大间距无相关边界Fisher鉴别分析

针对边界Fisher鉴别分析方法存在的小样本问题以及所求出的鉴别矢量集缺少约束限制的缺陷,提出了一种大间距无相关边界Fisher鉴别分析方法.该方法采用最大化描述样本数据可分性和紧致性的矩阵之差作为目标函数,避免了边界Fisher鉴别分析的小样本问题;对于无相关鉴别矢量集的求解,给出了先构造无相关空间,再进行特征值分解的求解策略.仿真结果表明,该方法在识别性能上优于已有的边界Fisher鉴别分析及其改进方法,且避免了使用繁琐的迭代方法求解不相关鉴别矢量集,具有一定的实用价值.     

求解统计不相关的最佳鉴别矢量的统一算法

Fisher最佳鉴别准则是高维模式分析中的有效方法 ,其关键是求解最佳鉴别矢量。统计不相关的最佳鉴别矢量保证模式矢量投影后得到的特征是统计不相关的 ,已有的计算统计不相关的最佳鉴别矢量算法不能计算小样本的情形 (类内散布矩阵是奇异的 ) ,针对这种情形 ,该文给出了一种对大小样本都能精确计算统计不相关最佳鉴别矢量的统一算法。在大样本情形下 ,该方法得到的结果与已有的方法相同。为验证算法的有效性 ,将其用于人脸识别实验 ,该方法比已有的方法能得到更高的识别率     

基于模糊凸集的结构非概率可靠性综合模型

在小样本或极小样本问题中,由于参数波动的确切范围难以确定,普通刚性凸集模型含有难以估量和控制的误差,其适用性受到限制.鉴于此,研究建立了一种新的不确定性模型——模糊凸集模型,并通过在刚性凸集中引入一个新的参数——模糊扩展参数,建立了几种典型的模糊凸集模型.在模糊凸集模型的基础上,建立了一种非概率可靠性的综合模型,采用Gauss-Legendre求积方法解决了指标求解所涉及的积分问题.算例表明,采用基于模糊凸集的非概率可靠性综合模型度量小样本结构的可靠性更加合理,可靠性指标的求解方法正确可行.     

一种新颖的分组决策方法及其应用

该文分析了广义最佳鉴别向量集,给出了基于用于线性特征抽取的广义最佳鉴别向量的分组决策方法。将所有的样本分成若干组,从理论上说明每一组的Ｆｉｓｈｅｒ 鉴别函数值大于整体的Ｆｉｓｈｅｒ 鉴别函数值,因此,每一组的识别正确率远高于整体的识别正确率。为了验证所述方法的有效性,将其用于人脸识别。实验结果显示：当采用同样个数的广义最佳鉴别向量时,此方法比不分组的方法能得到更高的识别正确率;如果采用分类决策,可用较少的广义最佳鉴别向量得到良好的识别正确率,而用其它方法要达到同样的正确率,需要许多广义最佳鉴别向量。     

基于扰动方法的广义最佳鉴别矢量集求解的一种解析算法

对广义最佳鉴别矢量的求解方法进行研究,根据矩阵的扰动理论,改进了作者最近提出的求解广义最佳鉴别矢量的一种解析算法,提出了求解广义最佳鉴别矢量的一种新的解析算法.该算法运行时间短且识别率不劣于老算法,在ORL人脸数据库进行的数值实验,验证了上述论断的正确性.     

镜像基函数下过渡投影子空间人脸特征抽取算法

为强化鉴别信息的完整性,提升解决小样本问题(SSSP)的能力,该文构造了一种求解具有几何对称性的样本鉴别信息的特征抽取算法.从线性子空间的角度出发,利用人脸的几何对称性,依据奇偶分解原理,在原特征空间生成一组镜像对称基函数.构造一种矩阵变换,求出两个对称基之间的过渡矩阵,并在过渡矩阵空间上求取最优鉴别矢量集.该方法强化了鉴别信息的完整性,对解决SSSP是有效的.在ORL和FERET人脸数据库上的实验结果验证了算法的有效性.     

基于小数据集下贝叶斯网络建模的面部表情识别

针对面部表情识别过程中获得的特征样本稀少的问题,提出了一种基于小数据集下贝叶斯网络(BN)建模的面部表情识别方法。首先提取面部表情图像的几何特征和HOG特征,经特征融合和归一化等处理构成动作单元(AU)标签样本集;其次提出了用于面部表情识别的BN结构,并将定性专家经验转化为BN条件概率之间的约束集合,随后引入凸优化最大化求解完成BN模型参数的估算;最后利用联合树推理算法识别出面部表情。实验结果表明:在小数据集条件下,与支持向量机(SVM)、Adaboost和卷积神经网络(CNN)等人脸表情分类方法相比,该方法能够取得更准确的面部表情识别结果。     

基于小数据集下BN建模的面部表情识别

针对面部表情识别过程中获得的特征样本稀少的问题,提出了一种基于小数据集下贝叶斯网络(BN)建模的面部表情识别方法。首先提取面部表情图像的几何特征和HOG特征,经特征融合和归一化等处理构成动作单元(AU)标签样本集,其次提出了用于面部表情识别的BN结构,并将定性专家经验转化为BN条件概率之间的约束集合,随后引入凸优化最大化求解完成BN模型参数的估算,最后利用联合树推理算法识别出面部表情。实验结果表明：在小数据集条件下,与支持向量机(SVM)、Adaboost和卷积神经网络(CNN)等人脸表情分类方法相比,该方法能够取得更准确的面部表情识别结果。     

