自然数编码遗传算法的最优群体规模

选择适当的群体规模是使用遗传算法面临的首要问题。对于给定字符串长ｌ，当采用自然数编码时，从理论上证明了遗传算法的最优群体规模的存在性，给出了相应的计算方法，本文工作对于遗传算法的实际应用具有指导意义。     

融合多种几何特征的三维人脸识别算法

由于对光照、姿态变化的不敏感, 三维人脸识别算法已经受到人们的极大关注, 其中三维人脸特征的表示、获取以及多种表示特征的有效融合仍然是三维人脸识别的核心问题. 本文提出一种三维人脸识别方法, 该方法针对归一化的三维人脸数据, 选取人脸的曲面特征和描述人脸特征相互关系矩阵的主分量特征作为人脸表示特征, 给出了各特征的提取方法及同类特征的相似性度量, 进而提出了一种对各类特征进行加权融合的方法, 即通过分析不同特征的分类识别能力, 根据Fisher的线性判别准则, 以类内和类间特征相似度的均值差与类内和类间的散度平方和之比的大小作为该类特征权重, 在决策层为不同的特征赋予不同的权重. 最后, 基于公开发布的BJUT-3D三维人脸数据库进行了识别性能实验. 实验结果证明, 本文的特征融合方法比一般的加权策略有更好的识别性能．     

基于嘴部Gabor小波特征和线性判别分析的疲劳检测

为了提高驾驶的安全性,提出一种通过摄像头定位驾驶员的嘴部,利用嘴角的纹理特征检测打哈欠的方法.在人脸检测的基础上,用灰度投影定位左右嘴角,采用Gabor小波提取嘴角的纹理特征,通过线性判别分析(linear discriminant analysis,LDA)判定是否打哈欠.试验数据为30人的3 000幅图像,数据中包含了光照、姿态、面部饰物(眼镜)等变化.试验结果表明,该方法符合实时打哈欠分析的需要;Gabor小波特征比几何特征更适合描述打哈欠时嘴部的变化;算法的平均识别率为91.97%,比嘴部宽高比的几何特征有较大提高.     

大坝浇筑进度可视化系统

讨论了基于Qt应用程序开发框架和OSG图形引擎应用程序设计接口的浇筑仿真系统的开发方法,实现了某混凝土坝浇筑过程的可视化仿真.在技术层面上,提出了对大坝整体模型进行三维裁剪来得到不同浇筑时期大坝的模型的方法,避免了以往工程仿真中手工对不同时期分别进行建模的方法.此方法完全根据施工采集的高程数据来生成对应的浇筑情况;二维可视化也是用同样的思路来动态模拟浇筑状况,同时将温度、应力场散乱点数据重建为网格,与二维仿真有机的融合在一起.最后给出了研究结果.     

基于残差字典学习的图像超分辨率重建方法

为了提高图像重建质量,在保留图像空间结构信息的同时恢复更多图像高频信息,提出一种基于二维可分离字典和残差字典的图像超分辨率重建方法.不同于传统的基于一维字典的超分辨重建方法,二维字典直接利用图像的二维矩阵表示,因此,可以保持图像的空间结构信息,减少字典参数的数量,节省存储空间.为了更好地恢复图像高频信息,在二维可分离字典重建图像基础上,引入残差字典,重建边缘等高频信息,两类字典各有侧重,二者结合可得到更高质量的超分辨率重建图像.在典型的公共图像集上的实验证明了提出的结合二维可分离字典和残差字典的图像超分辨重建方法的有效性和优越性.     

基于Softplus激活函数和改进Fisher判别的ELM算法

在极限学习机(extreme learning machine,ELM)网络中,对可加型隐单元的激活函数通常选择的是Sigmoid函数.因此,首先提出一种新型修正线性函数的近似平滑函数Softplus来替代它.Softplus激活函数因为更接近生物学的激活模型且具有一定的稀疏能力,可进一步优化网络性能.其次,为了使ELM算法训练的网络具有更好的分类性能,考虑了类内距和类间距的约束,提出了基于改进Fisher判别约束的ELM算法,从而使解析求得的输出权值更加利于分类,进一步改进了识别性能.最后,在手写数字库和人脸库上的实验证明了改进ELM算法的可行性和优越性.     

深度聚类算法研究综述

聚类分析是挖掘数据内在结构的关键技术,在大数据时代,人们面对的数据通常具有规模大、维度高、结构复杂等特点,直接应用传统聚类算法往往会失效.深度学习凭借层次化非线性映射能力使得大规模深度特征提取成为可能,因此基于深度学习的聚类(深度聚类)算法迅速成为无监督学习领域的研究热点.该文旨在对深度聚类的研究现状进行归纳和总结.首先,从神经网络结构、聚类损失和网络辅助损失3个角度介绍深度聚类的相关概念;然后,根据网络的结构特点对现有的深度聚类算法进行分类,并分别对每类方法的优势和劣势进行分析和阐述;最后,提出好的深度聚类算法应具备的三要素:模型的可扩展性、损失函数的鲁棒性和特征空间的平滑性,并从这3个方面分别阐述未来可能的研究方向.     

融合LBP和局部稀疏表示的人脸表情识别

为更好获取人脸局部表情特征,提出了一种融合局部二值模式（Local Binary Pattern,LBP）和局部稀疏表示的人脸表情特征与识别方法。为深入分析表情对人脸子区域的影响,根据五官特征对人脸进行非均匀分区,并提取局部LBP特征;为精细刻画人脸局部纹理,整合人脸局部特征,设计了人脸局部稀疏重构表示方法,并根据表情对各局部子区域的影响因子,加权融合局部重构残差进行人脸表情识别。在JAFFE2表情人脸库上的对比实验,验证了该方法的可行性和鲁棒性。     

利用概念图技术改进计算机图形学教学

知识爆炸和人类社会的高度发展使世界各国的高等教育体制在传授学生知识的同时更加致力于培养其终生学习的能力。而对概念图技术的灵活运用,可以培养学生自主把握时间和知识,以及构建复杂概念等方面的能力,有助于学习者终生学习能力的养成。本文在简介该技术定义和特点的基础上,给出了利用概念图改进计算机图形学教学的案例。     

三维人脸纹理改善及其在模型匹配中的应用

为改善三维人脸库的颜色纹理,基于纹理映射技术,提出了一种改善方法．使用统计学中曲线拟合与线性回归的方法,根据扫描仪获取的三维人脸库颜色纹理空间,拟合、逼近真实纹理空间,进而得到改善的颜色纹理空间,建立了三维人脸库颜色纹理空间到改善的纹理空间之间的映射关系．根据该映射关系改善了三维人脸库颜色纹理,缩小了其与真实纹理之间的差异．实验结果证明,用该方法改善后的纹理与真实纹理的差明显小于扫描得到的纹理与真实纹理之间的差;在模型匹配过程中使用改善后的纹理,可提高模型匹配速度,缩短匹配时间．