基于对称二维主成分分析的人脸识别

提出一种基于人脸直观上镜像对称的算法--对称二维主成分分析,并成功应用于人脸识别.该算法引入镜像变换,根据奇偶分解原理,分别生成奇偶对称样本,再分别进行二维PCA变换,生成奇偶本征空间.根据选择性集成的思想,从奇偶本征空间挑选出更具有鉴别信息的本征向量构造人脸特征提取的本征空间.提取人脸图像的各奇偶对称的二维主成分特征进行识别.理论分析与实验证明,该算法既扩大样本容量,又提高识别率,同时该算法对光照变换有一定的不敏感性.     

支票中手写体数字串的提取与分割

设计了支票小写金额自动识别系统的前期处理模块,包括手写数字串的提取与分割。在数字串的提取过程中,首先采用动态阈值选取算法去除图像中的背景底纹,然后设计专门的线检测与去除过程去除定位格线;再利用检测到的框线位置将图像分块,根据目标的大小选取合适的阈值去除印章图像;最后采用连通区分析的方法提取数字串。在数字串的分剖过程中,结合了定位格的位置信息,简化了分割过程。该文提出的方法在现行支票图像上获得了较为满意的结果,基本达到了实用的水平。     

求解旅行商问题的混合粒子群优化算法

结合遗传算法、蚁群算法和模拟退火算法的思想，提出用混合粒子群算法来求解著名的旅行商问题．与模拟退火算法、标准遗传算法进行比较，24种混合粒子群算法的效果都比较好，其中交叉策略D和变异策略F的混合粒子群算法的效果最好，而且简单有效．对于目前仍没有较好解法的组合优化问题，通过此算法修改很容易解决．     

Foley—Sammon鉴别矢量集理论分析及优化模型

The attribute of the maximum of R(ξ) in arbitrary subspace of Rn is discussed dedicatedly. The theory anal-ysis indicates that every F-S discriminant vector is better than respective vector in other discriminant vectors sets,which consist of eigenvectors of sbξ=λswξ. But,the fact that the F-S vectors are statistically correlated degrade the F-S vectors set. Two ways are used to obtain“good“ F-S vectors set. The experiments on Concordia University CEN-PARMI handwritten numeral database suggest that the new vectors set is better than the origin. A new problem mod-el on F-S discriminant vectors set is proposed in this paper. It‘s easily understanding that the problem model is superi-or to the original F-S discriminant vectors set problem model.     

邻域系统分层递阶结构分析

以基于邻域系统的粗糙集模型为基础,给出了邻域系统分层递阶结构的5条公理;提出了一种序关系,用来描述不同邻域系统之间的粗细关系;证明了新提出的这种序关系满足邻域系统分层递阶结构的公理化形式。     

基于Gabor滤波特征和支持向量机的人脸检测

人脸检测是人脸识别与图像及视频检索的一项重要任务。论文提出了一种基于Gabor滤波特征和支持向量机的正面人脸检测方法。算法首先利用了Gabor滤波器的良好的空间位置与方向的选择特性,采用了四种方向的Gabor滤波器提取人脸样本图像特征并用PCA方法对特征降维,然后用已降维的特征训练支持向量机分类器。最后应用SVM分类检测人脸。实验结果证明该方法行是十分有效的。     

基于模块2DPCA的人脸识别方法

提出了模块2DPCA（two-dimensional principal component analysis）的人脸识别方法。模块2DPCA方法先对图像矩阵进行分块，将分块得到的子图像矩阵直接用于构造总体散布矩阵，然后利用总体散布矩阵的特征向量进行图像特征抽取。与基于图像向量的鉴别方法（比如PCA）相比，该方法在特征抽取之前不需要将子图像矩阵转化为图像向量，能快速地降低鉴别特征的维数，可以完全避免使用矩阵的奇异值分解，特征抽取方便；此外，模块2DPCA是2DPCA的推广。在ORL和NUST603人脸库上的试验结果表明，模块2DPCA方法在识别性能上优于PCA，比2DPCA更具有鲁棒性。