融合全局和局部特征的稀疏表示人脸识别方法

针对人脸识别中如何提取到有效判别特征的问题,提出一种融合人脸图像全局和局部特征的稀疏表示人脸识别方法。首先将人脸图像用融合的特征提取算法进行特征降维,然后利用稀疏表示分类器对人脸图像进行分类判别。在ORL、Yale和FERET人脸数据库上的实验结果验证了融合算法在提高人脸识别精度方面是有效的。     

基于分块SIFT和GMM的人脸识别方法

当前人脸识别方法对采集环境要求严格,多是基于不变特征格,普适性不强.提出一种基于分块SIFT和GMM的人脸识别方法,首先在人脸整体和各分块图像上分别提取SIFT特征,并采用PCA方法进行降维处理,得到鲁棒性强和区分能力好的人脸特征;然后借鉴假设检验的思想,用通用的背景模型描述生物特征识别问题,并通过GMM方法和本文提出的成对模型构建人脸的背景模型和个体模型,据此计算待识别样本与注册样本之间的相似度,求取分类指数,采用分层决策框架实现人脸识别.仿真实验表明,本文方法对环境变化的识别鲁棒性强、识别性能好.     

基于特征的弹性图匹配人脸识别算法

提出一种基于特征的弹性图匹配人脸识别算法(FEGM).它包括两个步骤,首先利用Gabor进行人脸特征(如眼、鼻子、嘴等)的检测、定位,提取一组Gabor小波系数矢量;然后在代价函数的约束下,对各个特征都执行弹性图匹配,并使总体代价函数尽可能的小,从而得到联合识别结果.在Yale人脸库上的实验表明,识别率确实得到提高.     

基于图像分类的鲁棒无载体信息隐藏

针对传统信息隐藏方法须通过修改载体以嵌入秘密信息所带来的安全性问题,提出一种基于图像分类与尺度不变特征转换(scale-invariant feature transform,SIFT)提取无载体信息隐藏的方法。首先通过快速区域卷积神经网络将原始图像库进行分类处理,生成不同种类的子图像库;然后利用图像SIFT特征点的方向信息设计一个感知鲁棒的哈希方案,并使用该方案计算出每个子图像库中图像的哈希值,将所有子图像库中的图像全部映射成相应的二进制哈希值;最后将秘密信息分割成若干个片段,通过对比秘密信息片段与所有的图像二进制哈希值,从子图像库中检索出与秘密信息片段相符的图像,将其作为含密图像传送给接收方,完成信息隐藏过程。接收方接收到全部含密图像后,根据约定的哈希方案提取秘密信息。实验结果和分析表明,该方法对JPEG压缩、高斯噪声、椒盐噪声、图像缩放等攻击具有较强的鲁棒性,且隐藏容量较高。     

基于内容结构图的鲁棒图像哈希

为提高拷贝检测系统的鲁棒性和效率,提出一种鲁棒图像哈希算法. 用Gabor变换系数构建图像内容结构图,将它从笛卡尔坐标系变换到极坐标系进行归一化. 将归一化的结构子图加权,求得特征向量,最后通过量化得到二值哈希码. 基于Gabor系数的内容结构图有很强的鲁棒性和独特性,量化中采用的失真哈希码融合和双密钥进一步提升了算法的鲁棒性、独特性、紧凑性. 利用公开数据库分别对所提出的算法和多种代表性算法进行对比实验,比较对象包括非负矩阵分解哈希、形状上下文哈希、圆环分割与不变向量距离哈希. 实验表明,该算法在查准率和查全率方面均表现突出,匹配效率也有大幅提升,整体性能优于对比算法.     

基于纹理特征分类与合成的鲁棒无载体信息隐藏

针对图像无载体信息隐藏算法嵌入容量与鲁棒性无法很好兼顾的问题,提出了一种基于纹理特征分类与合成的鲁棒无载体信息隐藏算法,使用空间金字塔算法提取纹理图像特征,通过监督式分类训练得到分类模型,同一类别下的不同图像块,利用位置信息进行区分,根据图像块分类和位置信息的不同构建映射字典,传递秘密信息;发送方依据秘密信息选择图像块并根据公共密钥将所有图像块组合为一幅大尺寸图像,通过可逆形变生成复杂的纹理图像并发送给接收方;接收方根据密钥将纹理图像恢复为图像块,利用分类模型识别图像块所属分类并确定位置信息,对照映射字典提取秘密信息.实验和分析表明该算法对JPEG压缩、高斯噪声、椒盐噪声等攻击具有较好的鲁棒性,同时嵌入容量可随图像类别的增加得到提高.     

