A neural networks learning algorithm for minor component analysis and its convergence analysis

The eigenvector associated with the smallest eigenvalue of the autocorrelation matrix of input signals is called minor component. Minor component analysis (MCA) is a statistical approach for extracting minor component from input signals and has been applied in many fields of signal processing and data analysis. In this letter, we propose a neural networks learning algorithm for estimating adaptively minor component from input signals. Dynamics of the proposed algorithm are analyzed via a deterministic discrete time (DDT) method. Some sufficient conditions are obtained to guarantee convergence of the proposed algorithm.     

基于虚拟多传感器信息融合的粮情预警系统

在粮食仓储过程中,通过温湿度传感器、图像传感器采集到的温湿度、图像的实时数据,经过信息处理算法的变换和特征提取,得到具有不同特征信息的虚拟多传感器数据,采用D-S证据理论对数据进行信息融合,对粮食在仓储过程中的霉变、虫害等粮情进行动态预测分析,当发现有不良变化时,该系统能够及时发出预警信息,以保证粮食的储藏安全。     

投影深度向量分解融合PEMS的视角不变人体动作识别

针对摄像机内部参数的不确定性和投影平面选择难的问题,提出一种新的投影深度算法用于视角不变的动作识别,该算法采用对称镜面提取平面(PEMS)策略,有效解决了投影平面选择难的问题。首先通过摄像机组观察获得3D动作姿势,然后运用PEMS策略从场景中提取平面,相对于提取平面估计身体点的投影深度,最后使用这个信息进行动作识别。该算法的核心是投影平面的提取和投影深度组成向量的求解。利用本文算法在CMU MoCap数据集、TUM数据集和多视图IXMAS数据集上进行测试,精度可分别高达94%、91%和90%,且在较少动作实例情况下,仍然能够准确定义新动作。比较表明,本文算法的人体动作识别性能明显优于其他几种较新的算法。     

基于RBFCM和ECM的分层取证分析

为实现入侵证据的自动分析,设计一种基于取证图的分层取证分析方法。采用基于规则的模糊感知图模型,从局部识别出网络实体的状态,通过特征向量中心度计算得到重要的种子结点,再从大量攻击场景的关联结点中抽取攻击组。基于DARPA2000的实验结果表明,该方法在攻击组抽取和场景抽取方面具有较高的覆盖率和准确率。     

a尺度Haar小波基的构造

对伸缩因子a为大于1的正整数的Haar小波基进行了统一构造，并给出了分解和重构算法。指出只需对一实对称矩阵求特征向量，便容易得到相应的a-1个母小波。     

基于Widrow-Hoff神经网络的多指标推荐算法

为解决传统的协同过滤推荐算法不能综合运用多个指标进行推荐的问题,通过引入多指标评分的概念对标准的协同过滤推荐算法进行扩展,提出一种基于Widrow-Hoff神经网络的多指标推荐算法。利用Widrow-Hoff最小二乘法自适应算法在进行系统辨识时的高精度拟合特性,提出一种基于Widrow-Hoff最小二乘法算法的用户偏好特征向量计算方法。利用用户偏好特征向量和空间距离矩阵度量用户相似度,以定位邻居集并为用户推荐最优项目。实验结果表明,本文算法可提高推荐精度,改进推荐质量。     

基于特征线段综合的图案元素生成

对于美术图案智能生成系统,其元素的获取,绘制及录入一直是一个瓶颈问题,为此提出了一种应用综合推理的思想来生成新的图案元素的方法,这种方法可以直接从已有图案元素的形象信息出发,根据一定的特征要求,迅速综合生成亲的图案元素或原的多种变化形态,因而大大丰富了图案元素库,并在一定程度上缓解了元素获取,绘制及录入问题。     

基于信号幅相特性的副瓣跟踪自动识别方法

传统雷达测角系统副瓣跟踪识别方法主要根据副瓣信号幅度较主瓣明显偏低这一特性提出,该文通过对副瓣跟踪原理的理论分析、仿真分析与实测验证,得出了关于副瓣跟踪特性的新结论：副瓣跟踪时和差相位正交、差和幅度比相对主瓣跟踪明显增大。在此基础上提出一种基于信号幅相特性的副瓣跟踪识别方法：构造以差和幅度比、和差相位差为描述子的幅相特征向量,采用支持向量机(SVM)对特征向量进行分类完成识别过程。实验结果表明,该文方法识别准确率高,鲁棒性、实时性、通用性强。     

Image denoising via sparse coding using eigenvectors of graph Laplacian

Image denoising plays an important role in image processing, which aims to separate clean images from the noisy images. A number of methods have been presented to deal with this practical problem in the past decades. In this paper, a sparse coding algorithm using eigenvectors of the graph Laplacian (EGL-SC) is proposed for image denoising by considering the global structures of images. To exploit the geometry attributes of images, the eigenvectors of the graph Laplacian, which are derived from the graph of noised patches, are incorporated in the sparse model as a set of basis functions. Sequently, the corresponding sparse coding problem is presented and efficiently solved with a relaxed iterative method in the framework of the double sparsity model. Meanwhile, as the denoising performance of the EGL-SC significantly depends on the number of the used eigenvectors, an optimal strategy for the number selection is employed. A parameter called as out-of-control rate is set to record the percentage of the denoised patches that suffer from serious residual errors in the sparse coding procedure. Thus, with the eigenvector number increasing, the appropriate number can be heuristically selected when the out-of-control rate falls below an empirical threshold. Experiments illustrate that the EGL-SC can achieve a better performance than some other well-developed denoising methods, especially in the structural similarity index for the noise of large deviations.     

基于贝叶斯优化算法的脸面特征向量子集选择

1 引言近年来,人脸识别作为图像分析和理解最成功的应用之一,受到研究人员广泛的关注。脸部特征抽取选择是人脸识别关键问题之一。现有的脸面特征抽取主要有两类,一类是基于局部几何特征的系统,一类是基于整体模版匹配的系统。在基于局部几何特征的系统中,通过检测眼睛,鼻子,嘴等面部特征和它们之间的相互关系(距离,面积,角度)来描述脸面。这种方法可以有效降低数据量,但是目前脸面特征的检测和测量技术还不能满足这种方法的要求。基于整体模