人脸图象的校准与特征抽取

脸自动识别是计算机模式识别领域的一个活跃课题,文中提出了一个基于眼睛位置估计的人脸校准方法,并提出了个基于ＫＬ变换与具有统计不相关性的最佳鉴别变换抽取人脸有效鉴别特征的方法,对由９６个,每个１０幅图象所组成的人脸图象数据库所作的实验结果表明,文中所提出的人脸校准方法能从具有一定复杂背景的人脸图象中比较成功地实现人脸自动校准,成功率与可靠性分别可达到９１．５％和９９．５％,文中所提出的人脸特征抽取     

置信度的原理及其在语音识别中的应用

由于置信度模型可以有效地判断观测数据与语音模型之间的匹配程度,因此可以用来对语音识别结果进行假设检验,定位识别结果中的错误,从而提高系统的识别率和稳健笥,讨论了语音识别中置信度的基本原理,、在值方法、模型性能评价方法、比较全面地介绍了置信度在语音识别中的各种,实验结果表明,置信度在语音识别的搜索的剪枝过程、说话人自适应以及拒识和验证方法面都有显的作用。     

Adaptive target recognition

Target recognition is a multilevel process requiring a sequence of algorithms at low, intermediate and high levels. Generally, such systems are open loop with no feedback between levels and assuring their performance at the given probability of correct identification (PCI) and probability of false alarm (Pf) is a key challenge in computer vision and pattern recognition research. In this paper, a robust closed-loop system for recognition of SAR images based on reinforcement learning is presented. The parameters in model-based SAR target recognition are learned. The method meets performance specifications by using PCI and Pf as feedback for the learning system. It has been experimentally validated by learning the parameters of the recognition system for SAR imagery, successfully recognizing articulated targets, targets of different configuration and targets at different depression angles.     

Numerically Invariant Signature Curves

Corrected versions of the numerically invariant expressions for the affine and Euclidean signature of a planar curve introduced by Calabi et al. in (Int. J. Comput. Vision, 26: 107–135, 1998) are presented. The new formulas are valid for fine but otherwise arbitrary partitions of the curve. We also give numerically invariant expressions for the four differential invariants parameterizing the three dimensional version of the Euclidean signature curve, namely the curvature, the torsion and their derivatives with respect to arc length.     

地震剖面自动识别综合解释技术的应用

提出了综合运用机图像寺震剖面图象处理的方法,探讨了统计模式识别和神经网络模式识别的理论方法和实现技术,体现出综合技术在实际领域应用的有效性和泌要性,为大量复杂信息的图象处理和解释提供了一条新的思路。     

用于模式识别的ART-2神经网络算法的改进

针对模式识别中模式有序输出的要求,对ＡＲＴ－２神经网络的算法进行了改进和调整,提出了ＡＲＴ－２神经网络的改进算法,通过对改进算法与原算法的识别试验结果进行比较,表明该改进算法对模式的有序输出是可行的和有效的。     

一种快速有效的印刷体文字识别算法

为了利用低成本的硬件来实现对印刷体文字的快速识别,提出了一种基于多级分类的印刷体文字快速识别算法,该算法从预处理、特征提取,到模式匹配各个阶段,都对传统方法作了合理的改进.该算法首先是采用36×36,而不是传统的48×48点阵进行归一化,从而有效地减少了计算量和字典容量;其次是采用改进的粗外围特征,并进行二重分割,以提高特征的稳定性;最后在各级分类中采用了不同的判别准则,包括绝对值距离、欧氏距离及相似度准则,以适应于时间、准确性的不同要求.同时用该算法对一级汉字7000个样本进行了实验,其结果表明,实际正确识别率(正识率)达95%,前5位累积正识率可达98%,从而为“电子阅读笔”的开发与研制打下了坚实的理论基础.     

基于小波网络和多模块网络的数字识别

本文研究一种新的数字识别方法,这种方法用小波神经网络抽取特征、用多模块结构神经网络作模式分类器。小波分解的函数近似能力和人工神经网络的学习能力结合起来形成的小波神经网络,有着良好的特征描述性能,可用作特征抽取工具。多模块结构的神经网络将一个k类的模式分类问题转换为k个互相独立的2类分类问题。这种结构将一个复杂的分类问题化解为多个简单的分类问题,各个模块互相并联,各自负责一种模式的识别。用这种修改过的多模块结构网络的BP训练方法,可加速训练和提高训练精度,并且各模块可互相独立地进行训练。用美国NIST数字样本进行训练及测试,结果良好。这种方法可用于更广泛的平面图形识别。     

基于级连分组BP网络的高精度手写数字识别

本文提出了一种基于级连分组网的手写数字识别的新方法。这种方法根据将每次分类任务简单化的思想,将每个网络的任务简化以提高其辨别能力。整个系统分为两级,第一级进行粗分类,选取前两个后选字。第二级对两个后选字进行细分类。每个细分类网络完成区分两类特定模式的任务,由于每个子网络分类数目的减少导致识别精度的提高。使用我们自己构造的含10万个字符的库进行测试,我们的系统达到了在拒识为5%以内时误识为0.067%。     

手写体汉字在特征空间的可视化分析

手写体汉字特征一般在几百维以上,在这样的高维空间中,汉字样本是如何分布的?本文从可视化的角度对这一问题进行了探讨。论文首先给出了所选用的汉字特征的定义,然后对一些具有代表性的汉字实例,从K-L变换法、线性投影法和非线性投影法三个方面,对汉字在特征空间的分布问题进行了可视化分析,结果表明,可视化分析可以帮助人们了解汉字在特征空间的分布情况,对改进识别器的性能具有指导意义。