基于MDL Shape Model及EFD的行人轮廓2D+time表示

针对智能监控的行人轮廓特征提取,先利用MDL shape model得到紧致但能充分表征轮廓几何特征标志点之间的对应关系,再利用椭圆傅里叶分解把行人轮廓表示为一系列不同频率下椭圆傅里叶系数组成的向量,最后得到行人2D time轮廓的描述向量。实验结果表明,此方法不但可以在几何上直观地表示行人轮廓,而且大大降低了轮廓向量的维数。     

一种基于MDL的日志序列模式挖掘算法

日志数据是互联网系统产生的过程性事件记录数据,从日志数据中挖掘出高质量序列模式可帮助工程师高效开展系统运维工作。针对传统模式挖掘算法结果冗余的问题,提出一种从时序日志序列中挖掘序列模式(DTS)的算法。DTS采用启发式思路挖掘能充分代表原序列中事件关系和时序规律的模式集合,并将最小描述长度准则应用于模式挖掘,设计一种考虑事件关系和时序关系的编码方案,以解决模式规模爆炸问题。在真实日志数据集上的实验结果表明,与SQS、CSC与ISM等序列模式挖掘算法相比,该算法能高效挖掘出含义丰富且冗余度低的序列模式。     

基于MDL和LSC的语义优选方法

为实现谓语动词对论元的自动选择,提出基于最小描述长度(MDL)和潜在语义聚类(LSC)的语义优选方法。基于MDL原则计算与动词搭配的名词的 值,根据LSC模型的EM算法求取动、名词的搭配概率P(v,n),并针对每一对动、名词计算 和P(v,n)之和,将其作为衡量两者语义关联度的标准。实验结果表明,该方法的F1值达到85.26%,优于单独使用MDL或LSC方法。     

基于MDL准则的MUSIC信号频率估计算法

在正弦信号频率估计方法中,高分辨率谱估计的MUSIC算法利用信号子空间和噪声子空间的正交性进行信号频率的估计,可以得到很高的测频精度.但是信号源数的选择将会影响此方法的有效性.本文研究了基于最小描述长度(MDL)准则的MUSIC算法,信号子空间和噪声子空间的估计以及信号源数的确定同时进行,解决了MUSIC算法中信号源数对估计结果的影响.仿真结果表明利用该方法可准确地估计多个正弦信号的频率值.     

水果和根茎蔬菜形状的计算机辅助分析

受遗传、土壤、生长发育等因素影响,水果和根茎蔬菜的形状和大小迥异。提出一种对水果和蔬菜的根部形状和大小用椭圆傅里叶变换的系数进行描述的方法,并对该系数的方差协方差矩阵进行主成分分析,找到主成分元素即揭示水果和根茎蔬菜形状变化的主要因数。此方法应用在水果蔬菜的品种改良中。     

基于EMD和奇异值分解技术的滚动轴承故障诊断方法

提出了基于EMD(Empirical mode decomposition)和奇异值分解技术的滚动轴承故障诊断方法。采用EMD方法将滚动轴承振动信号分解成若干个基本模式分量(Intrinsic mode function，IMF)之和，并形成初始特征向量矩阵。然后对初始特征向量矩阵进行奇异值分解得到矩阵的奇异值，将其作为滚动轴承振动信号的状态特征向量，通过建立Mahalanobis距离判剐函数判断滚动轴承的工作状态和故障类型。实验数据的分析结果表明，本文方法能有效地应用于滚动轴承故障诊断。     

基于先验模型约束的Snake算法

提出了一种先验模型的方法,给活动轮廓模型设定了目标形状模板。在蛇点的运动过程中,利用归一化傅里叶描述子对蛇点轮廓和先验模型进行描述,反复比较蛇点和先验模型的差距,使蛇点轮廓的运动的形状逐渐逼近先验模型,更精确地收敛于目标物体轮廓。     

基于先验模型约束的Snake算法

提出了一种先验模型的方法，给活动轮廓模型设定了目标形状模板。在蛇点的运动过程中，利用归一化傅里叶描述子对蛇点轮廓和先验模型进行描述，反复比较蛇点和先验模型的差距，使蛇点轮廓的运动的形状逐渐逼近先验模型，更精确地收敛于目标物体轮廓。     

