基于SVM的青年女子体型分类研究

采用美国[TC]2公司的三维人体测量仪测得的江浙青年女性的人体数据,然后根据身体4个部位的形态特征,将人体数据细分为各种女性人体体型.在分类过程中,通过引入支持向量机(SVM)方法,提出了基于SVM的青年女子体型分类模型.结果表明,SVM方法的分类时间短,分类精度高,是一种有效的识别分类方法.     

中老年女子体型与服装基本尺寸的研究

通过调查、测量中老年女子人体尺寸 ,并将获取的测量数据进行分析研究 ,得出中老年女子体型分类以及相应的中老年女装基本尺寸参考表     

基于SVM的青年女子体型分类研究

采用美国[TC]^2公司的三维人体测量仪测得的江浙青年女性的人体数据,然后根据身体4个部位的形态特征,将人体数据细分为各种女性人体体型。在分类过程中,通过引入支持向量机（SVM）方法,提出了基于SVM的青年女子体型分类模型。结果表明,SVM方法的分类时间短,分类精度高,是一种有效的识别分类方法。     

中老年女子体型与服装基本尺寸的研究

通过调查、测量中老年女子人体尺寸、并将获取的测量数据进行分析研究,得出中老年女子体型分类以及相应的中老年女装基本尺寸参考表。     

英国成年男子体型分析

通过SPSS17.0软件对英国伦敦地区随机抽取的成年男子体型数据预处理后,进行多种方式的统计与分析.从身长、下颌点高、肩点高、胸高、腰高、臀高等部位对英国成年男子体型特征及按身长分类后的体型差异做了定性定量描述.在体型分类中,计算体型胸腰比,采用KMEANS法对身长、后背宽和胸腰比指标进行聚类,并对所得到的四类人体进行分析.采用中国体型分析的方法对英国男子体型进行分析,使我国本土服装企业和学者对英国男子体型有更直观的认识.     

主成分分析法在成年男性体型聚类中的应用

针对GB/T1335.1—1997男装号型标准中,体型分类指标单一,体型分类不够细致的现状,利用三维人体扫描技术采集了成年男性长度、围度、宽度、厚度等方面的人体数据,采用主成分分析从中提取了不同体型聚类指标,进行了相应的体型聚类分析.所得结果表明,应用主成分分析法进行成年男性体型聚类可改进当前国标体型分类指标单一的不足,达到细化体型分类的目的,完全符合大规模量身定制时代对体型分类的要求.     

男子下体静态体型分类方法的探讨与研究

在分析现有体型分类方法的基础上,遵循"针对性,复合性"的原则,探索性地研究了男子下体静态体型的分类方法,并以中原地区男子下体数据为例,细化了该地区男子下体体型,得出了中原地区7种主要体积类别,为下装样板设计的优化提供了一定的理论基础.     

基于特殊体型的男西装结构补正技术研究

目前我国实行的人体号型分类只适用于标准体型,对特殊体型的研究不够深入。本文针对特殊体型进行考察,分析挺胸体、鸡胸体、驼背体、凸肚体、溜肩体、高低肩体六种特殊体型特征,并在标准男西装纸样基础上对其进行结构补正与优化,为特体服装结构处理提供参考。     

基于聚类人体体型分类法的体型反算方法研究

用聚类法将大量人体样本尺寸数据进行体型分类。是目前较先进的一种人体体型分类方法．但分类后若根据个体尺寸数据反向判断其所属的聚类体型则较为困难．本文经过多个设计方案,对实际测量的人体数据进行分析计算和对比,得出一种效果好、计算量小的实用反向判断方法．     

新疆南疆地区维吾尔族青少年女性体型研究

针对当前缺乏维吾尔族女性体型研究数据的现状,选取了300名新疆南疆地区的维吾尔族青少年女性作为研究样本.采用手工测量方法获得相关人体体型数据,通过SPSS软件统计及主成分分析,提取了6个特征因子(身高、胸围、腰围、臀围、胸腰差、臀胸差)用于分析其体型;分别以胸腰差和臀胸差为分类变量进行服装号型对比验证,并采用R语言进行了K-均值聚类分析为丰富我国女性人体体型数据库提供一定的依据.     

一种基于傅里叶变换的形状描述方法

本文将边界序列的多尺度描述和傅里叶描述符结合起来,得到闭合边界的多尺度傅里叶描述符。该方法先将边界序列呈现到不同的尺度空间,然后进行傅里叶变换,得到了不同尺度空间的傅里叶描述符。分类实验表明,该方法提取的特征具有较好的分类特性。     

基于Zernike矩的米粒形状模糊分类

根据米粒形状的特征,运用Zernike矩描述目标边缘的形状,采用模糊模式识别方法,实现按形状分类.为增强适应能力,对Zernike矩及模糊分类方法作了适当调整.对300颗同一品种的米粒进行实验,结果表明,本方法的检测结果与人工检测结果高度一致.     

基于高斯过程的三维模型语义分类和检索

针对三维模型检索系统提高准确率、减少几何特征和人类语义丰富性之间的“语义鸿沟”等问题, 提出一种基于高斯过程的语义分类和检索新方法.该方法采用一种统计2个采样点相对质心向量夹角的AC2直方图新特征,与形状分布的D2特征组合成低层特征,使用高斯过程进行三维模型语义分类的监督学习,计算测试模型的语义类概率预测分布,建立低层特征和查询概念之间的联系;使用语义距离和不相似度计算方法进行检索排序.实验结果表明：与已有的某些监督学习的方法相比,多类的测试模型进行语义分类的准确率明显得到提升,检索中能体现语义概念,检索性能也得到提高.     

