学形态学、模糊集、神经网络、支持向量机、免疫算法、图论和粒度计算等方面对图像分割方法进行了重点讨论,并对应用每一种理论的最新研究进展作了评述.最后,对图像分割方法的发展趋势进行了展望.     

煤矿隐患数据可视化研究与应用

研究煤矿隐患数据的可视化可以实现海量隐患数据的有效利用。在分析数据可视化技术和煤矿隐患数据特点的基础上,提出煤矿隐患数据可视化是矿山数字化的重要组成部分,给出了煤矿隐患数据可视化的概念,设计了煤矿隐患数据可视化模型,并进一步给出了常用的多维隐患可视化工具,并对数据变换等关键技术及其实现,在深入分析的基础上提出了解决方案。现场应用表明,煤矿隐患数据可视化系统增强了海量数据的可理解性,强化了生产人员的安全意识,最终促进了煤矿的安全生产。     

WEB实时监测系统的一种新的实现方式

研究WEB实时监测系统的一种新的实现方式--使用Ajax技术.以煤矿胶带输送机监测系统为例,分析其系统组成及WEB服务,论述利用Ajax技术实现监测系统的WEB服务,并指出了Ajax技术的不足之处.     

基于Shannon熵的因子特征提取算法

现存的数据提取算法,大都以方差贡献率作为评价准则,来衡量特征提取的效果.然而方差贡献率注重的是样本相关矩阵特征值的性质,并不能顾及到信息的度量问题.文中将Shannon信息熵理论引入提取算法,定义类概率、类信息函数,通过计算累计信息贡献率来确定提取特征维数,提取效果可以从信息论的角度评价.将此理论与因子分析(FA)结合...     

矿井层次型无线传感器网络的研究与设计

在分析现有无线传感器网络在矿井应用状况的基础上,文章设计了应用于煤矿井下的异构分层的无线传感器网络结构,开发了网络硬件平台,并结合煤矿井下应用特点,提出了底层簇网络生成控制机制和基于多网关的中间骨干网络层最短路径路由机制。     

基于改进属性约简的细粒度并行AP聚类算法

Affinity Propagation(AP)聚类算法将所有数据点作为潜在的聚类中心,在相似度矩阵的基础上通过消息传递进行聚类.与传统聚类方法相比,对于规模很大的数据集,AP是一种快速、有效的聚类方法.正是这样,属性约简对于AP算法非常重要.另外,在大规模并行系统的设计中,细粒度并行是实现高性能的基本策略.提出了一种基于改进属性约简的细粒度并行AP聚类算法(IRPAP),将粒度思想引入到并行计算中.首先分析了并行计算中的粒度原理.然后用改进的属性约简算法对数据集预处理.此算法并行计算并选择差别矩阵元素,降低了时间空间复杂度,最后用AP算法聚类.整个IRPAP算法将任务划分到多个线程同时处理.实验证明,对于大规模数据集的聚类,IRPAP算法比AP算法效率更高.