基于稀疏核主成分分析的语音情感识别研究

为提升语音情感识别的能力,本研究提出一种基于稀疏核主成分分析(Sparse Kernel Principal Component Analysis,SKPCA)的方法。该方法结合核主成分分析以及稀疏表示的方法,能够同时满足特征降维和样本稀疏,起到降维和降噪的作用。本研究首先利用openSMILE工具包提取情感语音样本的声学特征及其统计特征用于情感识别,然后介绍SKPCA的算法原理及推导过程,最后使用多种分类器在柏林库做了大量的实验,实验结果表明,使用SKPCA方法可取得较好的识别结果。     

基于上下文建模的分类排序小波图像编码算法

该文提出了基于上下文建模的分类排序小波图像编码算法。该方法使用与JPEG2000标准相同的上下文模型,以最小化相对熵为准则用动态规划获得优化的上下文分类。在重要性编码中结合优化的上下文分类进行排序编码。实验数据表明该算法的压缩能力优于JPEG2000,尤其适于低码率压缩。     

基于主成分分析和独立成分分析的调制分类算法

基于主成分分析(PCA)和独立成分分析(ICA),提出了一种新的调制分类算法。算法采用PCA对样本数据降维、去除冗余成分,采用FastICA方法提取分类特征;采用支持矢量机(SVM)作为分类器,以解决数据在低维空间中的不可分问题。该算法具有较低的复杂度和较高的训练速度。仿真表明,与最大似然(ML)算法相比,算法仅具有1.8 dB的信噪比损失,在Rayleigh慢衰落信道和中速运动的条件下,算法对5种QAM调制类型具有较好的分类性能。     

基于TLD框架的上下文目标跟踪算法

提出了一种基于TLD (Tracking-Learning-Detection)框架的上下文目标跟踪算法.在TLD框架中,融入时空上下文跟踪算法,提高跟踪器的鲁棒性和稳定性.引入Kalman滤波来处理目标被严重遮挡时跟踪失效的问题.此外,采用由粗到精的搜索策略进行目标检测,利用帧差法确定运动目标疑似区域,提高检测效率.实验结果表明所提出的算法具有较好的鲁棒性和实时性.     

基于核稀疏编码的红外目标识别方法

针对红外目标识别问题,提出了一种基于协方差描述子和核稀疏编码的红外目标识别方法.该方法结合了红外图像的灰度、一阶以及二阶梯度等特征的协方差描述子作为红外目标的特征,并采用Log-Euclidean度量进行特征相似性计算,通过高斯核函数将协方差描述子映射到高维空间,最后在新的特征空间上进行稀疏编码.实测数据实验结果表明,与传统的KNN(k-nearest neighbor,k最近邻)以及SVM(support vector machine,支持向量机)等分类算法相比,基于核稀疏编码的红外识别方法在识别准确率上有很大的提高.     

基于多尺度上下文语义信息的图像场景分类算法

传统视觉词典模型没有考虑图像的多尺度和上下文语义共生关系.本文提出一种基于多尺度上下文语义信息的图像场景分类算法.首先,对图像进行多尺度分解,从多个尺度提取不同粒度的视觉信息;其次利用基于密度的自适应选择算法确定最优概率潜在语义分析模型主题数;然后,结合Markov随机场共同挖掘图像块的上下文语义共生信息,得到图像的多尺度直方图表示;最后结合支持向量机实现场景分类.实验结果表明,本文算法能有效利用图像的多尺度和上下文语义信息,提高视觉单词的语义准确性,从而改善场景分类性能.     

