扩展双星树的 Wiener-E 指标和 Wiener-O 指标

扩展双星树（T（n）n1,n2）是 n－1长路径的两端点分别联结 n1条悬挂边和 n2条悬挂边所得到的图。论文根据扩展双星树的结构特征,研究了扩展双星树的类Wiener指数,给出了一般计算公式。     

基于高斯核的SVM的参数选择

基于高斯核的支持向量机应用很广泛,高斯核参数σ的选择对分类器性能影响很大,本文提出了从核函数性质和几何距离角度来选择参数σ,并且利用高斯函数的麦克劳林展开解决了参数σ的优化选择问题。实验结果表明,该方法能较快地确定核函数参数σ,且 SVM 分类效果较好,解决了高斯核参数σ在实际应用中不易确定的问题。     

A Normalization Method of Moment Invariants for 3D Objects on Different Manifolds

3D objects can be stored in computer of different describing ways, such as point set, polyline, polygonal surface and Euclidean distance map. Moment invariants of different orders may have the different magnitude. A method for normalizing moments of 3D objects is proposed, which can set the values of moments of different orders roughly in the same range and be applied to different 3D data formats universally. Then accurate computation of moments for several objects is presented and experiments show that this kind of normalization is very useful for moment invariants in 3D objects analysis and recognition.     

密度函数驱动的度量重构及其应用

一般情况下,以密度函数作为权重的带权测地距离并不满足严格的三角不等式,给诸多几何问题的解决带来了一定的困难.为此,提出一种基于密度函数重构非退化度量的鲁棒算法.该算法将给定密度函数与网格曲面的缺省密度场相结合重设网格曲面的边长,并保证每个三角形的新边长仍然满足三角不等式;然后使用精确的测地线算法计算任意两点之间的带权测地距离.实验结果表明,文中算法以平均曲率作为密度函数重构度量,在自适应采样与重新网格化问题上得到了高质量的结果,展示了该算法的有用性和有效性.     

基于带约束人工蜂群算法和平均Hausdorff距离的重力匹配方法

重力匹配算法是实现重力辅助惯性导航系统的关键技术之一。但是,传统重力匹配方法存在复杂度高、应用范围小等缺陷,一般很难实现精确、快速匹配的效果。将人工蜂群算法用于重力匹配的搜索过程,并将多普勒测速仪提供的速度信息作为限制条件对蜂群搜索过程进行约束。在此基础上,利用平均Hausdorff距离对匹配结果进行筛选,在重力数据库中重力异常精度一定的条件下,可降低误配率。仿真结果表明,该匹配算法在重力特征显著的区域具有较高的匹配率,可以达到精确、快速的匹配定位,从而实现重力辅助导航。     

一种快速的固体核径迹图像分割方法

针对有效测量中需解决的问题,提出了一种快速的固体核径迹图像分割算法,分初始分割与粘连分离两个过程。初始分割通过数学形态学开操作快速去除背景后,迭代阈值分割法实现;粘连分离采用复合距离变换计算核心膨胀半径,一次膨胀重建单个径迹轮廓。实验结果表明,算法具有较强的抗噪能力,可有效对半径≥2μm径迹进行快速分割,准确率>90%。目前已成功运用于实际项目中。     

Manifold Learning: Generalization Ability and Tangent Proximity

One of the ultimate goals of Manifold Learning (ML) is to reconstruct an unknown nonlinear low-dimensional Data Manifold (DM) embedded in a high-dimensional observation space from a given set of data points sampled from the manifold. We derive asymptotic expansion and local lower and upper bounds for the maximum reconstruction error in a small neighborhood of an arbitrary point. The expansion and bounds are defined in terms of the distance between tangent spaces to the original DM and the Reconstructed Manifold (RM) at the selected point and its reconstructed value, respectively. We propose an amplification of the ML, called Tangent Bundle ML, in which proximity is required not only between the DM and RM but also between their tangent spaces. We present a new geometrically motivated Grassman & Stiefel Eigenmaps algorithm that solves this problem and gives a new solution for the ML also.     

浅谈机器学习方法简

本文以什么是机器学习、机器学习的发展历史和机器学习的主要策略这一线索,对机器学习进行系统性的描述。接着,着重介绍了流形学习、李群机器学习和核机器学习三种新型的机器学习方法,为更好的研究机器学习提供了新的思路。     

基于组合方法的人脸识别算法研究

该文试探一种加权融合流形学习的方法进行人脸识别,该算法通过Haar小波和局部线性嵌入（LLE）加权融合的方式来进行人脸识别。首先通过Haar小波变换对人脸图像进行一级分解,得到四个子图;然后利用LLE算法对四个子图降维处理,并加权融合;最后利用支持向量机（SVM）进行分类判决。通过在ORL库中进行实验,结果表明,该文提出的Haar＋LLE识别效率比单独使用主成分分析（PCA）和LLE更高效。     

直流电桥法测量电缆故障点的距离

迅速、准确地探测故障点的位置对保证故障电缆的及时修复有着重要意义。介绍了电缆故障的性质和直流电桥法测量电缆故障点距离的原理，着重阐述了几种常用的电缆接地故障的测量方法，并提出在实际生产、施工中，应根据具体情况选取合理的仪器及测量方法，迅速、准确地探测故障点的位置，以保证故障电缆的及时修复。