基于分数阶微分算法与LSSVM的人脸识别研究

人类面相识别作为一种更自然的、非接触式的、更加准确和快速的安全认证和身份鉴别方法,受到越来越广泛的关注。本文通过预处理、特征提取和分类识别3个过程建立完整的人脸识别系统,并分析了基于整数阶微分方程的图像去噪模型的实现原理和缺陷。针对算法不足,提出加权自适应分数阶微分算法对图像进行预处理。最后,采用最小二乘支持向量机(LSSVM)进行人脸识别实验,发现改进后的去噪算法识别率更高。     

基于分数阶微分梯度的噪声检测算法

为了在图像去噪的同时,更多地保留图像原有的特征信息,本文将分数阶积分理论引入到数字图像去噪中,通过分数阶微分梯度算法确定图像中噪声的位置,如果只对噪声点进行去噪处理,就可以有效保护图像的纹理和边缘信息.实验结果表明,基于分数阶微分梯度的噪声检测算法可以更准确地确定图像中噪声点像素的位置.     

分数阶微分的一些性质

近300年来,分数阶微积分这一重要数学分支渐成体系,它被应用于许多工程计算中,特别是在化学、电磁学、控制学、材料学和力学中．分数阶微积分的定义有各种不同形式,研究了一种重要的分数阶微分——caputo分数阶微分的一些性质．     

基于分数阶微分的图像质量评价

基于感觉容量的图像质量评价算法(SC)计算简单、性能良好。它的图像细节用拉普拉斯变换系数表示,但拉普拉斯变换对噪声敏感,而分数阶微分可以提升信号中高频成分,且对噪声不敏感。文中提出了一种基于分数阶微分(FDSC)的图像质量评价方法,该方法将分数阶微分取代SC模型中的拉普拉斯变换。实验结果表明,FDSC模型与LIVE图库上差异主观评价分(DMOS)的线性相关性优于PSNR、SC和结构相似度算法。     

基于Tustin变换的分数阶微分算子近似离散化

分数阶微分算子的离散化是分数阶控制器数字化实现的关键。对基于Tustin变换的分数阶微分算子直接离散化方法进行了研究和比较。概述了分数阶微积分及其离散化,介绍了用于Tustin算子展开的幂级数展开法、连分式展开法和Muir递归展开法;并给出了展开方法的算法表达式。定义了误差指标函数,举例比较了以上三种分数阶微分算子离散化方法的优缺点。仿真比较表明:连分式展开法在较宽频带内对分数阶微分算子具有最好的近似特性,但计算复杂度大;幂级数展开法和Muir递归展开法近似效果相当,但前者具有较大计算效率优势。在分数阶数字控制器实现过程中应根据具体情况选择合适的分数阶算子离散化方法。     

基于可变阶次分数阶微分图像自适应增强算法研究

传统分数阶微分算子方法存在一些缺陷,比如对同一图像的不同区域增强的幅度没有选择性;在增强图像的同时也放大了噪声等。针对这些问题,提出了自适应分数阶微分算子图像增强方法,该方法可以根据图像的不同区域的信息和结构特征自动的调整分数阶微分的阶次,在增强图像边缘纹理细节和抑制噪声方面取得了较好的平衡点。实验证明该方法明显的优于其他的图像增强的方法。     

基于分数阶微积分的模糊分数阶控制器研究

在分析分数阶微积分的基础上,提出了一种新型模糊分数阶比例积分微分控制器.分数阶微积分将传统控制器中的积分和微分的阶数扩展到任意实数,为控制器的设计提供了比传统整数阶更好的性能扩展.结合分数阶比例积分微分控制器和模糊控制逻辑,用分数阶比例积分微分单元代替传统的模糊比例积分微分控制器中的比例积分微分单元,构建了模糊分数阶比例积分微分控制器的结构,采用模糊逻辑推理和Tus-tin离散方法实现了模糊分数阶比例积分微分控制器的计算.最后,用数字仿真方法和不同条件下的对比分析验证了新型模糊分数阶比例积分微分控制器的优良控制特性.研究结果表明,设计的新型模糊分数阶比例积分微分控制器对非线性和参数不确定性具有较强的鲁棒性.     

