GOS+MU:一种查询对象选择新方法

在分析单一MU(Most Uncertainty)采样缺陷的基础上,提出一种"全局最优搜寻"方法 GOS(Global Optimal Search),并结合MU共同完成查询选择。GOS+MU方法中,GOS着眼全局寻找目标,在应用环境能提供的训练样本数量有限、分类器受训不充分时,该方法选择的对象学习价值高,能快速推进分类器学习进程;MU则能够在GOS采样失效情形下,利用分类器当前训练成果,选择查询不确定性最强的样本补充训练集。通过对网络商品的用户评论进行分类仿真,并比较其他采样学习方法的效果,证明了GOS+MU方法在压缩学习成本、提高训练效率方面的有效性。     

档案文献主题词微机自动标引系统

一、前言 档案文献主题标引是在档案文献的加工、存贮和检索时,将其内容主题的自然语言转换成规范化检索语言的过程。目的是编制一套比较完善的、高质量的档案检索系统。传统的标引方式是人工标引,其标引质量受下列因素的影响:(一)非一致性——由于标引工作是分散进行的,人们在标引     

整合原始人脸图像和其虚拟样本的人脸分类算法

人脸识别作为最具吸引力的生物识别技术之一,由于会受到不同的照明条件、面部表情、姿态和环境的影响,仍然是一个具有挑战性的任务.众所周知,一幅人脸图像是对人脸的一次采样,它不应该被看作是脸部的绝对精确表示.然而在实际应用中很难获得足够多的人脸样本.随着稀疏表示方法在图像重建问题中的成功应用,研究人员提出了一种特殊的分类方法,即基于稀疏表示的分类方法.受此启发,提出了在稀疏表示框架下的整合原始人脸图像和虚拟样本的人脸分类算法.首先,通过合成虚拟训练样本来减少面部表示的不确定性.然后,在原始训练样本和虚拟样本组成的混合样本中通过计算来消除对分类影响较小的类别和单个样本,在系数分解的过程中采用最小误差正交匹配追踪(Error-Constrained Orthogonal Matching Pursuit,OMP)方法,进而选出贡献程度大的类别样本并进行分类.实验结果表明,提出的方法不仅能获得较高的人脸识别的精度,而且还具有更低的计算复杂性.     

基于分割约束的α扩展体视算法

提出一种改进的基于图切割的体视算法.首先,定义一种具有鲁棒性和适应性的能量函数,并证明所定义的能量函数的图可构造性.该能量函数利用rank变换减少数据项的噪声干扰,利用基于颜色相似度的自适应截断线性模型保护视差的不连续性.其次,分析目前图切割体视算法的复杂度,提出一种基于分割约束的α扩展操作.该操作根据颜色连通区域内视差平滑的特征,减少像素视差的搜索范围,引进距离变换获取α的候选对应,作为每次扩展时构造图的顶点,从而减少图中最大流的计算量.最后,利用视差分布下降的顺序进行α扩展来降低算法的迭代总数.实验结果表明,以上改进可有效提高图切割体视算法的计算效率和匹配精度.     

基于自适应频率规整的鲁棒说话人辨认研究

该文提出了一种基于自适应频率规整的鉴别性特征提取算法。该方法通过对语音频谱的各个频带的鉴别性分析及其量化结果对各个频域进行自适应的频率规整,进行非均匀子带滤波设计提取鉴别性特征;同时在噪声环境下,在特征提取前端进行了预增强处理,解决了测试语音与训练语音失配的问题,保证了特征的正确提取。实验证明,该特征原理简单,稳定性好,对语音内容不存在依赖性,有良好的抗噪性能,并且结合预增强处理是有效的,能够进一步提高辨认系统的识别率和鲁棒性。     

基于Cross-EKF定位的多机器人协作围捕策略研究

针对目前多机器人协作围捕过程中收敛速度慢、稳定性差、定位精度低的问题,提出一种新的围捕策略.设计出Cross-EKF定位算法,对目标位置的后验估计协方差进行交叉计算,以取得最小协方差区域.以区域边缘点到均值中心最大距离为半径,构建收敛圆,将对动态点的收敛扩展为对动态面的收敛.实验结果表明,系统能快速平稳地收敛该圆,从而实现对目标的精确围捕,该方法具有较高的实用价值.     

基于粗糙集的拒绝决策规则获取和约简

针对确定性和不确定性决策规则无法给出拒绝判断的缺陷,提出一种拒绝决策规则获取方法。通过分析拒绝决策规则的度量因子,设计2种可以保持下近似不变和上近似不变的相对约简算法,给出基于分辨矩阵的拒绝决策规则约简的判定定理和操作方法,实例分析结果验证了该方法的有效性和实用性。     

基于单字音特征提取的说话人识别方法

证实普通话可以分解为辅音音素和单元音音素通过过度音的连接,提出一种单字音特征提取方法。该方法在传统的帧特征提取基础上,对相关帧进行二次处理,得到单字语音中的多个代表帧,将代表帧进行拼接作为单字的特征矢量。这种特征提取方法能更好地表现说话人单字发音中相邻语音帧之间的连续性。仿真实验表明该方法在说话人识别系统的应用中达到较高的识别率,使识别时间进一步缩短。     

可变粒度粗糙集

分析乐观多粒度粗糙集和悲观多粒度粗糙集的不足之后,提出一种可变粒度粗糙集模型,定义了可变粒度粗 糙集的下、上近似集,研究了可变粒度粗糙集与这两种多粒度粗糙集的性质,证明了可变粒度粗糙集是多粒度粗糙集 的泛化,最后给出几种可变粒度粗糙集的度量因子,研究了变粒度粗糙集与多粒度粗糙集度量之间的关系。     

重叠细胞图像分离算法的设计

在实际的细胞图像中,经常会遇到重叠现象（又称为聚堆）,即多个细胞聚一起的情形,这给后续的分析处理带来了困难,因此需要设计一个有效的算法,能够将这些重叠在一起的细胞群分离为单个的细胞,文中针对二值化的图像,提出了一个基于形态学的算法,该方法首先利用腐蚀操作,以确定聚堆细胞最终分离为单个细胞的个数,然后再根据腐蚀后的结果,在原妈的二值图像上找到了分离点,从而最终有效地将重叠细胞分离为单个细胞,文中主要