多字体印刷藏文内容监测系统研究

针对藏文舆情分析中藏文印刷品和藏文图片内容无法自动监测的难题,文章在深入分析印刷藏文字符特征和藏文文本特点的基础上,提出支持多字体印刷藏文内容监测系统的实现方法,重点阐述藏文字符的特征提取、分类算法以及藏文文本内容监测方法。     

基于小波变换的泄露故障特征提取研究

为研究液压系统管路泄漏对压力脉动信号的影响,提出利用改进的小波消噪算法和小波包对压力脉动信号进行消噪和特征提取;针对传统小波变换阈值函数在去噪处理中存在的恒定偏差、不连续等缺点,提出一种改进阈值函数和新阈值相结合的新方法,将该方法与平移不变量方法相结合,避免了传统小波变换去噪时在不连续点存在的Pseudo-Gibbs现象;通过利用改进小波消噪方法和小波包对FESTO试验系统采集的正常和故障压力脉动信号进行分析比较,研究结果表明,不同工况下压力脉动信号3个主要能量频带的分布特性,可以作为泄露检测和识别的故障特征。     

Evaluating a color-based active basis model for object recognition

Wu and coworkers introduced an active basis model (ABM) for object recognition in 2010, in which the learning algorithm tends to sketch edges in textures. A grey-value local power spectrum was used to find a common template and deformable templates from a set of training images and to detect an object in new images by template matching. In this paper, we propose a color-based active basis model (color-based ABM for short), which incorporates color information. We adopt the framework of Wu et al. in the learning, detection, and classification of the color-based ABM. However, in order to improve the performance in object recognition, we modify the framework of Wu et al. by using different color-based features in both the learning and template matching algorithms. In this color-based ABM approach, two types of learning (i.e., supervised learning and unsupervised learning) are also explored. Moreover, the usefulness of the color-based ABM for practical object recognition in computer vision applications is demonstrated and its significant improvement in recognizing objects is reported.     

机动车车牌识别中SVM的应用

支持向量机是一类新型机器学习方法,成功应用于各个领域,算法在分类性能上优于其它学习算法。该文在字符特征提取基础上,将支持向量机理论应用于车牌识别系统,提高识别率和识别速度,具有很好的推广价值。     

Practical Issues in Temporal Difference Learning

This paper examines whether temporal difference methods for training connectionist networks, such as Sutton's TD() algorithm, can be successfully applied to complex real-world problems. A number of important practical issues are identified and discussed from a general theoretical perspective. These practical issues are then examined in the context of a case study in which TD() is applied to learning the game of backgammon from the outcome of self-play. This is apparently the first application of this algorithm to a complex non-trivial task. It is found that, with zero knowledge built in, the network is able to learn from scratch to play the entire game at a fairly strong intermediate level of performance, which is clearly better than conventional commercial programs, and which in fact surpasses comparable networks trained on a massive human expert data set. This indicates that TD learning may work better in practice than one would expect based on current theory, and it suggests that further analysis of TD methods, as well as applications in other complex domains, may be worth investigating.     

基于神经网络的聚类方法研究

针对常用聚类方法不能有效处理噪声数据的问题,本文结合神经网络具有自适应性的特点,提出基于神经网络的聚类(NN_Cluster)模型,并设计了基于自适应共振理论的神经网络聚类模型(ARTNN_Cluster)和基于自组织特征映射的神经网络聚类模型(SOMNN_Cluster)。标准数据集上的实验结果表明,与传统的K_means聚类方法相比,本文提出的基于神经网络的聚类模型有效地克服了传统方法的噪声问题,得到了较好的聚类效果。     

改进的Beamlet与Canny相结合提取复杂图像线特征

传统Beamlet无结构算法在提取图像线特征时不仅存在重叠模糊的缺陷,而且在提取复杂图像线特征时不能有效地检测出目标信息,细节特征更是难以刻画。针对这些问题,提出将改进的Beamlet无结构算法与Canny算子相结合的方法提取复杂图像的线特征。首先,对图像进行Beamlet变换,通过改进Beamlet无结构算法,采用新的能量统计和制定新的划线规则,以保证每个二进方块最多有一条最优基;然后,对图像用Canny算子检测边缘,通过选取较大的Sigma,只检测明显的大边缘;最后,两者结合得到图像的线特征。从检测的线特征的线型连接程度等方面对该算法的性能进行了评价,并与现有的方法进行了比较,实验结果表明,该方法克服了两种方法单独提取线特征时存在的断裂、重叠、模糊和虚假边缘的缺点,有效地提高了复杂图像线特征提取的准确性和连续性。     

保持几何特征的自适应弹性二次曲线模型

物体形状特征的准确提取往往受到图像获取、目标分割等过程中各种因素的影响,因而需要构造一种鲁棒的形状表现来保有其本质特征。揭示弹性二次曲线(EQW)模型中能量权重因子和样条重叠度因子与形状几何特性间的关系,提出一种自适应保持几何特征的EQW形状表现模型,并将该模型与交互式Live Wire算法相结合,应用至图像分割中,对于各种模态图像中的目标进行分割实验。直观上,本文方法能够在去除噪声同时较好地保持目标形状的显著特征;量化结果方面,交互式分割误差保持在较小稳定范围内,引入EQW模型带来的时间开销亦在可接受范围内。     

均衡化特征匹配的非刚体细胞形态跟踪

提出利用均衡化特征匹配来进行非刚性细胞形体跟踪的方法。采用重启动的随机游走方法建立并求解特征匹配概率模型,利用双向均衡方法对匹配邻接矩阵进行均衡化处理,得到指定目标与待跟踪目标之间的精确匹配,以获得目标的定位跟踪结果。同时利用特征匹配结果进行目标的自动标定,并应用图像分割方法进行目标的精确轮廓跟踪。实验结果表明,将该方法应用于视频中动态背景下的运动细胞形态跟踪时,在背景相似度较高及目标迅速移动的条件下,表现出了良好的性能,与同类方法相比可获得较高的定位精度以及更为准确的目标轮廓。     

自适应的有效非局部图像滤波

研究了基于预选择的非局部均值滤波方法,并指出已有方法在提取图像子块特征方面的不足,利用梯度域奇异值分解(SVD) 提出一种自适应的有效非局部滤波方法。该方法对基于预选择的非局部滤波方法的贡献主要有:1)是一种基于图像子块结构特征的鲁棒预选择方法;2)研究了相似集大小与滤波性能的关系;3)相似子块的自动选取;4)提出一种局部自适应的滤波参数选取方法,根据图像局部内容的不同确定滤波参数。此外,利用欧氏距离的对称性进一步提高运行速度。实验结果表明:本文方法滤波后的图像在主客观方面都优于原算法和其他快速方法,且运行速度较快,是一种有效的滤波方法。