基于在线客户情绪能量感知的商品推荐算法

为了解决基于传统数据挖掘方法的电子商务推荐算法时效性差、准确度不高的问题，提出了基于情绪能量感知的推荐算法。该算法能实时判断在线用户的购买倾向；通过情感能量匹配技术，对商品特征进行分类，并与用户情绪状态进行匹配。理论性能分析和实验证明，该算法较之传统方法具有较高的匹配准确度、较好的时效性和用户满意度。     

序列图像目标跟踪的神经网络算法

针对序列图像目标跟踪问题，在提取图像特征点的基础上，提出了一种最优化算法，该算法将序列图像目标跟踪问题转化为相信两帧图像特征点间的匹配问题。文中根据匹配问题的各种限制条件给出代价函数，并利用Ｈｏｐｆｉｅｌｄ神经网络最优化计算功能来求取该代价函数的局部极小值。其中神经元的状态用以表示相邻两帧图像特征点间的匹配关系。神经元间的权连结用以反映地应特征点间的匹配程序。也就是说，本文针对序列黑种人希目标跟踪     

基于仿射变换特征匹配的虚实注册方法

提出了一种新的基于仿射变换特征匹配的虚实注册方法,以解决基于平面自然特征的三维注册系统中的误差积累问题.该方法分为离线三维重建和在线实时注册两个阶段.离线阶段系统根据双目视觉原理建立平面坐标系,并根据用户指定的三点建立世界坐标系,同时利用仿射变换生成待匹配特征点的样本集合,供后续匹配过程使用.实时注册阶段,系统先将当前图像与样本集合做特征匹配以获取特征点间的对应关系,再利用上述对应关系恢复出当前帧与平面结构间的单应性关系,进而求取三维注册所需的变换矩阵.实验结果表明该方法是有效可行的,而且在克服误差积累方面较传统方法有明显改善.     

用于离线英文签字识别的特征点匹配

本文提出一种用于英文签字识别的特征点匹配算法。该算法通过比较各特征点的局部特性及特征点之间的相对关系，计算各特征点间的相似性从而得到特征点匹配关系。特征点集通过沿笔划骨架的变尺度量测获得。本文提出的算法采用逐级匹配的策略，加快了匹配的速度，提高了匹配准确度。实验结果表明这种算法具有很好的适应性。这种方法也可用于其他文字识别中。     

基于特征点的图像变形技术及其应用

对图像变形中的两个问题-特征匹配和变换函数，提出了一种新的解决方法，并在此基础上进一步提出了变换控制的概念，用关键点匹配来寻找对应的特征点，在特征对应的基础上用三角化的方法建立两图像间的局部对应关系，并用三角化的方法求得非均匀变换中各种特征点的变换系数，针对非均匀变换出现的特征间形状和位置不吻合问题用前变换的过程加以解决。     

SIFT特征匹配算法研究

SIFT特征匹配算法是目前特征匹配研究领域的热点,其匹配能力较强,可以处理图像间发生平移、旋转、仿射变换的匹配,对任意角度拍摄的图像也具备较稳定的特征匹配能力。实验结果表明,该算法具有较强的匹配能力和鲁棒性,是一种较好的特征匹配算法。     

尺度与特征强度自适应的SURF特征点匹配算法

为解决SURF(speeded-up robust features)图像匹配算法无法实现特征点定位精度和匹配成功率的同步提升问题,在深入研究SURF特征点的尺度、特征强度与匹配性能间关系的基础上,提出了一种特征点尺度与特征强度自适应的SURF特征点匹配算法.该算法通过不同尺度的特征点与不同的特征强度阈值相适应的特征点匹配机制,较好地保持了特征点定位精度与匹配成功率间的平衡,从而实现了高性能的SURF特征点匹配.实验结果表明:与传统的SURF算法相比,本算法能够获得更多高精度的匹配特征点对,对于基于特征点的图像配准与基于图像的三维坐标计算等图像处理算法的精度提升具有较大作用.     

计算机用户身份识别技术

具有惟一性、稳定性的人体生物特征如指纹等用于计算机用户身份识别，能有效加强信息的安全防范。核心是把现场采集的生物特征与已登记、存储于计算机的特征通过可靠匹配算法，一比一对比验证用户身份，既方便快捷、又惟一可靠。本文介绍了生物识别技术基础，生物识别身份主要方法及在计算机信息安防中的应用，并简要比较各种身份识别技术优缺点。     

超大规模MIMO中包含球面波特征的最优传输方法研究

在超大规模多输入多输出(multiple input multiple output,MIMO)通信场景下，无线传输信道存在球面波特性，目前超大规模MIMO研究中多采用平面波模型，对球面波特征认识不足，忽略了其对系统传输设计的影响。针对此问题，基于球面波模型，利用统计信道状态信息，研究了多用户超大规模MIMO中的传输设计问题，分析了影响最优传输的关键特征参数，获得了包含球面波特征的最优发射策略的闭式表达式。研究结果表明，球面波模型下的最优发射策略与多用户所处位置有关，采用用户调度策略可以解决波束与用户间的误匹配问题。在此基础上，提出了一种基于贪婪思想的低复杂度多用户调度策略，仿真结果显示，所提传输策略能以较低复杂度达到近似最佳性能。     