基于文本表示的特征项权值确定方法研究

文本表示中特征项的权值确定方法决定了文本特征的提取，在很大程度上影响了文本分类的准确率，通过系统总结常用的几种特征项权值的确定方法，并逐一比较分析和研究，提出了一种性能较好的确定方法——据位定权函数，经实验验证据位定权函数确实能够有效地提高文本分类的准确性。     

基于交叉覆盖神经网络的人脸识别

提出一种利用交叉覆盖神经网络(ACNN)进行人脸识别的方法.该方法应用基于几何意义的MP神经网络模型——球面邻域模型,将神经网络的训练问题转化为点集覆盖的问题.通过分析交叉覆盖算法,阐述了人脸识别的训练算法,该算法克服了传统BP算法识别率低和易陷入局部最小的问题.实验结果表明,在采用多样本训练后,该算法具有较高的识别率。     

基于小波变换和小波神经网络的3D遮挡人脸识别方法

提出一种基于小波变换和小波神经网络的3D遮挡人脸识别方法.首先,对待检测人脸的深度图像进行小波变换,计算各层小波变换系数与数据库中平均人脸深度图像的小波变换系数之间的距离,通过阈值分割得到遮挡区域的二值掩膜,进而得到人脸的遮挡区域;然后,对非遮挡区域提取小波变换系数,构建小波神经网络分类器,依据小波网络的人脸空间距离进行3D遮挡人脸识别.仿真实验表明,该文方法对3D人脸的有意遮挡和无意遮挡的鲁棒性强、识别性能好.     

基于后验知识监督的噪声鲁棒声学模型研究

语音人机交互技术作为近几年的一个研究热点,市场需求逐步增长,但是人机交互系统在抗干扰能力上存在不足,系统性能易受环境噪声的影响,一定程度上限制了相关产品的应用推广针对人机交互噪声鲁棒性问题,提出了一种基于后验知识监督的噪声鲁棒声学建模方法,类似于老师指导学生的方式,以老师模型的后验概率分布（软标注）作为指导知识对学生模型的训练进行监督,并设计出一种基于CNN DNN混合网络的学生模型,通过对带噪语音的高层特征进行提炼,提升声学模型的抗噪性能构建的学生模型在CHIME带噪数据集下进行了性能验证实验,实验结果显示三种老师模型监督下的学生模型词错误率与基线模型相比平均下降了5.21%、6.35%和7.83%,表明提出的后验知识监督方法对声学模型的鲁棒性具有很好的提升效果     

基于LSTM和特征生成的网络流量分类

本文提出了一种将特征生成和长短期记忆（long short term memory,LSTM）模型相结合的网络流量分类方法。该方法采用矩阵乘法特征生成方式,分析对比了不同特征生成方法的分类性能。通过实验比较了原数据和特征数据在分类问题上的准确性,并比较了卷积神经网络（convolutional neural network,CNN）和本文方法用于网络流分类的效果。在统计特征时采用核函数,使其可以适应LSTM输入维度,获得更佳的分类效果。对真实网络流数据的实验结果表明,本文方法在细分类中的准确度可达93.9%,而在粗分类任务中可达99.2%,其性能明显优于现有其他分类方法。     

基于颜色通道特征融合的环境声音分类方法

针对传统神经网络提取的复杂环境声音特征微弱,导致分类准确率低的问题,提出了一种基于颜色通道特征融合的环境声音分类方法。首先,从原始音频数据中提取出三种声音特征,即对数梅尔频谱图（log-Mel spectrogram, LMS）、梅尔倒谱系数（Mel-scale frequency cepstral coefficients, MFCC）以及能量谱图（energy spectrum, ES）;其次,分别将以上三者作为RGB颜色通道分量进行特征融合,形成包含更多特征信息的声谱图,更全面表征环境声音;再次,为了避免由于数据集较少导致所训练的模型泛化能力较差,对预训练模型VGG-16采用微调方法进行训练;最后,在两个广泛使用的环境声音分类数据集以及实际场景采集的音频上验证本文所提方法的有效性,并与其他模型的准确率进行对比。结果表明,本文所提方法在ESC-10以及ESC-50数据集上的准确率分别能够达到88.2%和65.2%,并且能提高实际场景采集的音频分类效果。     

