一种鲁棒的多态人脸识别算法

如何处理人脸识别中的多态性一直是人脸识别领域的一个难题。传统的图嵌入算法忽视了同类中多态子类间的同属关系,而且也没有恰当地处理异类间的区别信息。该文提出一种鲁棒的图嵌入人脸识别算法,该算法可以恰当地模拟同类中的多态间关系,而且能在局部流形结构与全局区别信息间实现平衡。基于多个公开数据库的人脸识别实验证明了该方法的有效性。     

确保铸态铁素体球铁排气管质量的关键措施

介绍确保大批量生产的铸态铁素体球铁排气管质量达到和超过康明斯技术标准的关键措施，包括：选用特定炉料，使用专用球化剂和孕育剂，优化铁液化学成分，准确称量，严格控制球化处理，浇注及孕育等关键工序。     

液压集成块数控编程系统的开发

文章在分析了液压集成块的设计制造特点的基础上,针对企业数控编程技术人员匮乏,编程效率低的特点,开发了液压集成块数控编程原型软件系统。系统基于特征技术,采用面向制造的特征映射技术,实现单个特征的加工映射和代码映射,然后对全部特征进行规划,实现工步重组及排序,自动生成程序代码,用于数控机床加工。最后用一应用实例验证了该系统的正确性与可行性。     

自组织映射与流形学习的图像显著度检测

提取反映图像内容的结点以及为这些结点分配初始标签,是半监督学习用于显著度检测的关键问题.通过自组织映射把图像分成多个结点,这些结点不但反映图像内容的颜色特征,还能够反映图像内容的轮廓特征.然后通过把二维结点图嵌入到高维的空间构造带权无向图.由于无向边的对称性,进一步采用流形学习的方法,把无向图和半监督学习结合起来,通过预设边界结点预期的显著度,最终计算出所有结点的显著度.实验结果表明,与近年提出的几种经典的显著度检测算法相比,所提出的方法取得了较好的Precision-Recall性能和较舒服的视觉效果.     

基于信息几何的图像去噪

提出一种基于信息几何的图像去噪方法,与传统的欧氏空间中去噪方法不同,基于信息几何的图像去噪方法是在流形上利用两点间的测地线距离的大小来衡量图像中两像素点之间的相似性。流形中的点是通过图像中某区域构建的高斯模型,模型间的测地线距离表示两图像区域平均灰度强度和细节丰富程度的差别。这样将区域的平均灰度强度和细节丰富程度的差别作为像素点间的相似性,能够更加准确地衡量像素点间相似性的差异。实验表明,该算法提高了图像去噪效果,能够很好地保持图像细节。     

基于图像矩阵判别局部保持投影的人脸识别

提出一种基于图像矩阵判别局部保持投影的人脸识别方法。图像矩阵判别局部保持投影是在局部保持投影基础上进行了扩展,考虑了类标签信息并在其目标函数中增加类间散度约束,使得求解的特征更具判别性。另外,图像矩阵判别局部保持投影是直接处理图像矩阵而不需要将矩阵转化为向量,保留了像素间的空间位置关系,避免了奇异性问题。实验结果表明该方法是有效的。     

基于流形距离的人工免疫无监督分类与识别算法

将一种新的流形距离作为相似性度量测度, 提出了一种用于无监督分类与识别的人工免疫系统方法. 通过基于流形距离的相似性度量, 有效利用样本集固有的全局一致性信息, 充分挖掘无类属样本的空间分布信息, 对样本进行类别划分. 新方法将免疫响应过程建模为一个四元组 AIR=(G,I,R,A) , 其中 G 为引发免疫响应的外界刺激, 即抗原; I 为所有可能抗体的集合; R 为抗体间相互作用的规则集合; A 为支配抗体反应、指导抗体进化的动态算法. 针对无监督分类问题, 将抗体编码为代表各类别的典型样本序号的排列, 利用动态算法 A 搜索能代表各类别的典型样本的最佳组合. 将新方法与标准的 K-均值算法、基于流形距离的进化聚类算法以及 Maulik 等人提出的基于遗传算法的聚类算法进行了性能比较. 对 6 个人工数据集及手写体数字识别问题的仿真实验结果显示, 新方法对样本空间分布复杂的无监督分类问题和实际的模式识别问题具有较高的准确率和较好的鲁棒性.     

On near optimal neural control of multiple-input nonlinear systems

It has been a common consensus that general techniques for stabilization of nonlinear systems are available only for some special classes of nonlinear systems. Control design for nonlinear systems with uncertain components is usually carried out on a per system basis, especially when physical control constraints, and certain control performance measures such as optimum time control are imposed. Elegant adaptive control techniques are difficult to apply to this type of problems. A new neural network based control design is proposed and presented in this paper to deal with a special class of uncertain nonlinear systems with multiple inputs. The desired system dynamics are analyzed and utilized in the process of the proposed intelligent control design. The theoretical results are provided to justify the design procedures. The simulation study is conducted on a second-order bilinear system with two inputs and uncertainties on its parameters. The simulation results indicate that the proposed design approach is effective.     

基于直接估计梯度思想的数据降维算法

高维非线性数据的降维处理对于计算机完成高复杂度的数据源分析是非常重要的。从拓扑学角度分析,维数约简的过程是挖掘嵌入在高维数据中的低维线性或非线性的流形。该文在局部嵌入思想的流形学习算法的基础上,提出直接估计梯度值的方法,从而达到局部线性误差逼近最小化,实现高维非线性数据的维数约简,并在Swiss roll曲线上采样测试取得了良好的降维效果。     

针对环状流形数据的非线性降维

近年来出现了多种新型的非线性降维方法,且在一些应用中体现出良好的效果.然而,当面对球体、柱体等环状流形产生的非线性流形数据时,这些方法往往会失效.针对这一问题,提出了针对环状流形数据的环结构检测算法与非线性降维方法.理论上,基于目前极受关注的Isomap降维方法的运行原理,给出了一个判断环状流形的充要条件;算法上利用所得的判断定理,制订了基于数据的环状流形检测算法:最后基于所找到的环结构,利用极坐标展开的思想设计了针对环状流形数据的非线性降维策略.针对一系列典型环状流形数据集的仿真实验结果表明,与其他流形学习降维方法相比,该方法对环状流形数据进行降维具有显著优势.