基于DVF与Gabor小波的人脸表情特征提取方法研究

目前,人脸表情的识别率普遍不高,这主要受制于缺少有效提取表情特征的特征提取方法及对表情特征进行有效数据分析的识别方法,而作为基础的表情特征提取方法至关重要。为了提升人脸表情的识别率,文中提出了一种新的人脸表情特征提取方法。该方法结合DVF及Gabor小波提取人脸表情特征信息,并通过欧式距离方法验证表情特征提取的有效性。实验结果表明,该方法能有效保证特征信息的有效性。     

双层次分类方法下的人脸表情识别

目前,人脸表情的整体识别率普遍不高,严重制约了它的实际应用。为了解决这一问题,提出了一种新的人脸表情识别方法。该方法分为粗分类层次和细分类层次,在粗分类层次,通过SVD方法提取表情特征信息,并结合HMM模型粗识别;在细分类层次,采用Gabor小波＋PCA＋LDA的方法提取特征,并结合HMM模型细识别。理论分析和实验结果表明,该方法与其它方法相比具有更好的整体泛化性能和更高的整体识别率。     

基于Gabor小波与FastICA的人脸表情特征提取方法研究

目前社会上习惯将人脸表情细分成7种基本表情,而对于现有7种基本表情的识别效果却还有待提升。目前人脸表情的识别率普遍不高的原因主要是由于特征提取方法不佳,导致后续识别分类器无法达到预想效果。为此,文中提出了一种新的人表表情特征提取方法,该方法结合Gabor小波提取表情海量信息,然后通过FastICA将海量信息降维,得到最优信息,并通过HMM方法验证表情特征提取的有效性。实验结果表明,该方法能有效保证特征信息的有效性。     

基于Gabor小波＋PCA＋LDA特征提取方法的人脸表情识别

目前,人脸表情的整体识别率普遍不高,严重制约了它的实际应用。为了解决这一问题,提出了一种新的人脸表情识别方法。该方法采用Gabor小波＋PCA＋LDA的方法提取特征,并结合HMM模型进行识别分类。在JAFFE表情数据库中进行实验,获得了92．14％的整体识别率。理论分析和实验结果表明,该方法与其它方法相比具有更好的整体泛化性能和更高的整体识别率。     

基于深度信念网络的复杂机电设备故障诊断方法

常规的复杂机电设备故障诊断方法主要使用欧式向量矩阵确定故障逻辑特征,易受故障动态判断关联作用的影响,导致故障特征提取指标不拟合,因此基于深度信念网络设计了一种全新的复杂机电设备故障诊断方法。利用经验模态分解（Empirical Mode Decomposition,EMD）提取复杂机电设备故障的诊断特征,构建多Agent复杂机电设备故障诊断模型,并结合深度信念网络设计了设备故障诊断深度信念网络（Deep Belief Network,DBN）分类器,从而实现了复杂机电设备故障的诊断。实验结果表明,设计的复杂机电设备深度信念网络故障诊断方法提取的不同故障指标和实际故障指标拟合,证明设计的复杂机电设备故障诊断方法的诊断效果较好,为降低复杂机电设备的运行风险贡献力量。