基于跨连接LeNet-5网络的面部表情识别

为避免人为因素对表情特征提取产生的影响,本文选择卷积神经网络进行人脸表情识别的研究.相较于传统的表情识别方法需要进行复杂的人工特征提取,卷积神经网络可以省略人为提取特征的过程.经典的LeNet-5卷积神经网络在手写数字库上取得了很好的识别效果,但在表情识别中识别率不高.本文提出了一种改进的LeNet-5卷积神经网络来进行面部表情识别,将网络结构中提取的低层次特征与高层次特征相结合构造分类器,该方法在JAFFE表情公开库和CK+数据库上取得了较好的结果.     

福州市3个山地公园三维绿量与其影响因子特征研究

为研究山地公园植物群落结构的三维绿量及其影响因子以优化提升公园绿量,选取福州的高盖山公园、金鸡山公园和金牛山公园作为研究对象,每个公园分别选取6个具有典型代表性的植物群落(20m×20m),共18个样地,测定样地的植物群落结构特征与三维绿量。研究结果表明:18块样地含有59种植物,植物群落以乔、灌、草3层为主,群落多样性高且稳定。三维绿量0.48~4.79m3。由线性逐步回归结果可知:乔木层盖度与三维绿量呈显著正相关性,而乔灌比与三维绿量呈显著负相关性,决定系数R2为0.897~0.944,模拟方程为Y=-0.481+4.596X22-0.233X20(Y为模拟三维绿量,X22为盖度,X20为乔灌比)。因此,对于山地公园的绿化建设,可从提升植物群落乔木层盖度及优化乔灌木构成比重等角度入手,提高单位面积三维绿量,以改善其生态效益和空间结构。     

基于权值分布的多模型分类算法研究

为了提高卷积神经网络对图像分类的正确率,对网络结构进行研究,提出了多模型融合卷积神经网络。通过提取单个模型的输出特征向量,进行融合后得到新的输出特征向量,再搭建单层分类器进行图像分类,提高分类准确率。将单个模型与多模型融合的分类准确率进行比较,多模型融合卷积神经网络的分类准确率有所提高。分析了卷积神经网络最后一层全连接层的权值分布,发现同一模型在不同数据集上的权值分布曲线相似,分类效果好的网络模型其权值分布曲线更平缓。