基于软K段主曲线的LPR字符特征的提取方法

车牌识别是智能交通系统的重要组成部分,提高车牌字符识别率的关键在于提取字符的特征。主曲线是主成分分析的非线性推广,它是通过数据分布“中间”并满足“自相合”的光滑曲线。通过对现有主曲线算法的分析可知:软K段主曲线算法对提取分布在弯曲度很大或相交曲线周围的数据的主曲线的效果较好。因此,尝试用该主曲线算法来提取车牌字符的结构特征。实验结果表明,利用该主曲线算法来提取车牌识别的结构特征能够取得较好的实验效果。所提方法为提取 车牌字符特征的研究提供了一条新途径。     

基于K段主曲线算法的手绘形状识别

提出了利用主曲线算法对人机交互中广泛使用的脱机手绘形状的识别。利用改进K段主曲线方法对学习样本点提取主干线,然后对被测试样本计算到主曲线的投影点的距离的均方差,识别是基于对目标主曲线的距离均方差最小。实验证明该算法也是比较有效的一种形状识别算法。     

基于主曲线算法的手写字符特征分析与提取

模式特征的提取与选择是提高手写体字符识别率的关键因素。主曲线是主成分分析的非线性推广,它是通过数据分布“中间”并满足“自相合”的光滑曲线,能够很好地描述数据分布的结构特征。利用软K段主曲线算法提取训练数据的特征,在分析手写体字符结构特点的基础上,选出手写体字符识别所使用的粗分类与细分类特征,利用这些分类特征对手写字符进行识别。该方法在CEDAR手写体数字和字符数据库上的实验表明：选取的分类特征能够有效区分相似的手写体字符,提高手写字符的识别率,为脱机手写字符识别研究提供了一种新的方法。     

基于主曲线的相似字符模糊分类方法

要提高手写字符的识别率,抽取方法,它是通过数据分布"中间"并满足"自相合"的光滑曲线,较好地反映了数据分布的结构特征.本文尝试用主曲线这种新的方法来提取手写字符的结构特征,并基于这些特征来对相似字符进行模糊分类.所提方法在CE-DAR和OCRD手写体字符数据库上的实验结果表明:该方法不但是可行的,而且能有效提高相似字符的识别率.它为字符识别的研究提供了一条新途径.     

基于软K段主曲线的信号细微特征识别

为解决同型号电台信号识别问题,针对具有同步头的信号,根据噪声在频域分布于底层的特点,从频域角度出发,建立基于软K段主曲线算法的功率谱骨架模型。将谱骨架作为暂态特征,计算其信息维数和盒维数,将得到的分形维数使用SVM分类器进行训练,实现对不同电台发送的相同数据波形信号的识别。实验结果表明,在信噪比较低的情况下,该方法可以有效识别电台,识别率仍可达到80%以上。     

基于MapReduce框架的分布式软K段主曲线算法

传统的主曲线算法在小规模数据集上能获得良好的效果,但单节点的计算和存储能力都不能满足海量数据主曲线的提取要求,而算法分布式并行化是目前解决该类问题最有效的途径之一。本文提出基于MapReduce框架的分布式软K段主曲线算法(Distributed soft ｋ-segments principal curve,DisSKPC)。首先,基于分布式K-Means算法,采用递归粒化方法对数据集进行粒化,以确定粒的大小并保证粒中数据的关联性。然后调用软K段主曲线算法计算每个粒数据的局部主成分线段,并提出用噪声方差来消除在高密集、高曲率的数据区域可能产生的过拟合线段。最后借助哈密顿路径和贪婪算法连接这些局部主成分线段,形成一条通过数据云中间的最佳曲线。实验结果表明,本文所提出的DisSKPC算法具有良好的可行性和扩展性。     

基于主曲线的脱机手写数字结构特征分析及选取

要提高脱机手写数字识别的识别率,关键是特征的提取与选择．主曲线是主成分分析的非线性推广,它是通过数据分布“中间”并满足“自相合”的光滑曲线．它较好地反映了数据分布的结构特征．在数字特征选取中,首先将主曲线用于训练数据的特征提取;其次在详细分析数字主曲线的结构特点的基础上,选择出用于数字识别的粗分类、细分类特征;最后在对手写数字进行识别时,先进行粗分类再进行细分类．所提方法在Concordia大学的CENPARMI手写体数字数据库上的实验结果表明：利用这些特征能有效区分相似字符,提高了手写数字的识别率,为脱机手写数字识别的研究提供了一条新途径。     