基于SEM模型和物联网的智能垃圾分类及垃圾桶配置研究

随着我国电子商务的迅猛发展,物联网已经深入居民生活的各个方面。本文通过问卷调查以及分析国内外的垃圾分类趋势,基于SEM模型和物联网的智能垃圾分类,来研究智能垃圾桶的配备。垃圾桶将仿照自动售卖机的设计,将我国目前的便捷收付端与垃圾分类处理机器结合,使其具有节能化、环保化、集约化、智能化等特点。在提高人们对于垃圾分类投放主动性的同时,可以加速我国的信用城市建设速度,从而达到保护环境、节约资源的目的。     

基于自适应非均匀量化的安全人脸识别方法

随着人脸识别技术的广泛应用,相应的隐私及安全问题也引起了人们的主意。主成份分析是人脸识别技术最典型的算法之一。分析了主成份分析方法的安全性,针对其存在的安全漏洞,提出了一种基于自适应非均匀量化的安全人脸识别算法,将主成份分析方法得到的人脸模板特征进行量化,用量化特征的哈希值代替人脸模板特征存储在数据库中,并给出了该算法的安全性分析。实验结果表明该算法在不改变算法准确性的同时也提高了系统的安全性。     

基于奇异值分解的分类器及在人脸识别中的应用

提出了利用一个人脸样本的奇异值分解构造其所在类别分类器的方法,解决了人脸识别中训练样本少的问题,并给出了利用错归样本更新分类器的方法.实验表明每类仅有一个训练样本就可以得到满意的识别率,并且仅利用一个错归样本更新分类器还可以使识别率进一步提高.     

基于XML的案例表示和自学习案例检索模型的研究

介绍了基于案例推理的方法及其过程,给出了基于XML的案例表示和检索策略利用相似度的自学习案例检索模型.这种案例表示和检索方法实现了分布式的案例存储与检索,缓解了案例检索时间随案例数目呈线性增长的问题,加快了检索速度,为解决缺乏理论基础的复杂领域的决策问题提供了新的思路.     

结合全局轮廓变形的改进Snake算法

为避免跟踪较大位移和变形对象时易陷入局部极小问题,提出了一种改进的主动轮廓模型Snake算法,并将其用于视频中变形运动对象的跟踪与提取.该文采用L*a*b*颜色空间的彩色梯度图和仿射变换的校正误差计算Snake的外部能量,增强了图像外部特征对Snake的作用.实验结果表明改进后的Snake算法大大提高了Snake跟踪的准确度,并能跟踪发生了较大位移和变形的视频运动对象.     

基于SWA的核自联想记忆模型及其人脸识别应用

通过在传统的自联想记忆模型中引入机器学习中颇具影响力的核方法,提出了一类囊括现有自联想记忆模型的统一的核自联想记忆模型框架(KAM),并针对KAM所具有的复杂的全互连结构,借鉴最近由Watts和Strogatz提出的"小世界网络"理论,构建了一类结构相对简单、易于硬件实现的基于小世界体系(SWA)的核自联想记忆模型框架(SWA-KAM).在FERET人脸数据库上的随机加噪和部分遮挡的识别实验表明,该模型获得了比PCA算法以及最近提出的(PC)²A算法更高的识别率,表现出了较强的鲁棒性.     

基于云理论的群体复杂决策中不确定知识的表示

针对群体复杂决策中知识的不确定性的表示问题,给出了基于云理论的知识表示和处理方法,首先给出了基于云模型的语言变量表示和命题的描述,然后阐述了不确定知识的产生式表示,最后给出了基于相对贴近度和最大隶属度的两种知识推理方法,基于云模型的知识表示和推理方法能够充分的表达出不确定知识的模糊性和随机性,具有较大的客观性.     

用于样本聚类和网络分析的整合鲁棒结构化NMF模型

为了更好地保留数据之间的同质性,提出了一种整合鲁棒结构化非负矩阵分解(integrated robust structured non-negative matrix factorization, iRSNMF)模型,并在该模型中引入一个结构化项.将该模型用于癌症样本聚类实验和基因共表达网络分析,以验证其有效性.根据现有文献对相关基因和通路进行生物学解释.实验结果表明,iRSNMF模型聚类性能较好并且能够挖掘到的关键基因更多.用iRSNMF模型获得的基因和通路在癌症的发病机制中起着重要作用,并为癌症诊断、治疗和预后提供了新的思路.