基于代价敏感深度决策树的公交车环境人脸检测

针对公交车环境下的人脸检测具有光照变化、模糊、遮挡、低分辨率和姿势变化等问题,提出了基于代价敏感深度决策树的人脸检测算法。首先,基于归一化的像素差异（NPD）特征构建单个深度二次树（DQT）;接着,根据当前决策树的分类结果,利用代价敏感Gentle Adaboost方法对样本权重进行更新,依次训练出多棵深度决策树;最后,将所有决策树通过Soft-Cascade级联得到最终的检测算法。在人脸检测数据集（FDDB）和公交车视频上的实验结果表明,所提算法与现有的深度决策树算法相比,在检测率和检测速度上均有提升。     

广义插值多小波及其反馈神经网络构造

①给出了广义插值的概念，讨论了广义插值特性和正交性、紧支性、对称性之间的关系，建立了多尺度函数具有广义插值正交和广义插值对称的充要条件，结果表明它极大地克服了目前多小波取样定理研究领域存在的不足——基于插值特性的取样拒绝了众多性质优美的小波，也拒绝了信号处理愿望的对称性．②给出了满足给定优美性质的多小波的高效构造方法——Hopfidd反馈型神经网络法，与目前广为使用的利用Singular软件求Grobner基方法相比，该方法不仅极大地减少了时间复杂度，而且可以获得十分令人满意的结果．     

协作标签系统中的信息检索问题研究

分析了制约协作标签系统中信息检索的瓶颈问题,提出要在CTS中实现较高的查准率和查全率,必须要从服务端的信息组织和客户端的信息检索两个角度出发,逐步消除模糊语义,为资源和标签的对应关系找到合适的上下文环境,从而检索到需要的信息。     

二维彩色图像的蜡笔画风格实现

提出了一种基于2D图像的蜡笔画风格自动生成算法,通过分析真实蜡笔画纹理的结构特征和艺术特点,抽象出蜡笔画的简单模型,探索地利用了噪声纹理方法,结合图像自身轮廓信息,分别完成了图像色彩区域和轮廓区域的蜡笔画风格渲染,并在YIQ颜色空间运用FLIC算法生成了笔触的走势纹理,使最终产生的结果非常相似于手绘效果,从而实现了计算机辅助生成蜡笔画风格的目的。     

遥感像片中多投影变换的实现与优化

为了更好地进行遥感图像的投影变换，在对传统的投影变换方法进行比较研究的基础上，给出了优化方法，首先阐述了地图投影和投影变换的基本原理。其后分析了进行栅格图像的投影变换的必要性和不同于矢量变换的不同特征，并重点介绍了图像投影变换的算法以及优化方法；最后，采用Visual C 作为软件平台，开发了遥感图像投影变换的模块。     

基于侧抑制频谱调谐的显著性检测方法

传统的基于频域的显著性检测方法存在处理结果不稳定以及缺少仿生学意义等问题。根据人眼识别的侧抑制机制,提出了一种频域调谐的显著性检测方法。该方法通过对图像傅里叶频谱进行多种非线性自适应调谐,达到抑制图像中冗余特征及增强显著特征的效果,进而实现图像显著区域的有效检测。通过对自然图像和心理物理学模板图像的对比实验和分析表明,该方法在显著区域检测率、显著区域轮廓完整性及显著区域对比度等方面,都比现有显著性检测方法有较大提高。     

超链接导向搜索算法中主题漂移的研究

超链接导向搜索（HITS）算法是比较经典的基于超链接的算法,但它忽视了链接页面的文本信息内容,没有区分链接的重要性,从而导致算法不可避免地发生主题漂移现象。为了解决这一问题,在原HITS算法的基础上,引入了经典的tf-idf算法,通过计算链接页面与查询主题的相关度来区分链接的重要性,以解决主题漂移的问题。改进算法使搜索引擎的排序结果更符合查询条件,相应的查确率也有很大提高。     

挖掘关联规则中AprioriTid算法的改进

针对Apriori和AprioriTid算法中存在的项集生成瓶颈问题,提出了一种基于事务集压缩、候选项集压缩和支持度布尔矩阵的改进AprioriTid算法。该算法中通过删去不必比较的事务来有效缩减数据集;优化频繁项集的自连接方式来减少生成的候选项集个数;使用支持度布尔矩阵来加快候选项集的验证速度。实验结果表明改进算法确实能有效减少相关计算量,比已有算法执行效率明显提高,同时验证了该算法在旋转机械故障诊断中的有效性。     

改进的指数双向联想记忆模型及性能估计

提出了一个新的改进型指数双向联想记忆模型(improved eBAM,简称IeBAM).通过定义有界且随状态改变而下降的能量函数,证明了IeBAM在状态的同、异步更新方式下的稳定性,一方面排除了Wang的修正指数BAM(modified eBAM,简称MeBAM)和Jeng的eBAM(exponential BAM)的稳定性证明中所作的不合理假设;另一方面,放宽了对BAM(bidirectional associative memory)的连续性假设的要求,并避免了补码问题.理论分析和计算机模拟结果表明,     

基于邻居决策的协同过滤推荐算法

协同过滤技术应用于个性化推荐系统中,稀疏性问题和可扩展性问题成为亟需解决的问题。针对传统方法的不足,提出一种凭借邻居数做决策的方法,比较各个待测位置的用户邻居数和项目邻居数,由数量多的一方作预测,同时对预测值判定给出一种合理而有效的度量方法。实验结果表明,该方法能够提高推荐质量。