一种改进的最佳鉴别平面

在模式识别领域,基于Ｆｉｓｈｅｒ鉴别准则函数的Ｓａｍｍｏｎ最佳鉴别平面技术有着重大的影响。特征抽取的一般原则是最好抽取模式朱相关的特征,而Ｓａｍｍｏｎ最佳鉴别平面的２个鉴别投影方向虽然是正交的,但一般也是统计相关的。实验结果表明,改进的最佳鉴别平面具有良好分类效果。     

基于模糊集理论的二维线性鉴别分析新方法

二维线性鉴别分析（２DLDA）是一种直接基于矩阵的特征提取方法,跳过传统的基于Fisher鉴别准则 的线性鉴别分析方法中必须先将二维矩阵转化成一维矢量的过程,有效地提高了特征提取速度且避免了小样本 问题,其识别率优于传统的Fisherface方法。结合模糊集理论,提出了一种新的２DLDA算法———模糊２DLDA （F１DLDA）算法。首先采用FKNN算法得到相应的样本分布信息,并按其对最后得到的特征向量所作的贡献融入 到特征抽取过程中,得到有效的样本特征向量集。实验表明,F２DLDA算法的性能优于传统的２     

解背包问题的一种直接搜索法

对背包问题提出了一种直接搜索方法，此方法简便易行，尤其对求解变数不多的背包问题很有效．     

大数素性测试中试除小素数个数的确定方法

本文讨论了小素数试除在大数素性测试中的作用,给出了求解用于试除的小素数个数最佳值的方法。     

分类大规模数据的核向量机方法研究

标准的支持向量机算法需要求解二次规划问题,因此,在处理大规模样本的时候,求解二次规划问题的时间复杂度和空间复杂度就成为支持向量机应用的一个瓶颈.核向量机将传统支持向量机中的二次规划问题转化为求解最小包围球问题,从而显著降低了二次规划的复杂程度.使用核向量机对大规模数据进行分类,所选用的数据样本数均超过2000,并与标准的支持向量机作了对比实验结果表明:核向量机在处理大规模数据分类时,比标准的支持向量机计算复杂度低,训练速度快,耗费空间少.     

基于超球的支持向量机增量学习算法

支持向量机方法已经成功地应用于解决分类和回归问题,但是在训练支持向量机时需要求解二次规划问题,使得支持向量机的训练时间过长,训练样本量越大,这个缺陷越明显.将超球方法与回归支持向量机相结合,提出一种增量学习的新方法.该方法使用两个同心超球缩减训练集,以达到提高训练速度的目的.通过分析表明,这种新的增量学习方法较普通支持向量机训练方法有较低的计算复杂度.实验结果表明,该算法可以在不降低预测准确性的同时减少大量建模时间.     

岩土工程参数Bayes法推断中先验与后验样本大小的探讨

岩土力学参数Bayes统计推断存在验前和后验样本信息问题.在解决工程问题时,先验与后验分布信息的获取是靠样本容量的大小确定,而获取样本信息是要付出工程费用的.为了探讨岩土参数Bayes法推断中先验与后验样本的取值大小,采用贝叶斯推断简化方法,通过对某工程的岩土力学参数分析,得到先验样本数为30~35个和后验样本数不少于4个时,计算出的统计参数均值与方差的误差最小.本文的研究为岩土工程力学参数概率统计样本大小的确定提供了参考.     

基于近似支持向量回归机的多属性决策

将近似支持向量回归机应用到多属性决策问题,提出基于近似支持向量回归机的多属性决策方法。该方法从决策问题本身出发,构造学习样本,再通过近似支持向量回归机拟舍出多属性效用函数,从而实现对方案的排序。与支持向量机相比该模型参数少,核函数无需满足Mercer条件,算法简单、可靠。最后通过算例表明方法的可行性与有效性。     

基于Bootstrap的小样本可靠性评估方法

针对小样本情况下,采用极大似然估计Mle法求解分布参数会产生较大误差的问题,基于Bootstrap数据扩充的思想提出了B-mle法,减小了参数估计的误差.首先,利用Bootstrap法对小样本数据重抽样产生多组再生样本,达到扩充数据样本的目的;其次,对再生样本采用极大似然估计求解分布参数,得到多组参数的极大似然估计值,...     

一类模糊线性规划模型的解

针对梯形模糊数,提出了一种新的模糊数排序的方法,并把该方法用到了含有模糊约束条件的线性规划问题中。由于考虑了决策者本人的乐观程度,该方法具有解释性强、操作方便、计算量小、易于推广等特点。     

基于小样本数据的BP神经网络建模

针对小样本条件下BP(back propogation)神经网络存在预测精度不高的问题,将专家知识融入BP神经网络训练过程中解决此问题.首先BP神经网络通过遗传算法获得最优初始权值和阈值;其次对专家知识进行数学表达;最后通过增广拉格朗日乘子法将专家知识融入BP神经网络训练过程中.利用实际中的结晶动力学问题对所提方法进行...     

用于ECT图像重建的预处理Landweber迭代算法

针对Landweber迭代方法收敛速度慢的问题,采用预处理方法来加快其收敛速度,即减少为计算有效解所需的迭代步数,由求解方程ATAf=ATg变为求解DATAf=DATg,其中D是预处理矩阵.讨论了构建预处理矩阵的一般方法.采用两级预处理策略构建预处理矩阵,将大的奇异值聚合并与小的奇异值分隔开来,而不是将所有的奇异值聚合在一点上,避免信号与噪声混合.使用仿真数据对预处理Landweber方法的收敛速度以及重建图像质量进行了评价.实验表明,预处理投影Landweber迭代方法同未经预处理的Landweber相比只需很少的迭代步数就可以获得比较满意的重建结果,为电容层析成像技术在线进行定量的图像重建...