基于椭圆傅里叶描述子的形状表示的研究

形状表示是模式识别和计算机视觉中最重要的研究内容之一。针对传统形状表示算法对形状的整体特征和细节信息不能同时描述、通用性不高的问题,提出了一种基于高斯多尺度分析下的椭圆傅里叶描述算子。提出的算法利用高斯函数与目标形状的复坐标函数进行卷积,通过选择高斯曲线的参数,将形状的边界信息呈现到不同的尺度空间之中;利用椭圆傅里叶变换将其展开得到表示该形状的特征向量。实验结果表明,该方法的优点在于描述同类形状时,特征向量之间的相关系数高,具有很好的平移、旋转以及尺度不变性;在描述不同类形状时,相关系数低,有很强的形状区分能力。该方法在形状分类实验中也有较高的检索准确率。     

基于方向极傅里叶频谱2DPCA 的尾迹检测

针对航空图像中的水面尾迹, 提出了一种基于方向极傅里叶频谱二维主成分分析(Two-dimensional principal component analysis, 2DPCA)的尾迹自动检测算法. 该方法根据子图像的纹理方向, 对傅里叶频谱进行极坐标变换, 使得到的方向极傅里叶频谱具有平移和旋转不变性. 相对于文献中对极频谱的直接划分作为纹理特征, 本文对它进行一次列二维主成分分析, 一次行二维主成分分析和两次二维主成分分析, 实验结果表明本文方法具有更高的分类识别率, 其中两次二维主成分分析的分类识别率最高. 对40幅图像的测试结果表明, 本文的方法能够有效地自动检测航空图像中的水面尾迹纹理.     

基于主分量分析和大气散射模型的彩色图像雾霾快速去除算法

为去除彩色图像中的雾霾,提出了一种基于主分量分析(PCA)和大气散射模型的快速去除彩色图像雾霾的算法。首先,提取彩色图像三个颜色通道的主分量,并用最大主分量重构三个颜色通道,并在重构后的三个颜色通道中取最小灰度值构成最小重构映射(MRM);然后,用中值滤波器对MRM滤波,以提高估计全局大气光的准确性,接着在MRM中估计全局大气光;最后,根据大气散射模型求解介质透过率和场景辐射度(去除雾霾后的图像)。实验结果表明,所提算法在视觉效果上取得了较好的复原结果,与暗原色去雾算法和对比度受限自适应直方图均衡算法相比,所提算法运算效率更高,同时该算法简单、易于实现,能较快去除彩色图像中的雾霾。     

基于OIVPM的特征值确定ARMA模型的结构

基于最小描述长度(MDL)准则,提出了一种新的自回归滑动平均(ARMA)模型结构辨识方法.该方法将ARMA模型的结构辨识分两步进行:首先利用超定辅助变量乘积矩(0IVPM)的最小特征值确定自回归(AR)部分的阶,然后利用协方差矩阵的特征值估计滑动平均(MA)部分的阶.方法的可行性与有效性通过大量的数值仿真得到验证.     

基于PCA和LDA统一化原理的增强型线性鉴别分析准则

主分量分析(PCA)和线性鉴别分析(LDA)是模式识别领域的使用最为广泛的两种特征抽取方法,而在图像识别中经常采用的是PCA LDA方法来代替单纯的LDA。本文提出一种增强型线性鉴别准则(ELDA),将PCA的优点和LDA的优点充分地融合在一起,不仅解决了PCA过程中使用最小距离方法时识别精度相对低的缺点,而且解决了LDA过程中当类内散布矩阵奇异时投影向量的求解问题,也就是说可以使用该方法来替代PCA LDA的两步骤方法。另外,该方法在识别精度上比PCA和LDA或PCA LDA方法都有较大的提高,通过在ORL、Yale和NUST603人脸库上的实验验证了该算法的有效性。     