基于主曲线的脱机手写英文字母结构特征分析及选取

要提高脱机手写英文字母识别的识别率,关键是特征的提取与有效鉴别特征的抽取。主曲线是主成分分析的非线性推广,它是通过数据分布"中间"并满足"自相合"的光滑曲线。它较好地反映了数据分布的结构特征。首先将主曲线用于训练数据的特征提取;其次在详细分析字母主曲线的结构特点的基础上,选择出用于字母识别的粗分类、细分类特征;最后在对手写字母进行识别时,先用这些特征进行一级分类;对个别不能很好区分的相似字母用模糊数学方法进行二级模糊分类。所提方法在CEDAR手写体小写字母数据库上的实验结果表明:利用这些特征能有效区分相似字母,提高手写小写英文字母的识别率,不但能为脱机手写小写英文字母识别的研究提供一条新途径,而且能为手写单词识别提供有用信息。     

改进的软K段主曲线算法及其在指纹骨架提取中的应用

主曲线是一种基于非线性变换的特征提取方法,它是通过数据分布“中间”并满足“自相合”的光滑曲线,能较好抽取出数据的结构特征。针对软K段主曲线算法提取的指纹图像的骨架结构光滑度较差,而且提取的指纹图像骨架经常出现小圈和短枝的现象,本文在对软K段主曲线算法和指纹图像数据特点分析的基础上,引入了一个新的评判函数,并提出了改进的软K段主曲线算法,将该算法应用在提取指纹图像骨架上。实验结果表明,改进的软K段主曲线算法在提取指纹图像骨架的效果和准确率上比原算法都有明显提高。     

基于密度的改进K均值算法及实现

传统的K均值算法的初始聚类中心从数据集中随机产生,聚类结果很不稳定。提出一种基于密度算法优化初始聚类中心的改进K-means算法,该算法选择相互距离最远的k个处于高密度区域的点作为初始聚类中心。实验证明,改进的K-means算法能够消除对初始聚类中心的依赖,聚类结果有了较大的改进。     

基于曲线几何特征的地层参数识别算法

论文给出了一种求地层特性参数的曲线匹配算法。首先对原始数据进行拟合,在不增加新条件的前提下计算出型值点上对应的一阶二阶导数;然后由模板曲线和拟合曲线段的渐缩线特征搜索出拟合曲线段在模板曲线上的对应段,由此求得相应的地层特性参数。实验表明,文中所叙述的方法是比较有效的。     

钢轨磨耗测量系统中光带主曲线提取的研究

在基于计算机视觉的钢轨磨耗测量系统中,针对系统中的图像处理部分进行了大量实验,并根据钢轨形成的光带自身特点,提出了斜率驱动提取主曲线算法.斜率驱动主曲线算法能够有效的抑制钢轨图像的杂散光和提高目标图像的清晰度,从而消除了图像处理中出现的毛刺和图像不完整的现象.实验结果表明这种方法对钢轨图像中光带主曲线的提取有很大的改进,从而将系统测量误差控制在所要求的范围之内.     

面部动画参数的提取及驱动

论文提出一种结合CANDIDE模型和扩展的Lucas-Kanade算法进行特征跟踪和面部动画参数提取的方法,利用特定人三维扫描数据对动画网格实现特定化,驱动面部动画参数生成动画。实验结果表明面部动画参数提取的准确性和合成动画的真实感是可以接受的。     

基于Gentleboost算法的人物检测

传统的人物检测方法多是对于小样本,并且对于背景复杂的图片检测率很低,但是现实中的场景复杂,而且实时检测系统需要处理大量图片。针对传统检测方法在人体检测中的这些不足,提出了一种基于集成学习的方法——Gentleboost算法的人物检测方法,利用人物的身体碎片以及这些碎片相对于身体中心的相对位置作为特征,用Gentleboost算法训练的分类器来对人体进行分类。为了提高分类器的学习效率,解决复杂场景中人体检测的难题,提出了一种利用线性回归末端作为弱分类器的方法,从正、负两个方面对预测模型进行加权,改变了原来的仅从正预测进行加权的方法。将Gentleboost和基于YCbCr外表滤波加上身体部分特征的人物检测算法（简称为YCbCr算法）进行比较,并且对不同迭代次数的分类性能也进行了比较。实验结果表明,Gentleboost的性能要优于YCbCr算法,而且随着迭代次数的增加,检测精度也随着增加,并且逐渐趋于稳定。该方法执行起来简单,数值上也比较稳定,正确率高,可以处理大量图片,解决了人体检测中的一些关键问题。     

Online motion recognition using an accelerometer in a mobile device

This paper introduces a new method to implement a motion recognition process using a mobile phone fitted with an accelerometer. The data collected from the accelerometer are interpreted by means of a statistical study and machine learning algorithms in order to obtain a classification function. Then, that function is implemented in a mobile phone and online experiments are carried out. Experimental results show that this approach can be used to effectively recognize different human activities with a high-level accuracy.