基于最优DAGSVM的服务机器人交互手势识别父且手亍劣识别

针对目前服务机器人手势交互方法在输入方式自然性和识别方法可靠性方面的不足,提出采用结合人脸和人手的姿态作为输入方式,实现了一个基于最优有向无环图支持向量机（DAGSVM）的手势识别系统。系统采用分步细化特征检测过程,即先粗检肤色,然后分别利用人眼Gabor特征和人手边缘小波矩特征检测脸和手部,可克服背景中的肤色干扰,并显著提高特征提取的可靠性;综合利用脸手区域不变矩和手的位置信息组成混合特征向量,采用优化拓扑排序策略组织多个两分类支持向量机（SVM）,构成最优DAGSVM多分类器,达到比普通DAGSVM更高的多分类准确率。实验验证了该方法的有效性和可靠性,并用于实现一种自然友好的人机交互方式。     

一种改进的DAGSVM 手势识别方法及其应用

在支持向量机多分类方法基础上,提出了一种改进的有向无环图支持向量机( Directed Acyclic Graph Support Vector Machine,DAGSVM) 手势识别方法。首先根据Kinect 采集到 的场景深度信息将前景和背景分开,分割得到手,然后提取其特征向量,利用特征向量训练多 个SVM 两分类器,采用DAG 拓扑结构构成DAGSVM 多分类器,并对其结构排序进行改进。 实验证明,与其他支持向量机多分类方法相比,改进后的DAGSVM 分类器能够达到更高的识 别率,并将这个手势识别方法用于智能轮椅的控制上,收到了良好的效果。     

基于特征包支持向量机的手势识别

针对类肤色信息或复杂背景的影响,难以通过手势分割得到精确手势轮廓而对后期手势识别率与实时交互的影响,提出了一种基于特征包支持向量机(BOF-SVM)的手势识别方法。采用SIFT算法提取手势图像局部不变性特征点,将手势局部特征向量(尺度不变特征变换(SIFT)描述子)进行K-means聚类生成视觉码书,并通过视觉码书量化每一幅手势图像的视觉码字集合,以此获得手势图像的固定维数的表征向量来训练支持向量机(SVM)多类分类器。该方法只需框定手势所在区域,无需精确地分割人手。实验表明,该方法对9种交互手势的平均识别率达到92.1%,并具有很好的鲁棒性及实时性,能适应环境的变化。     

快速的支持向量机多类分类研究

研究了支持向量机多类算法DAGSVM（Direct Acyclic Graph SVM）的速度优势,提出了结合DAGSVM和简化支持向量技术的一种快速支持向量机多类分类方法。该方法一方面减少了一次分类所需的两类支持向量机的数量,另一方面减少了支持向量的数量。实验采用UCI和Statlog数据库的多类数据,并和四种多类方法进行比较,结果表明该方法能有效地加快分类速度。     

融合Hu矩与BoF-SURF支持向量机的手势识别

基于尺度不变特征变换的特征包（BoF-SIFT）支持向量机的分类方法具有较好的手势识别效果, 但是计算复杂度高、实时性较差。为此, 提出了融合Hu矩与基于快速鲁棒特征的特征包（BoF-SURF）支持向量机（SVM）的手势识别方法。特征包模型中用快速鲁棒性特征（SURF）算法替换尺度不变特征变换（SIFT）算法提取特征, 提高了实时性, 并引入Hu矩描述手势全局特征, 进一步提高识别率。实验结果表明, 算法无论是实时性还是识别率都要高于BoF-SIFT支持向量机方法。     

适用于机器人视觉的手势识别系统

手势是一种高效的人机交互和设备控制的方式,基于视觉的手势识别是人机交互、模式识别等领域的一个富有挑战性的研究课题。文章提出并实现了一个可用于与机器人交互的静态手势检测和识别系统。该系统用摇动检测的方法定位人手;用基于现场采样得到的肤色模型进行手的分割;用简化并改进的CAMSHIFT算法对手势进行跟踪;最后用模式识别的方法提取简单特征进行识别。实验证明,该系统快速、稳定而有效。     

基于支持向量机的肤色检测

根据支持向量机理论和肤色信息分布特点,提出用支持向量机方法进行肤色检测.在YCbCr、YIQ、YUV颜色空间中,去除照度分量,分别以各像素点的色度向量为输入,用像素点所属类别--皮肤区域与非皮肤区域为输出,建立各颜色空间的支持向量机肤色检测器.实验表明,该方法具有良好的肤色检测效果.     

