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。     

改进的基于TSK模型的模糊对向传播神经网络研究

将模糊C-均值(PCM)算法和模糊对向传播神经网络相结合，解决了模糊对向传播神经网络中模糊隶属度函数的自动生成问题，在此基础上结合卫张(Sugeno Tanaka Kang)模糊模型，提出了改进的模糊对向传播神经网络Improved FCP，并给出了学习算法。对两种典型的非线性模型进行实验研究，实验结果表明Improved FCP网络具有良好的非线性逼近能力。     

人脸图象特征抽取和识别的一种混合方法研究

提出了将Fisher线性判别、支持向量机和决策树方法相结合的人脸识别方法。首先用Fisher线性判别法对人脸图象进行特征抽取，压缩了图象的维数，再在特征空间中用SVM(Support Vector Ma-chine)和决策树结合的方法设计人脸分类器。在ORL人脸库上的实验结果表明了该方法对解决小样本、非线性以及高维的模式识别问题的有效性。     

一种基于概念层次数据库挖掘一般化关联规则的算法研究

从数值型数据库中挖掘出关联规则是一个很有应用前景的课题.在实际中,通常属性内还存在更高层次的概念抽象,即呈现出层次结构.本文基于这一结构,首先将原来的数据库扩展成层次数据库,然后提出了从此数据库中,挖掘出更一般关联规则的方法.运行实例表明了本文提出方法的有效性.     

基于多Agent的模糊建模系统设计与实现

针对模糊建模过程中最佳技术组合的选择问题,运用多Agent理论和Sun Jini技术,构建了一个分布式的模糊建模系统.通过该系统能够方便地添加、测试和选择各种模糊建模的软计算技术.试验结果证明该系统具有良好的灵活性、可扩展性和可靠性.     

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。     

关于通用层次径向基网络及通用层次模糊系统的全局逼近性质

证明了通用层次径向基网络及通用层次模糊系统是全局逼近器这一重要结论,为其实际应用提供了坚实的的理论基础.     

扩张原理的网络结构分析

在分解定理建模的基础上，对扩张原理建模进行研究，最后得出扩张原理的网络表示，为神经网络和模糊系统的结合奠定了基础。     

离群模糊切换回归模型研究

模糊切换回归模型被广泛地应用于经济领域和数据挖掘技术中。本文在传统的模糊切换回归模型的基础上，通过为每一个数据样本分配一个动态的权值，得到了一个新的离群模糊切换回归模型，提出了FCWSRM(Fuzzy C Weighted Switching Regression Model)算法，最终得到的权重是数据分布的一种代表，将被用来发现数据集中的离群点。实验表明，离群模糊切换回归模型比传统的模糊切换回归模型具有更强的鲁棒性，并且能通过权值发现数据集中的离群点。