分数阶微分代数方程的广义微分变换法(英文)

用广义微分变换法(GDTM)求解了带Caupto时间分式导数的微分代数方程.展示的GDTM是基于广义泰勒公式,重构微分方程多项式形式解析解的数值方法.一些实例显示了用GDTM求解分数阶微分代数方程的有效性.     

分数阶微分掩模及其滤波器的构造

基于整数阶微分定义的一阶图像增强模板在处理图像时会产生宽边缘,而二阶模板会同时增强纹理和噪声.为了避免整数阶微分模板所产生的副作用,根据分数阶微积分的Riemann-Liouville定义分析和推导了数字图像的1～2阶分数阶微分掩模,构造了基于该定义的1～2阶分数阶微分滤波器.仿真实验表明,该滤波器不仅可以保留平滑区域...     

Caputo分数阶微分算子合成性质的推广

运用微积分学的基本方法,得到了Riemann-Liouville分数阶积分算子和Caputo分数阶微分算子间合成性质的一般形式.     

基于人工神经网络的人脸识别分类器设计

为了提高人脸识别系统的自适应性,采用BP神经网络对抽取出的人脸特征进行识别。对人工神经网络、BP网络应用于人脸识别的过程做了简要介绍。并通过仿真实验加以验证。     

基于级联卷积神经网络的人脸特征点识别算法实现

针对在有冗余图像信息干扰下进行人脸有效特征点提取时精度不高的问题,提出了基于级联卷积神经网络的人脸特征点检测算法.在该算法中:输入层读入规则化的原始图像,神经元提取图像的局部特征;池化层进行局部平均和降采样操作,对卷积结果降低维度;卷积层和池化层分布连接,迭代训练,输出特征点检测结果.该算法采用Python语言编程实现,在人脸数据集进行仿真实验,结果表明该算法对人脸特征点有较高的识别率.     

基于BP神经网络的手写数字识别系统

提出了利用BP神经网络方法来实现手写数字识别系统的方案。手写数字图像通过颅处理后,在特征提取方面采用两种适应性较强的特征提取方法,即18点特征提取方法和手写数字笔画特征提取法．不但减少了提取时间。而且提高了手写数字图像的识别率。利用Visual C＋＋编写手写数字识别系统,得到了较好的识别结果。     

基于组合神经网络的与文本无关的说话人识别

提出了一种用于N个说话人识别的组合神经网络,由N个子网组成,每个子网完成两类模式区分,将这N个子网组合起来完成N类模式的区分.子网选用RBF神经网络,并给出了自组织选取中心的方法.实验显示,对6名说话人,识别率达到94%.对10名说话人,识别率达93.17%.     

基于改进的BP网络数字字符识别

提出了一种基于改进的BP网络方法来实现数字字符识别.通过对BP网络的神经元的研究与学习,设计了一种结构合理,收敛速率快的BP网络.试验测试结果表明,改进的BP网络方法对印刷体数字的识别率达到了100%,对手写数字的识别率达到了98%以上.     

小波神经网络在人脸识别中的应用

人脸识别是一个涉及生理学、心理学、图像处理、计算机视觉、模式识别和数学等多个学科的前沿课题。小波神经网络是在小波分析研究获得突破的基础上提出的一种前馈性网络,避免了BP网络等结构设计上的盲目性,网络训练过程从根本上避免了局部最优等非线性优化问题,有较强的函数学习能力和推广能力。基于小波神经网络,文中提出了一种新的人脸识别算法。该算法利用小波多分辨特性和神经网络的鲁棒性和记忆性,同时结合了加速网络收敛速度的小波神经网络步长调整算法。实验证明该算法有高的检测率和有效性。     

Star pattern recognition method based on neural network

Star sensor is a sensitive instrument for determina-tion of a spacecraft attitude with high accuracy. The in-strument can determine the spacecraft 3-axis attitude through the recognition of observed stars. It measures star magnitude and star coordinates in the spacecraft coordi-nate frame. The measures are then compared with a refer-ence star catalog to obtain the attitude information of the spacecraft[1,2]. The purpose of star pattern recognition is to identify the corresponding relations bet…     

基于径向基神经网络的目标识别研究

本文讨论了传统的径向基(RBF)神经网络聚类算法的基本原理,针对其选取初始中心矢量的不足,提出了一种新的选择初始中心矢量的方法,给出了新的学习算法,并将其应用于目标识别.仿真结果表明,新算法比传统的RBF算法具有更强的聚类能力,使目标识别更加准确.