基于结构化Fisherface的人脸识别新方法

特征提取是人脸识别中一个关键步骤.传统的Fisherface人脸识别方法中用样本的类均值和总体均值定义相应的散布矩阵,丢失了样本个体之间的结构信息,本文提出了一种基于原始样本个体结构信息的结构化Fisherface人脸识别方法,最后得到的特征数据中保留了原始样本更多的分布信息.在ORL人脸数据库的实验结果验证了该方法的有效性.     

一种基于独立成分分析和径向基神经网络的人脸识别新方法

提出了一种新的基于独立成分分析和径向基神经网络的人脸识别方法。独立成分分析可以从高阶上消除特征数据的相关性,改进了主成分分析方法只能从2阶上消除数据相关性的弱点;最终特征数据的分类由RBF神经网络来实现。在人脸数据库上的实验结果表明该新方法的识别性能较其他方法有了很大提高。     

人脸识别技术的分析与展望

介绍了人脸识别技术的发展概况,从人脸识别的三个步骤:人脸的检测与定位、人脸的特征提取和人脸的识别和验证对人脸识别技术的方法进行了分析和总结,指出了其优缺点所在和人脸识别技术面临的关键问题,最后对人脸识别技术的研究发展趋势进行了展望.     

基于决策树的模糊序贯最小优化分类器的人脸识别

序贯最小优化算法是一种SVM s(Support VectorM ach ines)训练算法,该算法将一个大型QP(Quadratic Programm ing)问题分解为一系列最小规模的QP子问题,从而避免了多样本情形下的数值解不稳定及耗时问题,同时也不需要大的矩阵存储空间。本文在模糊支持向量机的基础上,提出了基于决策树的模糊序贯最小优化算法并对它进行了分析和研究,在对人脸图像进行独立成分分析后,用该算法进行多类人脸识别。通过在ORL人脸库上的实验结果表明,在样本类别较少的条件下,该算法可以取得较好的效果。     

模糊支持向量机和独立成分分析在人脸识别中的应用

将独立成分分析(ICA)、模糊支持向量机(FSVM)以及三叉决策树相结合并应用于人脸识别。首先对人脸图像做独立成分分析，提取有利于分类的面部特征的主要独立成分，然后在特征空间中，用FSVM和三叉决策树相结合设计人脸分类器。在ORL人脸库上的实验结果表明，该算法能够取得较好的分类效果。     

一种模糊特征提取算法及其在人脸识别中的应用

F isherface是人脸特征提取中常用的方法,KPCA LDA能更好地解决非线性问题。本文把模糊技术与KPCA LDA相结合提出了一种新的特征抽取方法。首先用KPCA进行初次特征提取,然后利用FKNN计算图像对各类别的隶属程度,再在此基础上用LDA进行二次特征提取。在ORL人脸库上的实验结果表明了该方法的有效性。     

模糊支持向量机和独立成分分析在人脸识别中的应用

将独立成分分析(ICA)、模糊支持向量机(FSVM)以及三叉决策树相结合并应用于人脸识别.首先对人脸图像做独立成分分析,提取有利于分类的面部特征的主要独立成分,然后在特征空间中,用FSVM和三叉决策树相结合设计人脸分类器.在ORL人脸库上的实验结果表明,该算法能够取得较好的分类效果.     

基于学习矢量量化网络的人脸识别

提出利用主元分析(PCA)和学习矢量量化神经网络(LVQ)相结合的方法进行人脸识别。在ORL人脸库上的实验证明，这种方法的识别效率高，对表情和姿态的变化具有一定的鲁棒性，在识别性能上优于传统的Fisherfaces脸方法和eigenfaces方法。     

基于ASM和FNN的人脸识别

将主动形状模型ASM(Active Shape Model)与模糊神经网络FNN(Fuzzy Neural Networks)相结合并用于人脸识别。针对经典ASM对初始化位置敏感、收缩速度慢的现象和传统模糊神经网络难以解决高维模式分类的问题进行了分析和改进。ORL人脸库上的试验表明了该算法的有效性。     

半结构化数据模型的主要特征

随着数据库及互连网技术的飞速发展,异构数据库的集成所带来的半结构化数据以及网络中的半结构化数据已经成为一种重要的数据形式,其数据模型研究是半结构化数据各项研究的重要基础,本文首先介绍了半结构化数据的概念及来源,之后介绍了几个常见的半结构化数据模型,并着重探讨了半结构化数据模型的主要特征。     

一种新颖的特殊体制雷达辐射源识别技术

对特殊体制雷达信号脉内特征的提取是电子对抗的重要研究课题。论文利用韦尔奇功率谱原理来提取信号识别特征参数,并根据提取出的特征参数设计信号识别模型。首先从多种信号中检测识别线性调频信号、相位编码信号、频率编码信,然后分析特征参数的适用范围和信号环境。最后通过仿真分析来验证特征提取算法和识别方法在雷达辐射源信号识别中的可行性。     

基于神经网络的液晶数字识别在船用设备管理中的应用

数字识别是字符识别中的一个重要的研究课题。阿拉伯数字只有0～9十个,而且笔画简单,但是识别这十个数字并非易事,识别的正确率并不高。虽然液晶数字在形式上相对于识别难度较大的手写体数字来说比较规范,但是液晶数字的变体也比较多,形状各异,因此文章研究的目的在于找到一种对于液晶数字识别的一般的有效的方法。文章建立了＂仪表监控与数字识别系统＂,主要对液晶数字识别的过程进行了讨论,重点研究了数字图像处理和数字识别,做了以下几个方面的工作：1）在研究了多种液晶数字特征的基础上,提取了数字的粗网格特征。2）建立了一个基于BP神经网络的液晶数字识别系统,进行了分类器设计,并对数字识别结果进行了检验,取得了较好的系统性能,从而证明了采用的方法是可行的。     

一种被动声纳目标识别数据融合方法的研究

文章首先对目标噪声信号采用五种不同的方法提取特征矢量,然后采用基于自适应遗传BP算法的神经网络分别对五种特征矢量并发地进行分类,再采用遗传算法对分类器组合过程中的多参数进行优化,最后由五种分类结果最优组合产生最终的分类结果。实验结果表明该系统具有很好的分类效果。