基于小波核主成分分析的相关向量机高光谱图像分类

相关向量机(RVM)高光谱图像分类是一种较新的高光谱图像分类方法,然而算法本身存在对于高维大样本数据训练时间过长、分类精度不高的问题。针对这些问题,该文提出一种基于新型核主成分分析的RVM分类方法。该方法首先将核函数引入到主成分分析中,然后应用小波核函数代替传统核函数,利用小波核函数的多分辨率分析特点,进一步提高核主成分分析(KPCA)非线性映射能力,最终将新型核主成分分析算法与相关向量机相结合,对高光谱图像进行分类。仿真实验结果表明,将所提出的方法应用于AVIRIS美国印第安纳州实验田高光谱数据预处理后,类内类间距离比降低20%,方差整体增幅较大,最终将处理后的数据应用于相关向量机的高光谱图像分类中,分类精度提升3%~5%。     

基于线性和非线性算法的高效人脸识别系统

文中提出了一种基于外观的线性和非线性人脸识别方法,所用的线性算法有主成分分析(PCA)和线性判别分析(LDA)。两种非线性方法分别是核主成分分析(KPCA)及核费希尔分析(KFA),线性降维投影方法基于二阶相依性编码模式信息,非线性方法用于处理三个或更多像素之间的关系。首先通过Gabor对图片进行预处理,然后采用线性、非线性分析进行降维。通过马哈利诺比斯-余弦(Mahcos)度量用于定义两幅图像通过相应的降维技术后的相似性度量。实验表明,当与Gabor小波一同使用时,LDA和KFA的性能最高,分别为CMC和ROC结果的93.33%。通过对AT&T数据库400幅图像的综合分析,发现线性和非线性算法的性能受图像分类数目、图像预处理及识别测试集的人脸图像数目的影响。     

基于改进KPCA与SVM的题名分类研究

为了进一步提高期刊论文题名信息分类查准率和查全率,提出一种基于改进KPCA与SVM的知网题名信息分类算法。基于中国知网数据库选取《中文核心期刊要目总览》(2014年版)2017年度31种计算机学科(TP)期刊收录的13 401篇论文题名作为实验语料库,采用改进KPCA算法对数据进行降维和特征提取,将提取的特征数据库作为SVM的输入进行训练和分类。实验结果表明,该方法较以往分类算法能够进一步提高期刊论文题名的分类效果。     

基于独立成分分析的高光谱图像数据降维及压缩

该文提出了一种以高光谱图像分析为目标的基于独立成分分析的高光谱图像降维和压缩方法。该方法首先通过独立成分分析提取高光谱数据的光谱特征实现高光谱图像降维,再对降维后的图像采用预测和自适应算术编码的方法进行压缩。对220波段和64波段高光谱数据的实验结果表明,该方法与基于主成分分析的降维相比,压缩比有所提高,特别是更有利于后续的分析处理,但峰值信噪比有所降低。     

基于快速核独立分量分析的图像反光分离研究

透过玻璃对场景成像,图像由场景实像和反光虚像线性叠加而成,直接影响到图像分析处理和计算机视觉应用等,可采用盲源分离方法进行反光分离。图像成像过程中的非线性因素,会使线性独立分量分析(ICA)用于反光分离结果不够精确。采用基于Hilbert-Schmidt独立性判断准则的快速核独立分量分析(FastKICA)进行图像反光分离。实验表明,快速核独立分量分析用于图像反光分离,在分离精度和速度上优于线性独立分量分析和常规核独立分量分析(KICA)。     

Performance of Object Classification Using Zernike Moment

Moments have been used in all sorts of object classification systems based on image. There are lots of moments studied by many researchers in the area of object classification and one of the most preference moments is the Zernike moment. In this paper, the performance of object classification using the Zernike moment has been explored. The classifier based on neural networks has been used in this study. The results indicate the best performance in identifying the aggregate is at 91.4% with a ten orders of the Zernike moment. This encouraging result has shown that the Zernike moment is a suitable moment to be used as a feature of object classification systems.     

