基于蚁群算法的现代藏文字符轮廓提取技术研究

由于对字符提取骨架往往会失去受污损部位的重要信息,因此本文提出了一种基于蚁群算法的现代藏文字符轮廓提取算法,旨在用字符的轮廓线代替骨架线来表征字符。本算法用于印刷体藏文轮廓提取,取得了良好的效果,避免了传统细化算法造成的畸变,提高了轮廓提取的抗干扰能力,并且减小了计算量,加快了特征提取的速度。     

Biometrics:Standing Throughout Emerging Technologies

Biometrics technologies have been around for quite some time and many have been deployed for different applications all around the world, ranging from small companies' time and attendance systems to access control systems for nuclear facilities. Biometrics offer a reliable solution for the establishment of the distinctiveness of identity based on who an individual is, rather than what he or she knows or carries. Biometric Systems automatically verify a person's identity based on his/her anatomical and behav...     

一种改进的Web日志数据预处理研究

Web习志中包含大量的冗余信息,这给挖掘带来了不便。数据预处理就是处理这些冗余信息,经过数据净化、用户识别、会话识别、路径补全操作后得到能够用于挖掘的数据。本文详细介绍了预处理过程,同时对传统的会话识别算法加以改进。本文提到的实际系统是基于SQL语句的,能够显著缩短预处理时间。     

一种快速嘴部检测方法在视听语音识别的应用

在改进噪音环境下的语音识别率中,来自于说话人嘴部的可视化语音信息有着显著的作用。介绍了在视听语音识别（AVSR）中的重要组成部分之一：可视化信息的前端设计;描述了一种用于快速处理图像并能达到较高识别率的人脸嘴部检测的机器学习方法,此方法引入了旋转Hart-like特征在积分图像中的应用,在基于AdaBoost学习算法上通过使用单值分类作为基础特征分类器,以级联的方式合并强分类器,最后划分检测区域用于嘴部定位。将上述方法应用于AVSR系统中,基本上达到了对人脸嘴部实时准确的检测效果。     

红外人脸识别技术

研发一个稳定可靠的人脸识别系统至今还是计算机视觉中的一个难题,用红外图像来进行人脸识别是近几年才发展的一个新领域。本文对红外人脸识别技术,特别是特征提取的研究,进行了综述,并对未来红外人脸识别的方向进行了展望。     

量子Hopfield神经网络及图像识别

传统的Hopfield网络的存储容量是神经元个数的0·14倍(P=0·14N)。由于它在识别大量的图像或模式时遇到了巨大的困难,所以研究人员一直在寻找新的方法。由量子计算和神经网络结合而产生的量子神经网络是新兴和前沿的学科之一。为了提高图像识别的速度和增加图像识别量,在分析了量子线性叠加特性的基础上,提出了一种用于存储矩阵元素的基于概率分布的量子Hopfield神经网络,它在存储容量或记忆容量上提高到了神经元个数的2N倍,比传统的Hopfield神经网络有了指数级的提高。通过图像识别的实例分析和仿真试验的结果表明,该量子Hopfield神经网络能有效地识别图像或模式,并且工作过程符合量子演化过程。     

一个基于多层结构的快速眼睛定位算法

眼睛的位置是人脸识别过程中一个很重要的信息。针对灰度人脸图像上的眼睛定位问题,提出了一个基于多层结构的快速眼睛定位算法。该算法首先利用极小值区域(MER)进行眼睛粗定位;然后使用三层筛选算法逐步去除错误的候选保留唯一的正确候选;最后使用眼睛精确定位算法来校正眼睛的位置。该算法在CAS-PEAL人脸数据库、JAFFE数据库和自建数据集上均有良好表现,是一个行之有效的方法。     

仿射子空间最近点分类算法

为了取得更好的识别效果,受支持向量机的几何解释和最近点问题启发,提出了一种新的模式分类算法——仿射子空间最近点算法。该算法是将支持向量机最近点法的最近点搜索区域由两类训练集凸包推广到两类训练样本各自张成的仿射子空间,并以仿射子空间作为样本分布的粗略估计,通过仿射子空间中的最近点对来构造平分仿射子空间间隔的最优分类超平面。该算法在ORL人脸识别数据库上进行的比较实验中取得了较好的识别效果,从而证实了该方法的可行性和有效性。     

心理声学参数提取及其在目标识别中的应用

根据人耳听觉特性,研究了心理声学中人耳识别目标的重要特征参数在目标识别中的应用.针对无线电噪声和舰船辐射噪声,利用Zwicker理论提取心理声学参数中的特性响度和特性尖锐度作为识别特征,通过神经网络分类器分别对这两组噪声各三类进行分类识别研究.实验表明特性响度和特性尖锐度主要反映了目标的振幅特性,可以正确识别目标并具有较高的识别率.是有效的识别特征.由于特性响度和特性尖锐度反映目标的特性相同,利用遗传算法仅对特性响度特征进行优化选择.挑选出特性响度中的分类关键量,降低识别空间的维数,提高识别率.     

基于PCA及ICA的双空间特征提取算法

任何一种单子空间特征提取算法都不能在任何情况下优于其他子空间算法,但是采用双子空间却可以克服单子空间的局限性。为了提高分类结果的正确率,提出了一种基于PCA及ICA的双空间特征提取算法,该算法采用ICA作为PCA的补空间进行特征提取,其目的是将在PCA子空间中难以识别的样本,再次投影到ICA子空间中进行识别。该算法可分为以下两个步骤:首先进行预分类,即在一个子空间内同时使用两种分类器对测试样本进行分类,若某个测试样本被两种分类器划分到不同的类,则将该测试样本加入到新测试样本集中;然后将新测试样本集中的测试样本再次投影到另一个子空间中进行分类识别;最后,将识别结果与预分类结果一起进行正确率测试。在ORL及FERET人脸库上的实验结果表明,该算法的模式识别率明显优于传统的特征提取算法。