基于肤色和支持向量机的人脸检测

人脸检测作为人脸识别系统的重要一环,越来越受到技术研究和商业应用的关注。针对人脸检测环境的复杂性,该文提出了基于肤色和支持向量机的人脸检测算法。该算法对于具有复杂背景信息的人脸彩色图像,采用肤色检测的方法进行肤色区域的分割并去除噪声干扰,然后使用支持向量机(SVM)对于类似肤色区域进一步检测并确定人脸区域。实验表明,结合肤色模型的快速检测和支持向量机的二次验证,该方法能提高人脸检测的准确性,并缩短检测时间。     

基于支持向量机的文本兼类标注

该文分析了现有多类别支持向量机分类器的特点及DAGSVM的优势,并结合模糊技术改造DAGSVM使之能进行兼类标注的多类别分类。改进后的FDAGSVM采用模糊决策面代替了DAGSVM的分明决策面,使判决过程适应兼类标注的要求,克服了传统的多类别分类支持向量机必然将样本分入某一类别的不足。基准数据的兼类标注多类别分类试验表明,FDAGSVM在文本的兼类标注分类中表现出较好的性能。     

基于支持向量机的货币识别应用研究

支持向量机是一种新的基于统计学习理论的机器学习算法，它可以应用于小样本、非线性和高维模式识别。研究了支持向量机的学习算法，依据支持向量机的特点采用了相应的货币特征数据获取及预处理方法，提出采用改进SMO训练算法和DAGSVM多值分类算法构建的支持向量机用于货币识别，从而达到对货币高效、准确识别。实验结果证实了该方案的有效性。     

Electrocardiogram beat classification using empirical mode decomposition and multiclass directed acyclic graph support vector machine

In this paper, a classifier motivated from statistical learning theory, i.e., support vector machine, with a new approach based on multiclass directed acyclic graph has been proposed for classification of four types of electrocardiogram signals. The motivation for selecting Directed Acyclic Graph Support Vector Machine (DAGSVM) is to have more accurate classifier with less computational cost. Empirical mode decomposition and subsequently singular value decomposition have been used for computing the feature vector matrix. Further, fivefold cross-validation and particle swarm optimization have been used for optimal selection of SVM model parameters to improve the performance of DAGSVM. A comparison has been made between proposed algorithm and other two classifiers, i.e., K-Nearest Neighbor (KNN) and Artificial Neural Network (ANN). The DAGSVM has yielded an average accuracy of 98.96% against 95.83% and 96.66% for the KNN and the ANN, respectively. The results obtained clearly confirm the superiority of the DAGSVM approach over other classifiers.     

An automatic video content classification scheme based on combined visual features model with modified DAGSVM

Automatic video content classification attracts much attention from researchers in multimedia analysis because the management of video content is a challenging task. In this paper, a visual feature representation composed of editing, color, texture and motion features is proposed which is shown to be effective in differentiating among various video contents. A modified Directed Acyclic Graph Support Vector Machine (DAGSVM) model as the classifier is also presented. Experiments show that the features extracted have improved the discriminative ability between different video contents and the computational complexity has also been reduced. By introducing the DAG policy, the performance of the classifier has been enhanced and the classification results demonstrate the precision and effectiveness of this approach, compared with the other two classification methods. In addition, the proposed algorithm can be applied to video searching and harmful-video content filtering, etc.     

