利用废茶制备洁面用品的研究

茶叶中含有茶多酚、氨基酸、茶碱等护肤和洁肤成分 ,将茶提取液添加到洁面用品中 ,使洁面用品既具有洁肤效果 ,又有护肤作用 ,可改善洁面用品的使用感觉 ,提高洁面用品的品质 ,符合化妆品的发展方向。通过实验 ,成功研制了多种性能良好、价格较低的含茶提取液洁面用品 ,为我国废茶的综合利用提供了一种新途径。     

同安煤矿4101综放工作面煤氧化自燃的标志性气体研究

煤自然火灾严重威胁着煤炭工业的安全。为了遏制该类火灾的发生,煤自然火灾指标气体的预测预报功能越来越受到人们的重视。本文通过煤氧化反应生产气体的红外光谱实验,分析了同安煤矿4101综放面煤样在升温氧化过程中,在不同温度下煤氧化自燃产生气体的红外光谱图谱,确定了此煤样在氧化自燃过程中在不同温度下出现的标志性气体。建立了标志性气体的预报模型,研究分析了煤样氧化自燃生产的CO、CH_4和C_2H_4气体的浓度与温度的关系。结果表明,4101综放工作面实验煤样氧化自燃生成的气体产物有H_2O、CO_2、CO、CH_4和C_2H_4等5种,CH_4、CO和C_2H_43种气体的浓度随温度的升高有着不同的变化规律。对矿井自燃火灾的预测预报具有重要的指导意义。     

基于混沌免疫粒子群优化和广义回归神经网络的回采工作面瓦斯涌出量预测模型

为提高回采工作面绝对瓦斯涌出量预测的精度和效率,提出了将混沌免疫粒子群优化(CIPSO)算法与广义回归神经网络(GRNN)相耦合的绝对瓦斯涌出量预测模型。该方法采用CIPSO对GRNN的光滑因子进行动态优化调整,减少了人为因素对GRNN网络输出结果的影响,并采用优化后的网络建立瓦斯涌出量预测模型。通过对某煤矿瓦斯涌出量数据的仿真实验结果表明:基于CIPSO-GRNN的回采工作面绝对瓦斯涌出量模型比BP神经网络、Elman网络预测模型具有更好的预测精度和收敛速度,证明了该方法的有效性和可行性。     

LDE融合光谱回归分类的光照变化人脸识别

针对光照变化人脸识别问题中传统的光谱回归算法不能很好地进行特征提取而严重影响识别性能的问题,提出了局部判别嵌入优化光谱回归分类的人脸识别算法。计算出训练样本的特征向量;借助于数据的近邻和分类关系,利用局部判别嵌入算法构建分类问题所需的嵌入,同时学习每种分类的子流形所需的嵌入;利用光谱回归分类算法计算投影矩阵,并利用最近邻分类器完成人脸的识别。在两大人脸数据库扩展YaleB及CMU PIE上的实验验证了该算法的有效性,实验结果表明,相比其他光谱回归算法,该算法取得了更高的识别率、更好的工作特性,并且降低了计算复杂度。     

基于线性判别边信息结合PHL的三维人脸识别

针对三维人脸识别中受光照、姿态、表情等变化而影响识别性能的问题,提出了一种原型超平面学习算法。利用SVM将弱标记数据集中的每个样本表示为一个原型超平面中层特征,使用学习组合系数从未标记的通用数据集中选择支持向量稀疏集;借助于Fisher准则最大化未标记数据集的判别能力,使用迭代优化算法求解目标函数;利用SILD进行特征提取,余弦相似性度量完成最终的人脸识别。在USCD/Honda、FRGC v2、LFW及自己搜集的人脸数据集上的实验结果表明,该算法优于其他几种三维人脸识别算法。     

基于重叠片排列的流形学习算法

针对线性数据降维算法对处理非线性结构数据的降维效果不是很好,提出一种基于重叠片排列的流形学习算法,该算法根据局部的线性贴片处在非线性流形中的特性,将流形划分为线性互相重叠的局部区域贴片,且利用主成分分析方法得到局部区域贴片的低维表示,然后排列且对齐其低维坐标,以获得整体数据的低维坐标.通过仿真结果证明,基于重叠片排列的流形学习算法在应用于人脸识别和分类问题时以及在识别准确率方面要优于其他经典的流形学习算法.     

Web服务质量建模及其正确性验证

针对现有的Web服务质量模型主要考虑的都是通用的服务质量属性,没有考虑特定的Web服务属性在评价中的作用,提出了一个新的Web服务质量模型,它引入了一个特定领域的服务质量属性,该模型包括三个子模型。模型中建立了相关的服务质量树和目标对象树,通过量化指标子模型对目标对象进行量化,形成相应的服务权重树。该模型既可适应用于单个的Web服务请求,也可以用于多个服务组合而成的请求。通过一个应用实例验证了模型的正确性和可用性。     

基于分类外形搜索的人脸特征点定位

针对传统由粗糙到精准的人脸外形搜索方法,其每一次外形搜索需要在整个外形搜索空间进行,提出一种基于分类的外形搜索方法。该方法始于一个包含不同人脸形状的外形搜索空间,首先利用基于相关性的特征选择方法对随机森林分类器进行优化,利用训练的随机森林分类器将外形搜索空间分为若干个外形搜索子空间;然后根据输入样本和随机森林分类器确定与当前外形最接近的外形搜索子空间,并计算对应子空间的中心和对应样本的后验概率分布,方便后续阶段更好地进行外形搜索;最后采用级联回归进行人脸特征点定位。在300-W数据集上的实验结果表明,此方法不仅有效降低了外形搜索的时间,同时在无约束环境中具有良好的鲁棒性。     

Nighttime face recognition at large standoff: Cross-distance and cross-spectral matching

Face recognition in surveillance systems is important for security applications, especially in nighttime scenarios when the subject is far away from the camera. However, due to the face image quality degradation caused by large camera standoff and low illuminance, nighttime face recognition at large standoff is challenging. In this paper, we report a system that is capable of collecting face images at large standoff in both daytime and nighttime, and present an augmented heterogeneous face recognition (AHFR) approach for cross-distance (e.g., 150 m probe vs. 1 m gallery) and cross-spectral (near-infrared probe vs. visible light gallery) face matching. We recover high-quality face images from degraded probe images by proposing an image restoration method based on Locally Linear Embedding (LLE). The restored face images are matched to the gallery by using a heterogeneous face matcher. Experimental results show that the proposed AHFR approach significantly outperforms the state-of-the-art methods for cross-spectral and cross-distance face matching.     

Fast and robust face recognition via coding residual map learning based adaptive masking

Robust face recognition (FR) is an active topic in computer vision and biometrics, while face occlusion is one of the most challenging problems for robust FR. Recently, the representation (or coding) based FR schemes with sparse coding coefficients and coding residual have demonstrated good robustness to face occlusion; however, the high complexity of l₁-minimization makes them less useful in practical applications. In this paper we propose a novel coding residual map learning scheme for fast and robust FR based on the fact that occluded pixels usually have higher coding residuals when representing an occluded face image over the non-occluded training samples. A dictionary is learned to code the training samples, and the distribution of coding residuals is computed. Consequently, a residual map is learned to detect the occlusions by adaptive thresholding. Finally the face image is identified by masking the detected occlusion pixels from face representation. Experiments on benchmark databases show that the proposed scheme has much lower time complexity but comparable FR accuracy with other popular approaches.