自动获取控制点的人脸表情变形

 提出了一种自动获取控制点的人脸表情变形方法,该方法首先通过主动形状模型(Active Shape Model,ASM)算法自动提取人脸特征点,亦即控制点,然后使用基于控制点的Morphing技术,使一张中性状态的人脸平滑地过渡到有表情的人脸.     

网格笔划密度特征的OPCCR错误自动检测

现有的光学印刷体汉字识别（OPCCR）系统中,汉字识别率虽然已经高达98%以上,但仍然会发生错误识别的情况.通常,这些错误的识别还不能被自动检测,采用人工检测,费时费力,大大降低了实际应用系统的自动化和智能化程度.为此,本论文提出了基于网格笔划密度特征的OPCCR错误的自动检测算法.本算法首先建立标准汉字的网格笔划密度特征的特征库.然后,在OPCCR错误的自动检测时,对光学印刷体汉字图像进行预处理、行分割、列分割得到单个汉字图像,提取单个汉字图像的网格笔划密度特征.再把特征和相应的识别出的汉字的特征库中的特征进行相关匹配.于是,根据特征匹配自动检测OPCCR的错误.     

脉冲耦合神经网络的人脸识别方法

 在脉冲耦合神经网络(PCNN,pulse coupled neural network)中,基于神经元脉冲震荡的时间序列概念,利用平均时间序列和平均欧氏距离的方法实现了人脸识别.实验仿真表明了该方法的有效性,对不同人脸和复杂表情的人脸均具有较好的识别效果.     

基于语义维度的人脸表情生成

为实现有丰富表现力的人脸表情生成,提出一种基于语义维度的人脸表情生成方法。首先定义了与人类情感、态度、意图等情态信息相关的7个语义维度,对表情图像进行语义维度标注;进而对面部器官的典型状态进行量化,定义并提取人脸局部状态参数。分别采用线性回归和人工神经网络方法,建立了语义维度与人脸局部状态参数的映射模型。实验结果表明:基于语义维度的方法能够生成与文本语义相贴切的人脸表情,神经网络模型在参数预测精度和主观感知评价方面均优于线性模型。     

高速网络环境下的新型木马快速检测方法研究

为了适应高速网络环境下的木马检测,通过分析传统的IDS,针对其在高速网络环境下对木马检测能力的不足,提出了单引擎大特征集的木马检测方法;通过分析木马的网络数据特征,对有限自动机转换过程进行优化,缩短了编译的时间,避免了重复匹配的问题,大幅度提高了基于正则表达式的木马检测方法的效率.     

混合蛙跳算法神经网络及其在语音情感识别中的应用

该文将混合蛙跳算法(SELA)优化方法应用于人工神经网络训练中,对6种语音情感进行了语音情感特征的分析与识别。研究了谐波噪声比特征随情感类别的变化特性。利用混合蛙跳算法训练随机产生的初始数据优化神经网络的连接权值,快速实现了网络收敛。实验比较了BP神经网络、RBF神经网络和SFLA神经网络的语音情感识别性能。结果表明,SFLA神经网络的平均识别率分别高于BP神经网络和RBF神经网络4.7%和4.3%。     

基于STRAIGHT谱的非特定人数字语音识别

介绍了STRAIGHT算法的原理,并选择STRAIGTH谱作为语音识别的特征参数．采用对应点映射方法以提高同一发音不同样本参数间的匹配效果,在特征匹配的方法上选择差别子空间法,将二者结合应用于非特定人汉语数字0～9的语音识别,实验结果表明．基于STRAIGHT谱的非特定人数字语音识别可以达到97％的识别率．     

禽流感病毒H5N1血凝素基因和神经氨酸酶基因在真核酵母菌中的表达

目的克隆、表达和鉴定禽流感病毒H5N1血凝素基因（hemagglutinin,HA）和神经氨酸酶基因（neuramidinase,NA）序列,为制备抗体和基因工程疫苗打下基础。方法在成功克隆禽流感病毒H5N1全长HA、NA基因并测序的基础上,将部分基因序列克隆到表达载体pMET A上,构建了重组表达质粒pMET A/HA（49～1 587 bp）、pMET A/NA（121～1 200 bp）,电转化真核酵母菌pMAD16,甲醇诱导表达,利用Ni2＋亲和层析柱对重组蛋白进行纯化,并用Western Blotting和ELISA方法检测其抗原性。结果重组蛋白在酵母菌中可以高效表达,SDS-PAGE显示蛋白表达后形成了二聚体,蛋白纯度占总蛋白的95%以上,ELISA和Western Blotting实验证实,重组蛋白具有良好的抗原性。结论本研究成功克隆和表达了禽流感病毒H5N1 HA、NA基因序列,为禽流感病毒H5N1诊断试剂和疫苗的开发等进一步的研究提供了依据。     

A novel approach of hybrid genetic optimization with elite ant colony: Application in the modulation recognition

A novel approach (HGO-EAC) for hybrid genetic op-timization (GO) with elite ant colony (EAC) is proposed for the automatic modulation recognition of communication signals,through which we improve the basic ant colony algorithms by referencing elite strategy and present a new fusion strategy for genetic optimization and elite ant colony. This approach is used to train the neural networks as the classifier for modulation. Simula-tion results indicate good performance on an additive white Gaus-sian noise (AWGN) channel,with recognition rate reaching to 70% especially for CW even at signal-to-noise ratios as low as 5 dB. This approach can achieve a high recognition rate for the typical modulations such as CW,4ASK,4FSK,BPSK,and QAM16. Test result shows that it has better performance than BP algorithm and basic ant colony algorithms by achieving faster training and stronger robustness.     

基于PCA＋2DPCA的人脸识别方法分析

阐述了基于主成分分析（Principal Component Analysis,PCA）和二维主成分分析（2DPCA）的人脸识别方法,分析了该方法在矩阵理论中的来源和算法,提出了PCA＋2DPCA分析方法,并采用2DPCA求出特征向量,PCA进行最优压缩,从而降低了维数.