基于凸凹信号的网格分割

网格分割在网格参数化、纹理atlas图等几何处理问题中有着重要的应用,提出一种基于顶点或面凸凹信号的简单高效的网格分割算法,基于均匀支撑半径的顶点凸凹信号分析将顶点分为平坦点、凸点、凹点和特征点,先从平坦点进行平坦区域扩展,再从剩下的凸凹点出发进行凸凹区域扩展,最后根据顶点和边界边的光滑度进行区域竞争扩展;对于未能完全分割的简化程度高的模型,基于面的凸凹信号采用类似的过程进一步完成最后的分割,该算法可以快速地进行网格分割并能较好地保持网格特征,特别适用于CAD模型的分割。     

基于统计不相关矢量集的独立成分分析

针对随机数据在高斯分布条件下,独立成分分析在本质上不可能实现的问题,提出在统计不相关矢量集上进行独立成分分析。与一般白化变换后的数据相比,基于统计不相关矢量集的数据具有更好的不相关性,在估计独立分量时性能更优越。在ORL人脸数据库上进行的实验结果证明了该算法的有效性。     

通用稀疏多核学习

针对L1范数多核学习方法产生核权重的稀疏解时可能会导致有用信息的丢失和泛化性能退化,Lp范数多核学习方法产生核权重的非稀疏解时会产生很多冗余信息并对噪声敏感,提出了一种通用稀疏多核学习方法。该算法是基于L1范数和Lp范数(p>1) 混合的网状正则化多核学习方法,不仅能灵活的调整稀疏性,而且鼓励核权重的组效应,L1范数和Lp范数多核学习方法可以认为是该方法的特例。该方法引进的混合约束为非线性约束,故对此约束采用二阶泰勒展开式近似,并使用半无限规划来求解该优化问题。实验结果表明,改进后的方法在动态调整稀疏性的前提下能获得较好的分类性能,同时也支持组效应,从而验证了改进后的方法是有效可行的。     

广义DKL变换及其在人脸识别中的应用研究

1 引言在模式识别领域中,Fisher线性判别方法有着重大的影响,其基本思想是在Fisher鉴别准则函数取极值的条件下,求得一个最佳鉴别方向,然后再将模式高维特征向量投影到该最佳鉴别方向上,构成一维鉴别特征空间,于是模式鉴别分析就在一维空间中进行。 Foley和Sammon在1970年发展了Fisher线性判别方法,提出了Sammon最佳鉴别平面的技术,并将它用于解决两类问题。Sammon最佳鉴别平面的技术在模式识别领域     

统计不相关最佳鉴别矢量集的本质研究

对统计不相关最佳鉴别矢量集的本质进行研究，在基于总体散布矩阵特征分解的基础上，构造了一种白化变换，使得变换后的样本空间中的总体散布矩阵为单位矩阵，这样使得传统的最佳鉴别矢量集算法得到的均是具有统计不相关的最佳鉴别矢量集，从而揭示了统计不相关最佳鉴别变换的本质——白化变换加普通的线性鉴别变换。该方法的最大优点在于所获得的最优鉴别矢量同时具有正交性和统计不相关性。该方法对代数特征抽取具有普遍适用性。用ORL人脸数据库的数值实验，验证了该方法的有效性。     

基于特征选择和协同模糊聚类的模糊建模研究

为了提高模糊模型辨识效率,提出了一种新的模糊模型建摸方法,该方法由两步组成：（1）采用基于特征相似性的特征选择方法,去除原始数据的冗余;（2）利用协同模糊聚类与G-K相结合的算法初始化模糊模型,使其前件和后件参数得到优化。采用该算法对有效的特征进行协同模糊聚类,模型参数得到改善,提高了模糊模型辨识的效率。模糊建模的实验结果表明了该方法的有效性。     

基于BHO的网站过滤系统研究与实现

该文利用浏览器助手对象（BHO）插件技术,提出了网站过滤系统的系统结构设计和功能模块设计方案,并对网站过滤系统的过滤技术、反破坏技术和键盘监控等关键技术进行研究,重点讨论了敏感图像检测技术。系统使用网址过滤、文本内容过滤和敏感图像过滤等三重过滤机制,可为用户提供可靠安全的上网环境。实验结果验证了该系统的有效性。     

基于切空间判别学习的流形降维算法

在基于图像集的流形降维问题中,许多算法的核心思想都是把一个高维的流形直接降到一个维数相对较低、同时具有的判别信息更加充分的流形上.投影度量学习（projection metric learning,简称PML）是一种Grassmann流形降维算法.该算法是基于投影度量,并且使用RCG（Riemannian conjugate gradient）算法优化目标函数,其在多个数据集上都取得了较好的实验结果,但是对于复杂的人脸数据集,如YTC其实验结果相对较差,只取得了66.69%的正确率.同时,RCG算法的时间效率较差.基于上述原因,提出了基于切空间判别学习的流形降维算法.该算法首先对于PML中的投影矩阵添加扰动,使其成为对称正定（symmetric positive definite,简称SPD）矩阵;然后,使用LEM（log-euclidean metric）将其映射到切空间中;最后,利用基于特征值分解的迭代优化算法构造判别函数,得到变换矩阵.对提算法在多个标准数据集上进行了实验验证,并取得了较好的实验结果,从而验证了该算法的有效性.     

用数据挖掘技术分析融合系统的性能

使用数据挖掘技术对融合系统性能测试结果进行分析 ,以便找出影响融合性能的因素 ,发现各种影响因子间的相互关系 ,通过调整不利因素 ,改进设计方法 ,进一步提高了融合系统的性能     

基于分布式低秩表示的子空间聚类算法

针对基于低秩表示的子空间分割算法运算时间较长、聚类的准确率也不够高,提出一种基于分布式低秩表示的稀疏子空间聚类算法(distributed low rank representation-based sparse subspace clustering algorithm, DLRRS),该算法采用分布式并行计算来得到低秩表示的系数矩阵,然后保留系数矩阵每列的前k个绝对值最大系数,其他系数置为0,用此系数矩阵构造一个稀疏的样本关系更突出的相似度矩阵,接着用谱聚类得到聚类结果.但是其不具备增量学习功能,为此再提出一种基于分布式低秩表示的增量式稀疏子空间聚类算法(scalable distributed low rank representation based sparse subspace clustering algorithm, SDLRRS),如果有新增样本,可以利用前面的聚类结果对新增样本进行分类得到最后的结果.实验结果表明:所提2种子空间聚类算法不仅有效减少算法的运算时间,还提高了聚类的准确率,从而验证算法是有效可行的.