Performance of Object Classification Using Zernike Moment

Moments have been used in all sorts of object classification systems based on image. There are lots of moments studied by many researchers in the area of object classification and one of the most preference moments is the Zernike moment. In this paper, the performance of object classification using the Zernike moment has been explored. The classifier based on neural networks has been used in this study. The results indicate the best performance in identifying the aggregate is at 91.4% with a ten orders of the Zernike moment. This encouraging result has shown that the Zernike moment is a suitable moment to be used as a feature of object classification systems.     

基于谱回归和核空间最近邻的基因表达数据分类

肿瘤基因表达数据是典型的高维小样本数据,直接对其进行识别存在维数灾难,需要对数据进行维数约简.提出了一种基于谱回归分析和核空间最近邻分类器的基因表达数据分类方法,采用谱回归分析得到可有效提取低维鉴别特征的投影矩阵,然后通过投影矩阵对基因表达数据进行维数约简,得到的低维数据用核空间最近邻分类器进行识别.通过在Prosta...     

基于混合核函数的快速KPCA人脸识别算法

为提高人脸识别的速率和识别率,文中提出一种基于混合核函数的快速核主成分分析算法用于进行人脸识别,首先构造两种混合核函数,利用均值矢量的方法构建核矩阵,并利用文中提出的核主成分分析算法计算核矩阵的特征向量。分别在ORL和AR人脸数据库中做了相关实验,并且与传统的核主成分分析方法在识别率和算法运行时间上进行了比较,结果表明,文中所提核主成分分析方法具有较高的识别率和更短的运行时间,从而为实时地具有大数据的人脸识别系统提供技术支持。     

小波变换在特征级多重图像融合与目标分类中的应用

针对特征级图像融合的一般规律,用小波变换算法实现了图像的多分辨分割,提取目标的多分辨特征矢量,在特征级完成CCD图像和热成像图像的信息融合,并基于融合特征实现目标分类,最后,对实验结果进行了分析,提出了在特征级图像融合及目标分类中应考虑的问题.     

复杂场景下结合SIFT与核稀疏表示的交通目标分类识别

针对复杂场景下的交通目标分类识别难点,提出一种基于尺度不变特征转换(SIFT)与核稀疏表示的分类识别算法.该算法首先利用SIFT分别提取训练样本和待测目标局部特征信息,通过核方法将特征样本映射到核空间,构建过完备字典,最后通过待测目标在字典中的稀疏度与重构误差对交通目标类别进行判定.同时,分析了随机投影下的核稀疏表示分类与特征维数之间的关系.实验结果表明,与SVM、稀疏表示分类(SRC)相比,该方法增强了交通目标特征层的类判别能力,具有较好的识别率和鲁棒性.     

计算和存储空间受限下的数据稀疏核分析方法

针对核主成分分析算法广泛面临的训练样本数量大而带来的计算和存储空间的问题,提出了基于1类支持向量理论的稀疏核主成分分析算法,该方法适合于计算和存储空间受限下的应用场合,如小型硬件平台下的图像检索系统、医学辅助诊断系统等.通过求解最优方程找到能够代表原始样本空间的少量典型样本,这些样本作为计算核数据矩阵,大大节省了核矩阵计算的时间和存储空间成本,在有限的训练样本集上最大限度在硬件平台下图像处理领域有效提高识别率和计算效率.     

Extracting Epileptic Feature Spikes Using Independent Component Analysis

In recent years, blind source separation （BSS） by independent component analysis （ICA） has been drawing much attention because of its potential applications in signal processing such as in speech recognition systems, telecommunication and medical signal processing. In this paper, two algorithms of independent component analysis （fixed-point IC,4 and natural gradient-flexible ICA） are adopted to extract human epileptic feature spikes from interferential signals. Experiment results show that epileptic spikes can be extracted from noise successfully. The kurtosis of the epileptic component signal separated is much better than that of other noisy signals. It shows that ICA is an effective tool to extract epileptic spikes from patients＇ electroencephalogram EEG and shows promising application to assist physicians to diagnose epilepsy and estimate the epileptogenic region in clinic.