基于自适应并行结构的多模态生物特征识别

传统多模态生物特征识别方法当出现生物特征缺失时,识别性能会明显下降。针对此问题,提出一种融合人脸、虹膜和掌纹的自适应并行结构多模态生物识别方法。该方法在设计融合策略时,考虑到所有可能的输入缺失,构造并行结构的融合函数集,在实际应用时根据输入状态自适应的选择融合策略进行识别。实验仿真结果表明该方法既可提高识别可靠性又可实现当有生物特征缺失时的性能稳定。     

ISO联手IEC发布信息技术多模态生物特征识别技术方案

日前，由ISO和IEC联合公布的《信息技术——生物特征——多模态和其他多生物特征融合》（ISO／IECTR24722：2007）方案能融合多种生物指令，将相同身份的多种证据输入传感器。     

移动设备生物特征识别多模态融合标准研究及展望

针对用于移动设备的生物特征识别多模态融合技术框架不统一以及标准缺失的问题,提出了多模态融合的分类、层级以及标准统一技术框架。首先分析国内外与移动设备生物特征识别相关的标准化现状;其次研究移动设备生物特征识别标准的本地识别以及远程识别应用模式,分析提出多特征、多算法、多实例、多传感器4种多模态融合分类方法,研究并提出样本级融合、特征级融合、分数级融合和决策级融合4种多模态融合的层级,并且提出用于移动设备的生物特征识别多模态融合标准技术框架;最后对移动设备生物特征识别多模态融合技术应用进行展望。     

多模态神经网络的网络舆情大数据特征识别

传统网络舆情大数据特征识别方法所构建的演化模型损失值偏高,导致识别结果属性不一致,因此提出基于多模态神经网络的网络舆情大数据特征识别方法.布设网络舆情大数据情感维度空间,在该空间中分析网络舆情在三个阶段的演化规律,以此构建网络舆情大数据演化模型.采用多模态神经网络进行模型演化结果学习,识别具有相同属性的网络舆情大数据特...     

基于RCBA模型的多模态讽刺识别

目前,大多数讽刺识别模型都是针对文本数据进行研究,推文中包含的图像数据未得到有效利用,导致讽刺识别任务准确度不高.针对这一问题,提出一种结合注意力机制的联合神经网络模型RCBA,用于图文混合的多模态讽刺识别任务.RCBA模型首先利用结合空间注意力机制和通道注意力机制的深度残差网络(ResNet101)进行图像特征自适应...     

基于多模态深度学习的信号调制识别

信号调制识别技术在民用和军事领域都有重要应用。当前信息化战场中,由于各类雷达、通信、导航、电子战武器等信息辐射源的数量愈来愈多,调制形式也日益多样化,信号密度愈来愈大,战争电磁环境日趋复杂化,传统的信号调制识别技术已无法适应。因此,提出基于深度学习的AlexNet网络和复数神经网络,同时采用多模态特征融合和模型融合技术,融合信号统计图域和信号I/Q波形域的多模态信息,实现信号调制识别。仿真结果表明,所提方法的识别精确度在不同信噪比下均优于单模态识别方法和未采用多模态协同融合框架的方法。     

基于生物特征的身份识别技术

生物特征识别技术是通过对人体各器官的特征以及差异明显行为动作进行分析研究来实现身份识别的一种手段。通过对各种不同的生物特征识别方法的优势和不足进行介绍和分析，并针对不同的应用领域提出了相应的生物特征组合的识别方法。     

