高分辨率智能摄像头中人脸的快速检测

为解决高分辨率智能摄像头在人脸检测时计算量大但硬件资源有限的矛盾,提出一种适合嵌入式系统环境的人脸快速检测方法.该方法首先在全面分析了人脸的灰度方差特性及人脸检测过程特点的基础上,将人脸目标的灰度方差判别作为一种预处理手段,以较少的计算量较大程度地排除非人脸区域,然后结合级联检测算法由粗到精的判决模式,对潜在目标区域进一步筛选,此过程同时配合逐窗全特征检测法,在减少检测计算量的同时也尽量避免了对数据的多次重复读取,提高操作效率.对几个数据库中的人脸进行检测的实验结果证明,该方法在保证检测率的同时,提高了高分辨率图像中人脸检测的速度且适于有限资源的环境,能促进高分辨率智能摄像头在监控领域的普及.     

引入迁移学习的癫痫EEG信号自适应识别

在脑电图( EEG)信号识别中,EEG信号的采样环境、病人状态的多样性导致分类器训练所用的源域与分类器测试所用的目标域不匹配,分类器在目标域上表现不佳。为此,引入邻域适应策略,提出一种基于子空间相似度的改进主成分分析特征提取方法( SSM-PCA),在选择主成分时,考虑源域和目标域数据的几何和统计特性,并结合迁移学习分类器大间隔投射迁移支持向量机( LMPROJ),给出以SSM-PCA为基础的LMPROJ分类识别方法。实验结果表明,与结合PCA特征抽取技术和K近邻分类器实现的识别方法相比,该方法在识别正确率方面得到较大提升。     

基于协同相关性模型的特征需求自动标注系统

由于人工标注费时费力,线上社区中的许多特征需求缺乏标注信息,导致这些特征需求不能被有效地检索和管理。针对这种情况,提出一种针对特征需求的自动标注系统,可自动抽取特征需求中的标注词,既可以对没有被手工标注的特征需求进行标注词的补充,也可以对用户新提出的特征需求进行标注词推荐,减少用户手工标注的工作量。根据特征需求的文本特点,提出一种协同相关性模型(CRM)。CRM首先使用协同过滤找出与目标特征需求相似的数据组成集合,基于这个集合使用相关性模型得到最后标注的词,这种方式使得标注效果得到较大提升。基于真实的数据集合的实验结果表明,系统在特征需求自动标注方面的效果有效增强。     

改进的软件错误报告自动分类算法

软件错误报告的自动分类能够节省大量人力和时间,然而用户提交的错误报告主观性较强,对错误报告的描述较随意,造成自动分类的效率低下。为此,基于传统的词频-逆向文件频率( TF-IDF )算法,结合文档内词条频度与词条在同类别及不同类别文档中的分布情况,提出2种特征降维的改进算法,降维后再对词条进行权值处理,进一步提高特征降维的效果。实验结果表明,应用该算法得到的错误报告自动分类在精确率、召回率、F1值和准确度等指标上比现有算法都有明显提高。     

基于纹理特征与随机森林的生态声音识别

针对真实环境中普遍存在的非平稳噪声,提出一种基于纹理特征与随机森林的生态声音识别方法。该方法首先使用一种基于噪声估计的音频增强算法,即短时谱估计对输入端声音信号进行前端处理,得到增强信号功率谱;然后根据得到的增强信号功率谱图的纹理信息,采用和差统计法对其进行纹理特征提取;最后,利用基于决策树的组合分类器,即随机森林进行识别和分类。设计了两组对比实验,结果表明该方法不仅有良好的识别性能,而且具有噪声鲁棒性。     

基于聚类和动态LOD的三维地形建模方法

为提高基于DEM高程数据的三维大地形绘制效率,提出基于K-means聚类和动态LOD的三维地形建模方法。对高程数据集使用K-means聚类分析方法,发现地形数据的自相似性,建立数据采样点与地貌特征分类的自动关联;依据采样点的地貌属性值完成粗化处理,构建不规则三角网模型;采用局部优化算法进行有限域内的三角形分裂以实现三角网的动态更新,结合克里金插值法实现插入点的精确计算,形成LOD层次细节多分辨率模型。实验结果表明,该方法对不同类型地形都获得了较高的数据简化率,提高了三维模型的绘制效率,具有较好的地形特征保持性。     

基于权重阈值寻优的案例推理分类器特征约简

为提高案例推(case-based reasoning,CBR)分类器的分类准确率并降低时间复杂度,本文提出了一种基于权重阈值寻优的特征约简策略.首先通过基于数据驱动的方法对特征权重进行分配,得到每个特征的权重结果;其次,设计特征权重重要度阈值的适应度函数,并利用遗传算法对该重要度阈值进行优化搜索,最后根据得到的优化阈值与特征的权重分配情况,删除权重小于该阈值的特征从而完成特征的约简过程.通过对比实验,本文所提策略能够有效提高CBR分类器的分类准确率并降低时间复杂度,表明了权重阈值寻优约简策略的可行性与优越性.验证了本文方法不仅可以降低CBR分类器的时间复杂度,而且能够提高CBR的决策与学习能力.     

基于局部频谱特征与贝叶斯决策的脚步声识别

针对脚步声识别系统中背景声音与噪声影响脚步声特征的提取而导致识别率明显下降的问题,根据脚步声相对背景声音在时间与频率分布上具有一定局部性的特点,提出一种声音局部频谱特征提取方法。该方法所提取的特征反映了声音主要频率成分的局部分布及其随时间的变化规律,而且对白噪声与高斯噪声的干扰有较强的鲁棒性,并且在声音采集过程中,由于与采集设备距离等因素的变化所导致的声音强度变化无关。识别过程采用贝叶斯决策理论实现步声识别。实验结果表明,该算法识别精度高于现有算法,而且对不同背景声音与环境噪声的鲁棒性明显高于现有算法。     

分块双向2DPCA融合局部特征的人脸识别

针对(2D)2PCA无法保存某些重要局部特征的问题,提出一种分块双向二维主成分分析融合局部特征方法。首先,将图像分解为互不重叠的子块,每个子块包含重要的局部信息,利用(2D)2PCA对子块进行特征提取并投影到特征子空间。然后,对每个子块分别设计一个分类器并在一定置信度范围内判别测试样本所属类别。最后,根据所有子块所属类别的置信度之和完成人脸分类。在四个人脸识别数据库上的实验结果表明,相比其他几种人脸识别算法,该方法取得了更高的识别精度。     

基于MBD模型的航空发动机零件检测技术

针对当前复杂零件中异型特征位置度无法测量的问题,提出了一种基于MBD模型数字化测量技术.该方法以复杂零件的MBD模型为测量依据,通过模型理论元素与实测元素拟合计算异型特征位置度偏差,并以此为基础进行测量工艺规划、测量程序编制、测量仿真等.可大大减少在机等待时间,避免测量过程中的碰撞与测针干涉问题,解决了不规则特征位置度测量问题,实现了全程的自动测量,提高了检测效率.