一种多层特征融合的人脸检测方法

由于姿态、光照、尺度等原因,卷积神经网络需要学习出具有强判别力的特征才能应对复杂场景下的人脸检测问题。受卷积神经网络中特定特征层感受野大小限制,单独一层的特征无法应对多姿态多尺度的人脸,为此提出了串联不同大小感受野的多层特征融合方法用于检测多元化的人脸;同时,通过引入加权降低得分的方法,改进了目前常用的非极大值抑制算法,用于处理由于遮挡造成的相邻人脸的漏检问题。在FDDB和WiderFace两个数据集上的实验结果显示,文中提出的多层特征融合方法能显著提升检测结果,改进后的非极大值抑制算法能够提升相邻人脸之间的检测准确率。     

基于MVC设计模式的Web应用研究

介绍了MVC设计模式，将MVC设计模式引入Web应用系统中，详细分析了MVC包括的三类对象：模型、视图、控制器，最后将上述思想应用到了一个具体的Web原型系统的设计中，取得了较好的结果。     

多点交叉学习组织进化算法

为了提高组织进化算法(organizational evolutionary algorithm,简称OEA)在高维多模函数全局优化中陷入局部极值,分析了OEA 算法早熟收敛的原因,提出了多点交叉学习组织进化算法(mOEA).设计了一个多个组织的领导交叉学习策略来提高组织领导种群多样性,避免早熟收敛;结合社会群体认知和学习的习性,改进OEA 中的吞并算子,使得同一组织内的个体成员有的在其领导周围爬山运动,有的在搜索范围内随机变异,既提高成员群体的适应度值,又增强成员群体的多样性,不易陷入局部极值.与OEA     

RGBD人体行为识别中的自适应特征选择方法

目前在RGBD视频的行为识别中,为了提高识别准确率,许多方法采用多特征融合的方式。通过实验分析发现,行为在特定特征上的分类效果好,但是多特征融合并不能体现个别特征的分类优势,同时融合后的特征维度很高,时空开销大。为了解决这个问题,提出了RGBD人体行为识别中的自适应特征选择方法,通过随机森林和信息熵分析人体关节点判别力,以高判别力的人体关节点的数量作为特征选择的标准。通过该数量阈值的筛选,选择关节点特征或者关节点相对位置作为行为识别特征。实验结果表明,该方法相比于特征融合的算法,行为识别的准确率有了较大提高,超过了大部分算法的识别结果。     

监督MCA降维框架中的心跳分类模型

高维心电图数据存在大量不相关特征,基于监督机器学习技术很难同时获得较高敏感性与特异性。在预处理操作心电图数据,如校准基线漂移、去除高频噪声和拟合多项式特征的基础上,提出一种基于监督多元对应分析（MCA）降维技术的分类模型自动分类心跳。该方法离散化连续心电图数据为类属数据,并发展有监督MCA降维技术提取心电图数据关键特征,用各种分类算法自动分类心电图心跳数据。在PTB诊断数据库的心电图数据集上测试结果表明,与几种基于监督机器学习分类技术相比,在监督MCA降维框架中各种分类算法能以较高敏感性和特异性自动分类心电图心跳数据。