基于分数层融合的多生物特征融合识别

针对多生物信息识别分类问题,提出了一种基于分数层融合的掌纹和虹膜融合识别模型。首先使用1D LogGabor滤波及最小汉明距离匹配实现了虹膜的特征提取和识别匹配,识别准确度达到98.9%;其次利用优化后的SqueezeNet网络模型实现了掌纹的分类识别,其分类准确效率可达99%;最后采用分数层融合方案按掌纹与虹膜比为4:6的权重比进行多生物融合识别,最终实现识别分类准确度为99.75。此外,设定评价指标对掌纹、虹膜以及融合后的识别性能进行了评估,得到该三个识别系统的AUC值分别为0.994875、0.985471、0.999599。实验结果表明,多模态生物特征融合识别有效地提高了系统识别的性能,使其具有更高的识别效率和准确度,在安全性、可靠性和鲁棒性等方面都有所增强。     

基于信息多模态融合技术在动物识别模型中的应用

国家一级保护动物海南黑冠长臂猿仅分布于我国海南岛,提升对该物种群研究效率且尽可能避免人类行为的干扰成为痛点。文章基于多模态特征融合识别技术,提出一套猿类面部图像特征识别的算法框架,实现海南黑冠长臂猿个体的识别;结合基于时序维度的海南黑冠长臂猿面部特征和猿鸣声纹特征的融合识别模型,实现对长臂猿个体的研究和跟踪。以上框架将神经网络与海南黑冠长臂猿的识别、分类、标记和跟踪等深度结合,提升研究人员的工作效率,同时,也为其他珍稀生物个体多模态特征识别研究提供借鉴。     

基于表情和语音的多模态情感识别研究

由于单一特征的局限性,单一模态的情感识别研究往往由于含有的有效信息量较少或含有的噪声信息过多而导致识别结果与实际情况有着较大的差异。而不同类型的输入特征,相对于单一特征而言,包含着充分的、互补的情感信息。因此,本研究基于eNTERFACE数据库,提取了SIFT特征作为表情特征数据以及使用openSMILE工具包提取的1 582维声学及统计特征作为语音特征数据,分别运用支持向量机SVM和稀疏表示SR方法进行情感识别。最后采用决策层融合的方式,在该数据库上获得了比较好的效果。     

多峰函数优化的黄金分割斐波那契树优化算法

针对多峰函数优化问题,基于斐波那契树优化算法,结合黄金分割思想,提出一种黄金分割斐波那契树优化算法.该算法利用斐波那契树优化算法全局局部交替寻优特性,通过在寻优过程中对优化问题解空间进行黄金分割比例压缩,从而提高算法局部搜索能力与小峰值搜索能力.多峰函数优化的仿真结果表明,该算法多峰优化能力强、速度快、精度高.     

基于多特征的视频内容安全过滤方法

应国家对视频网站加强有序管理的迫切要求,文中应用一种基于多模态特征的网络视频分类方法,实现对网络视频的安全监管。该方法对从网络视频中提取三大类的视频特征,分别针对音频特征、运动和颜色以及空间和时间特征,递进地对视频进行过滤。通过对视频中不良场景的定义,包括恐怖、暴力和色情语义,以检测网络视频内容中潜在的不良信息,实验证明该方法有效地提高了不良视频检测和分类的准确率。     

多维函数全局寻优的团队进步算法

通过模仿团队进步需要的学习、探索行为和成员更新规则，提出了一种新颖的双群体演化算法，称为团队进步算法（TPA）。算法将一个团队的成员分为精英和普通组，建立了两组的学习样板，定义了学习和探索运算，并合理设定了成员更新规则。两组成员在搜索过程中出现了明显分工，使算法兼备了全局搜索、局部搜索和定向搜索的能力。数值试验结果验证了新算法具有实现简单、全局寻优成功率高、收敛快、计算量少、坚韧性强和参数选择相对容易等特性，对解决优化应用问题具有较大的价值。     

基于遗传算法的多峰函数优化

目前,对于整体优化问题已经进行了大量理论研究,并提出了许多基于导数的解析方法和其他非解析的数值优化技术。但是,在实际领域中存在着各种高度复杂的优化问题,其目标函数可能表现为非连续或非处处可微、非凸、多峰和带噪声等各种形式,这类复杂优化问题不适合于采用解析方法,同时用传统上的搜索技术求解也会遇到许多困难。针对上述问题,提出利用遗传算法求解多峰函数的优化方法,新方法利用遗传算法的鲁棒性,对多峰函数进行优化,并用Matlab进行仿真,实验结果表明,遗传算法可以快速稳定地搜索到多峰函数的最优解。     

