求解旅行商问题的混合粒子群优化算法

结合遗传算法、蚁群算法和模拟退火算法的思想，提出用混合粒子群算法来求解著名的旅行商问题．与模拟退火算法、标准遗传算法进行比较，24种混合粒子群算法的效果都比较好，其中交叉策略D和变异策略F的混合粒子群算法的效果最好，而且简单有效．对于目前仍没有较好解法的组合优化问题，通过此算法修改很容易解决．  

Fisher线性鉴别分析的理论研究及其应用

Fisher线性鉴别分析已成为特征抽取的最为有效的方法之一.但是在高维、小样本情 况下如何抽取Fisher最优鉴别特征仍是一个困难的、至今没有彻底解决的问题.文中引入压缩 映射和同构映射的思想,从理论上巧妙地解决了高维、奇异情况下最优鉴别矢量集的求解问题, 而且该方法求解最优鉴别矢量集的全过程只需要在一个低维的变换空间内进行,这与传统方法 相比极大地降低了计算量.在此理论基础上,进一步为高维、小样本情况下的最优鉴别分析方法 建立了一个通用的算法框架,即先作K-L变换,再用Fisher鉴别变换作二次特征抽取.基于该 算法框架,提出了组合线性鉴别法,该方法综合利用了F-S鉴别和J-Y鉴别的优点,同时消除了 二者的弱点.在ORL标准人脸库上的试验表明,组合鉴别法所抽取的特征在普通的最小距离分 类器和最近邻分类器下均达到97%的正确识别率,而且识别结果十分稳定.该结果大大优于经 典的特征脸和Fisherfaces方法的识别结果.  

一种具有统计不相关性的最佳鉴别矢量集

在模式识别领域，基于Ｆｉｓｈｅｒ鉴别准则语数的Ｆｏｌｅｙ－Ｓａｍｍｏｎ最佳鉴别技术在着重大的影响，特征抽取的一般原则是最好抽取模式的不相关的特征，而Ｆｏｌｅｙ－Ｓａｍｍｏｎ最佳鉴别矢量集的诸鉴别特是统计相关的。  

基于奇异值特征和统计模型的人像识别算法

人像识别是模式识别领域中的一个前沿课题。目前多数研究者采用人脸的一维和二维几何特征来完成识别任务。人脸的几何特征抽取以及这些特性的有效性都面临着很多问题，至今人像识别的研究仍然处于较低的水平。作者证明了图象矩阵的奇异值特征矢量具备了代数上和几何上的不变性以及稳定性，提出用它作为识别人脸的代数特征。本文的人像识别算法是基于奇异值特征矢量建立Ｓａｍｍｏｎ最佳鉴别平面上的正态Ｂａｙｅｓ分类模型。在本文的  

用于图象识别的图象代数特征抽取

本文证明了图象的奇异值特征具有一系列代数和几何上的不变性以及对噪音的不敏感 性,它是识别图象的有效特征.本文将奇异值特征用于人象识别问题.根据图象奇异值特征 向量样本建立了Sammon最佳鉴别平面上的正态模式Bayes分类模型.实验结果表明,奇异 值特征向量具有良好的鉴别分离能力.  

最大散度差和大间距线性投影与支持向量机

首先对Fisher鉴别准则作了必要的修正,并基于新的鉴别准则设计了最大散度差分 类器;然后探讨了当参数C趋向无穷大时,最大散度差分类器的极限情况,得到了大间距线 性投影分类器;最后通过分析说明,大间距线性投影分类器实际上是在模式样本线性可分的条 件下,线性支持向量机的一种特殊情况.在ORL和NUST603人脸库上的测试结果表明,最 大散度差分类器和大间距线性投影分类器可以与线性支持向量机、不相关线性鉴别分析相媲 美,优于Foley-Sammon鉴别分析方法.  

重叠细胞图像分离算法的设计

在实际的细胞图像中，经常会遇到重叠现象（又称为聚堆），即多个细胞聚一起的情形，这给后续的分析处理带来了困难，因此需要设计一个有效的算法，能够将这些重叠在一起的细胞群分离为单个的细胞，文中针对二值化的图像，提出了一个基于形态学的算法，该方法首先利用腐蚀操作，以确定聚堆细胞最终分离为单个细胞的个数，然后再根据腐蚀后的结果，在原妈的二值图像上找到了分离点，从而最终有效地将重叠细胞分离为单个细胞，文中主要  

基于模拟退火算法思想的粒子群优化算法

粒子群优化是由Eberhart博士和Kennedy博士于1995年根据鸟或鱼群居社会行为而提出的。本文提出了4种改进的算法，特别推荐结合模拟退火算法思想提出的一种新算法。经过与基本粒子群算法比较测试，证实它是一种简单有效的算法。  

统计模式识别中的维数削减与低损降维

较为全面地回顾了统计模式识别中常用的一些特征选择、特征提取等主流特征降维方法,介绍了它们各自的特点及其适用范围,在此基础上,提出了一种新的基于最优分类器——贝叶斯分类器的可用于自动文本分类及其它大样本模式分类的特征选择方法——低损降维.在标准数据集Reuters-21578上进行的仿真实验结果表明,与互信息、χ^2统计量以及文档频率这三种主流文本特征选择方法相比,低损降维的降维效果与互信息、χ^2统计量相当,而优于文档频率.  

基于BP神经网络的人脸识别方法

人脸自动识别是计算机模式识别领域的一个活跃课题，有着十分广泛的应用前景。文中提出了基于ＢＰ神经网络的人脸识别方法，论述了人脸图像矢量的特征压缩问题、网络隐含层神经元数选取问题、网络输入矢量的标准化处理问题以及网络连接权值选取问题。对于１８人、每人１２幅图像组成的脸图像数据库做识别实验，实验结果表明文中所设计的神经网络分类器比常用的最近邻分类器有效地降低了识别错误率。