基于二维主分量分析的人耳身份识别研究

有效的特征提取方法是解决人耳身份识别任务的关键之一。以主分量分析（PCA）为代表的线性子空间方法在特征提取工作中得到了广泛应用。为了更有效地提取人耳图像特征并减少运算量,将基于二维图像矩阵的2D-PCA方法应用于人耳身份识别。针对三个USTB人耳图像库,采用最近邻分类器,研究了选用不同的特征维数、贡献率,及不同的相似性测度时,2D-PCA方法与传统的PCA方法的识别性能。交叉验证的实验结果表明：2D-PCA方法较PCA方法获得了更短的训练时间和更高的识别率,说明基于图像矩阵的2D—PCA方法是一种效率更高,鲁棒性更强的人耳身份识别方法。     

基于Gabor变换和灰度梯度共生矩阵的人耳识别研究

人耳识别作为一种新兴的生物特征识别技术,具有其自身独特的优势。提出一种基于Gabor变换和灰度梯度共生矩阵的人耳身份识别方法。首先,利用Gabor变换和灰度-梯度共生矩阵融合提取人耳图像的纹理特征,然后采用K-NN分类器对特征进行分类。该方法用USTB人耳图像库做测试。实验结果表明介绍的提取人耳图像的纹理融合特征的方法优于只采用Ga-bor变换提取特征或是只提取灰度梯度共生矩阵的二次统计特征的性能。在明氏距离测度及K=1时,交叉验证识别率达到81.77%。     

截止时间约束的工作流调度自适应进化方法

工作流是云计算环境下任务的主要表现形式,工作流任务调度问题是一个典型的NPC问题,进化算法在解决这类问题方面具有明显优势。然而,传统的进化算法容易陷入局部最优,造成早熟结果。提出一种考虑截止时间约束条件下的自适应遗传进化方法,采用适应度修正均值来自适应计算交叉概率、变异概率,引入惩罚函数自适应修正适应度,以避免陷入局部最优。在WorkflowSim仿真环境上,选用具有代表性的Montage科学工作流,与5种算法的对比实验结果表明在4种不同截止时间约束下,所提方法的约束满足程度最高,且能够在贴近用户截止时间约束的执行时间下花费更小的成本。