Automatic Quality Inspection of Bakery Products Based on Shape and Color Information

基于形状和颜色信息的烘焙产品的自动质量检测

Babar Khan,韩芳*,王直杰,Ather Iqbal

（东华大学 信息科学与技术学院,上海 201620）

创新点说明：

利用支持向量机和基于生物启发式HMAX模型的形状辨识器与RGB对抗颜色通道辨识器集成而形成一种有效的智能分类系统,并将其用于烘焙产品的质量检测。

研究目的：

本文要对烘焙产品进行更有效的质量检测,需要提出一种智能方法。

研究方法：

本文采用了支持向量机、基于生物启发式HMAX模型的形状辨识器与RGB对抗颜色通道辨识器集成,形成一种高级自动分类系统,对烘焙产品根据其形状和颜色（烘焙时间）进行对应分类。

结果：

利用本文方法对烘焙产品进行质量检测的结果与其它方法相比较,发现本文提出的基于生物启发的机器视觉系统运行更加精确和有效,同时发现采用One Versus One支持向量机和Directed Acyclic Graph支持向量机可以得到最大的分类精确率。本文方法对饼干形状和颜色的辨识分别达到了95%和100%的分类精确率。同时,算法稳定。

结论：

本文方法因其更加可靠和精确可用于代替现有的烘焙产品检测方法。

关键词：烘焙产品质量检测,计算机视觉,HMAX, 对抗颜色通道,RGB颜色辨识器,支持向量机

     

基于最小噪声分量变换的ASTER遥感数据岩性分类

遥感岩性分类相较于普通土地利用分类难度更大,其形状或者规模上都不具有特别明显的规律可循,且在边缘的过渡上也存在模糊性,对于常用的监督分类方法在岩性分类中效果都不甚理想。利用ASTER多光谱数据,总结出一套基于最小噪声分量变换的ASTER遥感数据岩性分类技术流程,在ASTER数据最小噪声分量变换的基础上,通过二维散点图几何顶点提取岩性分类样本,利用光谱角技术对西藏日土地区弗野铁矿范围内的岩性进行分类,并通过中值滤波的方法对分类结果进行后处理。结果表明,分类结果与实际岩性有很好的一致性,总体分类精度达到83.33%。     

优秀少年女子篮球运动员身体成分及体型特征的研究

应用希思——卡特体型分类测量法和皮褶厚度法,对35名优秀少年女篮运动员进行体型和身体成分测量。结果显示：优秀少年女篮运动员的体型特征为4．20—1．05-3．29,属于外胚性内胚叶型体型;前锋、中锋和后卫的体型特征无明显差异,没有表现出场上位置不同的体型特征;三个位置运动员的体型与全队的体型三联数一致。体型特征离篮球运动专项的“理想体型”要求存在比较大的差异。身体成分体脂百分比较大、瘦体重较小和体型特征的结果一致,表明三者之间可能存在相关性。     

融合最小和统计链码与熵矩阵奇异值形状检索

为解决单纯描述形状轮廓时只能描述简单形状的缺点,提出了融合最小和统计链码与熵矩阵奇异值特征的形状分类和检索方法。从结构和统计的角度综合了基于形状轮廓和区域的形状描述,同时又兼具了形状的空间分布特征。对形状区域特征扩展空间分布特征,使形状描述具有鲁棒性,形状熵矩阵奇异值具有对噪声稳定的特点,弥补了链码描述形状特征易受噪声影响的局限性。设计并实现了基于MPEG-7标准形状数据库的形状检索平台,实验结果表明,该算法在形状进行检索和匹配时具有较好的旋转、平移和尺度不变性。     

一种基于层次分类与纹理分析的指纹识别方法

介绍了一种基于层次分类与纹理分析相结合的指纹识别方法．该方法通过指纹整体纹线特征分析，分层次进行指纹的形与子形分类，再由指纹的局部纹理分析确定指纹的细节特征，由此得到具有层次类属的待识指纹特征矢量．在此基础上采用了最大似然法和模糊综合评判方法，在特征数据库的相应类属中进行指纹识别，得到识别结果．该方法已用于指纹考勤系统，应用表明该方法在保证识别准确性的前提下明显地提高了识别速度．识别速度达0．8s／枚．     

Aurora images classification via features salient coding

The change of the form of the aurora reveals the atmospheric activities and the degree of the influence of the sun on the earth. The research on aurora image classification is an effective way to study the aurora phenomenon. In this paper, an image classification method for auroras is developed. According to the characteristics of aurora images, the SIFT features of aurora image are extracted. Then the clustering centers of all SIFT features are obtained by the fuzzy C-means clustering method. Further, the weights of those clustering centers are calculated by the Salient Coding method and they are regarded as the final features for final aurora classification. Finally, the support vector machine is used to classify the 3200 aurora images. Experimental results show that the proposed method has a good performance not only on arc shape aurora images but also on complicated crown shape aurora images.     

CAPP中箱体形零件信息的型面特征描述法

采用型面特征描述完成箱体形零件的信息的描述与输入，本文介绍了本法的设计思想，特征分类与数据结构。