DATA PREPROCESSING AND RE KERNEL CLUSTERING FOR LETTER

Many classifiers and methods are proposed to deal with letter recognition problem. Among them, clustering is a widely used method. But only one time for clustering is not adequately. Here, we adopt data preprocessing and a re kernel clustering method to tackle the letter recognition problem. In order to validate effectiveness and efficiency of proposed method, we introduce re kernel clustering into Kernel Nearest Neighbor classification （KNN）, Radial Basis Function Neural Network （RBFNN）, and Support Vector Machine （SVM）. Furthermore, we compare the difference between re kernel clustering and one time kernel clustering which is denoted as kernel clustering for short. Experimental results validate that re kernel clustering forms fewer and more feasible kernels and attain higher classification accuracy.     

构造嵌入式Linux系统

文中首先介绍了嵌入式Linux系统的优点及其广泛应用.然后针对构造一个Linux嵌入式操作系统所面临的问题作了具体深入的分析.这些问题具体包括如何精简内核以及系统启动过程的细致分析,如何为硬件编写驱动程序.     

基于饱和度的异色米粒检测方法

提出了一种基于饱和度的异色米粒检测方法.该方法由于利用米粒的一维饱和度特征将米粒分成正常白米粒和异色米粒两大类,因而,可通过一个分类阈值同时检测出米粒中的各种异色米粒.由于利用正常白米粒和异色米粒两类饱和度特征优化了分类阈值,而且还通过扫描式区域增长的办法来提高单个米粒的饱和度特征,因而,可在群米粒中检测出单个异色米粒,且检测精度高.实验结果得出:该方法对异色米粒检测的检测精度为97.8%.     

PZT陶瓷的断裂分析

与有限元法相比,无网格法由于只需节点不用单元而在压电分析中具有优越性。采用一个简单的包含有极化反转及电饱和影响的锆钛酸铅系压电陶瓷(PZT)的本构模型,以局部J积分作为断裂准则,应用再生核点法这一无网格数值法导出了作用电场与断裂载荷的关系曲线,该曲线的趋势与Park[1]的实验观察现象一致。计算程序采用面向对象方法实现。     

基于局部图划分的多相活动轮廓图像分割模型

几何活动轮廓模型是图像分割领域的强有力工具。最近,一种基于成对相似性的图划分活动轮廓(GPAC)模型被提出,并有效应用于均质图像分割。但是,该模型的连接权函数仅与图像光谱相关,使得模型在低对比度模糊图像的应用存在较大局限,同时,成对相似性的计算量大,模型的数值实现效率不甚理想。针对这些问题,该文引入测地核函数定义连接权函数,结合多相水平集,提出了基于局部图划分的多相活动轮廓图像分割模型。自然图像的实验结果证明了该模型的有效性。     

基于Gabor和核监督局部保持投影的单样本人脸识别算法

针对目前主流人脸识别算法,在单样本条件下,当性能严重下降根本无法工作时,提出了一种结合Gabor和核监督局部保持投影的单样本人脸识别算法.选取数据库中中性表情的近正面人脸图像作为训练样本,通过几何变换产生15幅虚拟样本,对每幅样本图像提取Gabor特征,采用核监督局部保持投影方法进行特征提取,欧氏距离最近邻分类器进行分类.根据ORL数据库、Yale数据库和FERET数据库上的实验结果表明,核监督局部保持投影(GKSLPP)算法具有较好的识别效果.     

基于类间距判据的高斯过程分类模型核参数选择方法研究

文中提出了一种基于类间距判据的高斯过程分类(GPC)模型核参数选择方法.将核参数作为自变量,类间距作为因变量,获得类间距随核参数变化的目标函数,然后采用共轭梯度法求取目标函数极值,最终获得核参数的最优值.实验表明,用DBTC作为判据进行核参数选择,分类正确率与原有参数选择方法基本相当,但GPC模型在进行参数选择时的耗时大幅减少,因而模型训练速度得到大幅提升.     

Depth-aware blending of smoothed images for Bokeh effect generation

Bokeh effect is used in photography to capture images where the closer objects look sharp and everything else stays out-of-focus. Bokeh photos are generally captured using Single Lens Reflex cameras using shallow depth-of-field. Most of the modern smartphones can take bokeh images by leveraging dual rear cameras or a good auto-focus hardware. However, for smartphones with single-rear camera without a good auto-focus hardware, we have to rely on software to generate bokeh images. This kind of system is also useful to generate bokeh effect in already captured images. In this paper, an end-to-end deep learning framework is proposed to generate high-quality bokeh effect from images. The original image and different versions of smoothed images are blended to generate Bokeh effect with the help of a monocular depth estimation network. The model is trained through three phases to generate visually pleasing bokeh effect. The proposed approach is compared against a saliency detection based baseline and a number of approaches proposed in AIM 2019 Challenge on Bokeh Effect Synthesis. Extensive experiments are shown in order to understand different parts of the proposed algorithm. The network is lightweight and can process an HD image in 0.03 s. This approach ranked second in AIM 2019 Bokeh effect challenge-Perceptual Track.     

改进鲸鱼算法优化核极限学习机在水质光谱分析中的应用

为提高水质光谱分析模型的学习速度与预测精度,采用核极限学习机对水质光谱进行建模,并提出一种具有动态惯性权重的改进鲸鱼优化算法对模型进行参数优化。由于极限学习机的输入权值矩阵和偏置是随机生成的,故引入核方法以减小其输出权值矩阵的波动;将鲸鱼优化算法中的惯性权重在非线性递减的基础上引入随机因子,通过动态调整惯性权重以平衡算法的全局搜索能力与局部开发能力。与传统优化模型进行了对比实验,实验结果表明:基于该方法所建模型具有更高的预测精度,而在相同的学习迭代次数下,核极限学习机的运行时间相对于传统算法约下降50%,且改进鲸鱼优化算法能够以更快的收敛速度使模型达到全局最优。     

一种基于非参数统计理论的网络流量异常检测方法

提出了一种新的基于非参数高斯核函数分布的网络流量异常检测方法．与目前核函数应用于分类、神经网络、机器学习的方法和原理均不同,针对异常发生时流量出现的扰动,使用能显著反映流量形状变化的核带宽作为特征统计量,进行网络流量分析．实验结果表明,该方法能显著降低计算复杂度和误检率,提高检测率．