基于CSMDEM算法的GMM学习方法

基于Mahalanobis距离的EM(MDEM)算法存在过分裂问题。为此,提出一种竞争结束MDEM(CSMDEM)算法。该算法将最小描述长度准则作为竞争结束条件嵌入到MDEM算法中,能够在估计混合模型参数的同时选择模型阶数。实验结果表明,该算法具有较低的平均EM迭代次数,能够较好地拟合高斯混合模型。当其被应用到跳频网台分选时,能够以较高的正确率分选跳频信号。     

基于DFT的时域LS信道估计算法

基于IEEE 802.16d/e标准的OFDMA系统中存在保护子载波和导频非2n等间隔插入,针对该问题,提出一种基于DFT的时域LS信道估计算法。该算法对相比信道自相关矩阵R容易获得的矩阵T进行奇异值分解(SVD),得到基于DFT的低阶近似。仿真结果表明,该算法的信道估计性能和运算复杂度介于LMMSE-SVD算法、IFFT/FFT算法之间,对导频要求更宽松,应用更广泛。     

基于小波特征的快速核主分量分析技术

论文提出了基于小波特征的核主分量分析技术,即在进行非线性映射之前,首先利用小波变换对原始输入训练样本进行预处理,获取低频平滑、水平细节和垂直细节等三个子图的小波特征,然后在频域上,对它们分别进行核主分量分析(KPCA),对最终获得的3组特征向量设计了一种特征融合的方法。在ORL标准人脸库上的试验结果表明所提方法不仅在识别性能上优于现有的核主分量分析方法,而且,特征抽取速度提高了11倍。     

基于互累积量的有噪独立分量分析方法

针对传统独立分量分析(ICA)方法无噪假设的局限性,提出基于互累积量的有噪ICA方法。考虑含高斯噪声的瞬时混合模型,以观测信号的互累积量组成一系列对称矩阵,以对称矩阵的联合对角化程度为目标函数,采用粒子群优化算法对混合矩阵进行全局寻优。通过寻优得到混合矩阵,将有噪ICA转化为一维欠定ICA,基于奇异值分解法得到源信号的估计。仿真结果表明,与传统ICA方法相比,该方法对混合矩阵的估计精度较高,可以明显提高分离信号的信噪比。     

基于改进PCA和支持向量机的掌纹识别

掌纹识别是一种新兴的生物特征识别技术。掌纹识别是用掌纹特征(包括人眼可见的和不可见的)来进行身份鉴别的一种方法。其中掌纹特征提取和掌纹特征匹配是掌纹识别研究的关键部分和核心内容。在特征提取方面,给出了两种改进的特征提取方法。先对掌纹图像进行傅里叶变换,再对变换后的图像进行主成分分析;针对掌纹图像的特点,对PCA进行改进,设计了适用于掌纹图像的分块主成分算法。将一整幅掌纹图像分为若干子块图像,在此基础上进行主成分分析。通过实验验证了改进的特征提取方法可以提高识别准确率。在特征识别方面,模版匹配虽然在一定程度上计算量小,准确率高,但容易陷入小样本问题。因此通过训练SVM分类器,进行掌纹识别。实验证明该方法有较好的可行性。     

基于二维自动主动形状模型的椎间盘核磁共振图像分割算法

针对椎间盘手动建模主观耗时以及现有分割方法不够准确的问题,提出了一种二维自动主动形状模型(2D-AASM)方法,由基于最小描述长度的椎间盘自动统计形状建模、二维局部梯度建模和分割三部分组成。将25组脊柱核磁共振图像(MRI)的椎间盘专家分割结果作为训练集,采用基于最小描述长度的方法确定点对应关系,建立椎间盘T4-5的统计形状模型和二维局部梯度模型,生成形状模型的方差和目标函数值均小于手工和弧长参数方法。模型建立后,通过3组脊柱MRI数据测试提出的分割方法,与传统主动形状模型（ASM）和加入一维局部梯度模型的ASM方法相比,其分割结果具有更高的戴斯系数值,更低的过分割率和欠分割率。实验结果表明,所提方法建立的模型更准确,分割结果更精确。