A method to make multiple hypotheses with high cumulative recognition rate using SVMs

This paper describes a method to make multiple hypotheses with high cumulative recognition rate using SVMs. To make just a single hypothesis by using SVMs, it has been shown that Directed Acyclic Graph Support Vector Machines (DAGSVM) is very good with respect to recognition rate, learning time and evaluation time. However, DAGSVM is not directly applicable to make multiple hypotheses. In this paper, we propose a hybrid method of DAGSVM and Max-Win algorithm. Based on the result of DAGSVM, a limited set of classes are extracted. Then, Max-Win algorithm is applied to the set. We also provide the experimental results to show that the cumulative recognition rate of our method is as good as the Max-Win algorithm, and that the execution time is almost as fast as DAGSVM.     

图像多分类主动学习方法

以决策速度快的决策导向非循环图支持向量机（Decision Directed Acyclic Graph Support Vector Machine）为基准分类器,结合主动学习的思想,提出了一种图像多分类主动学习方法。这种方法是一种半自动的图像语义分类方法,可以将图像分成多个语义类别。该方法在最近边界主动选择方法的基础上,提出一种基于质疑度的主动选择策略。这种策略将SVMactive中提出的最近邻SVM分类面选择的反馈样例策略延伸到多分类中,通过区别对待奇异样例和容易错分样例,减少了噪声数据对分类器的干扰,提高了分类的精度。     

Stretching algorithm for global scheduling of real-time DAG tasks

Real-Time Systems - Parallelism is becoming more important nowadays due to the increasing use of multiprocessor systems. A Directed Acyclic Graph (DAG) is a general model of parallel tasks with...     

异质信息网络中基于有向无环图的影响力最大化算法

针对异质信息网络中的影响力最大化（IM）问题，提出了一种基于有向无环图（DAG）的影响力最大化算法（DAGIM）。首先基于DAG结构度量节点的影响力，然后采用边际增益策略选择影响力最大的节点。DAG结构表达力强，不仅描述了不同类型节点之间的显性关系，也刻画了节点之间的隐性关系，较完整地保留了网络的异质信息。在三个真实数据集上的实验结果验证所提DAGIM的性能优于Degree、PageRank、局部有向无环图（LDAG）以及基于元路径的信息熵（MPIE）算法。     

信任委托证书图搜索研究

分析了分布式信任管理的证书结构反证书授权模型，包括线性链式授权、门限授权、条件授权和复合证书授权等，探讨了不同模型下的证书表达与证书链处理机制．提出了基于有向无环图DAG的证书图结构，并对利用DAG表达证书图作出证明。在证书链的搜索算法中。通过对多重边的有向无环图用深度优先和广度优先算法结合实现对证书链的搜索，避免证书图中产生的环形链而导致低搜索效率问题。     

利用贝叶斯网络进行遥感变化检测

多时相遥感信息变化检测及其算法探索是当前国际遥感领域研究的热点,但是贝叶斯网络在遥感数据分类、特别是应用在变化检测方面的文献却很少。本文介绍了利用贝叶斯网络的变量间独立性测试原理,构建了输入两个时相多波段遥感信息的有向无环结构,利用训练后的网络进行两个时相多波段遥感变化信息的检测,取得了较好的效果。对北京六环线以内区域,1994年、2003年5种地类变化信息的遥感数据检测和类型转换进行了统计,其中耕地转换为城镇的占整个区域的26.52%,绿地增加占整个区域4.68%,水体减少占整个区域6.78%,导致裸地增加占整个区域4.80%,这个结果也在1∶5万的航空影像和地面上得到了验证。实验结果表明,贝叶斯网络为遥感数据的直接变化检测提供了一种新的途径。     

无回路网络中最短路问题的高效算法

无回路网络是一类重要的网络,给出在无回路网络中求解最短路树形图和任意顶点对间最短路的高效算法。该算法将顶点进行重新编号,结合广度优先探索法,从源顶点出发依次搜索每个顶点的所有出弧,并在弧的头部进行权值变换操作,可以得到最短路树形图和任意顶点对间最短路,算法复杂度分别为O(m)和O(m(n-m1/2))。该算法思想简便、复杂度低、易于操作。 关键词：