混沌优化算法在组合优化问题中的应用

组合优化问题一直都受到理论界和工程界的重视,此类问题的求解方法也有很多,却各有缺点和局限性,不能满足实际应用的需要。混沌优化算法在解决数值优化问题上具有一定的普遍性,可以很快找到全局最优解,不过组合优化问题的解不是一个数值,因此在前人研究的基础上,提出求解组合优化问题的混沌优化算法。首先分析混沌优化,并针对组合优化问题中的TSP问题,提出一种混沌优化策略,探讨在TSP问题中应用混沌优化算法的方法。结果表明了该方法的有效性。     

三层动态网络联合优化选路算法

 IP/MPLS over WDM被认为是下一代互联网络的最理想解决方案,但是在目前以及以后的很长一段时间内,网络结构仍然是IP/MPLS over SDH over WDM这样三层网络共存的情况。为了能够有效降低三层动态网络中的业务阻塞率,本文提出了三层动态网络联合优化选路算法。该算法分为两种模式,在模式1中,上层网络中被阻塞的业务可以开放的利用下层网络的空闲资源;在模式2中,将三层网络整合成为一个网络,在这个综合网络中为每一个业务进行选路。为了能够实时的传输每一个到达的动态业务,在这两种模式中采用蚁群策略为动态业务进行选路,提出了一个新的前向蚂蚁路径选择概率模型以及路径质量评判参数,使得所选的路径能兼顾链路利用率和路径跳数。仿真实验表明,同其他算法相比,本文提出的算法可以有效地降低三层动态网络的阻塞率。     

采用组合单元技术的区域分解算法及其在雷达散射截面优化中的应用

研究了一种采用组合单元技术的区域分解算法,把原求解区域划分为若干个子区域,将每个子区域内部的场值映射到连接节点,通过求解连接节点的场值即可快速获得原问题的解,极大地减少了存储量和计算量,为计算复杂电磁散射问题提供了一种新的途径.这种区域分解算法特别适合于各种优化问题,例如,雷达散射截面的优化.数值算例验证了该方法的准确性和有效性.     

基于凸组合算法优化的前向神经网络观测器设计

本文利用凸组合算法对单隐藏层前向神经网络进行了优化,通过迭代来更新权值以调整隐藏层的信息.同时引入了一个新的误差函数来评价误差性能,该函数通过对权值进行解耦来求解优化参数,提高了参数的计算速度.在此基础上,提出了一种非线性系统的自适应神经网络状态观测器设计方法.最后通过仿真验证了该神经网络观测器能准确并快速地观测出系统的状态值.     

A Novel Quantum Entanglement-Inspired Meta-heuristic Framework for Solving Multimodal Optimization Problems

To solve Multimodal optimization prob-lems (MOPs), a Novel Quantum entanglement-inspired meta-heuristic framework (NMF-QE) is proposed. Its main inspirations are two concepts of quantum physics:quantum entanglement and quantum superposition. When given Proto-born particles (PBPs) of a population, these two concepts are mathematically developed to generate twin-born and combination-born particles, respectively. And if any elite-born particles would be created by a local re-searching strategy. These three or four groups of particles come together as a whole search population of NMF-QE to realize exploration and exploitation of algo-rithms. To guarantee dynamical optimization capability of NMF-QE, the individual evolutionary mechanism of some existing meta-heuristics will be adopted to iteratively create PBPs. A selected meta-heuristic is coupled with NMF-QE to present its improved variant. Numerical results show that the proposed NMF-QE can effectively improve optimization performance of meta-heuristics on MOPs.