基于张量分解和深度学习的混合推荐算法

张量分解和深度学习已被应用于推荐系统,并取得了较好的效果.张量分解较好地从用户对推荐对象评分中提取用户、推荐对象以及其他影响因素的隐性的特征,将这些特征进行匹配,给出推荐策略,但这种方法忽略了用户、推荐对象以及其他影响因素现有辅助数据信息中的显性特征.深度学习是从辅助信息中提取用户、推荐对象以及其他影响因素的特征,并进行匹配给出推荐策略,却忽略了用户评分数据中用户、推荐对象以及其他影响因素的隐性特征.将张量分解和深度学习两种推荐方法相融合,提出一种基于张量分解和深度学习的混合推荐算法.使用张量分解算法和深度学习分别从三阶用户评分数据和多源异构辅助信息中提取用户特征和推荐对象特征,并将它们匹配得出用户对推荐对象的需求或喜爱的预测评分,再将两种算法的预测评分进行融合给出最终综合评分,从而提高个性化推荐的精准度.对比实验证明混合推荐算法与传统的协同过滤算法相比误差降低了34. 0%.     

基于聚合度热点适应机制的网络舆情 大数据收敛算法

为解决当前网络舆情大数据收敛算法普遍存在的收敛困难及热点聚类生成速度较低等难题,提出了一种基于聚合度热点适应机制的网络舆情大数据收敛算法。首先,通过增量用户节点与存量热点之间的信息交互关系,设计了一种基于聚合度初始化机制的数据收敛方案,采用匹配机制逐个对存量热点与增量用户节点间差异度及聚合度进行比对,能够将增量用户节点纳入性能最佳的存量热点所形成的种子聚类,提高聚类形成速度。随后,针对热点数量处于密集状态等极端情况,特别是用户特征匹配过程中难以实现快速匹配等不足,设计迭代方式,以逐步消除种子聚类差异度,提升大数据匹配性能,改善用户节点与热点之间信息交互质量。仿真实验表明:与当前常用的时间片累积挖掘收敛方案(Convergence Scheme for Time Slice Cumulative Mining,TSCM算法)及热点度显影收敛方案(Convergence Scheme of Hotspot Degree Development,HDD算法)相比,本文算法具有更高的收敛速度和聚类形成质量。     

一种基于角点特征的数字稳像算法研究

针对复杂背景情况，提出一种基于角点特征的车载视频图像序列数字稳像算法．采用改进的Harris算子提取特征点，根据三级匹配策略实现对应点的匹配；建立参考图像与当前图像的映射关系，采用最小二乘解得到图像帧间的全局运动参数；最后利用Kalman滤波平滑运动参数，实现帧间的实时运动补偿，达到稳像目的．实验结果表明该方法去除了高频抖动，较好的保留了摄像机的主动运动，稳像后的视频具有良好的视觉效果．     

一种新颖的红外与可见光图像自动配准算法

提出了一种新的红外与可见光图像的配准方法，该方法选用基于Garbor小波分解与尺度交互的特征点抽取算法，从两图中分别抽取对应特征点集，然后运用Hausdorff距离对两特征点集进行匹配，得到点集间的仿射变换，从而实现红外与可见光图像的自动配准．因为Hausdorff距离是对两特征点集而不是特征点进行匹配，所以算法是可行的．实验结果证明了此算法的有效性．     

一种改进SIFT算法

针对图像特征提取算法-SIFT,特征描述器维数较高,特征匹配耗费时间较长,匹配过程中存在相同图像不能匹配和不同图像能够匹配等问题,提出了一种改进SIFT算法与KD-tree搜索匹配算法相结合的新方法。采用KD-Tree算法替代传统链表式搜索方法降低特征点匹配时间;把特征点间距离和特征描述子内积同时作为匹配标准,加入相应匹配阈值减少匹配错误率,并通过理论和实验证明采用欧几里德距离作为相似性度量具有更高的匹配成功率。实验结果表明,在图像特征匹配中,该算法能够有效减少特征匹配错误率,大幅度降低匹配时间,具有较好的实时性和鲁棒性。     

多关系社交网络中基于兴趣匹配的网络舆情传播模型

以网络爬虫方式获取新浪微博用户属性信息及微博内容数据,利用数据挖掘技术从中发现微博用户间的多种显式和隐式关系.在此基础上,提出一种基于半监督学习的用户兴趣匹配预测算法,参照仓室模型的传播个体状态划分方法,基于传播个体间的兴趣匹配度界定各状态之间的转移过程和转移概率,进而构建基于用户兴趣匹配的网络舆情传播模型.研究结果表明,该模型能够较好地描述社交网络中的舆情传播规律,重现网络舆情在社交网络中的真实传播过程链.     

抗区域灰度变化的景像匹配算法研究

根据Ｐｈｏｎｇ照射模型，研究了视点变化对景像灰度的影响，提出采用灰度校正技术，纠正由于视点变化而带来的同一地区景像在参考图与实时图中表现出的不同灰度特征，获得两者间共同的区域灰度特征，以提高匹配可靠性．给出了与常规匹配算法比较的实验结果，证实其较通常方法具有更强的抗景像区域灰度反转的能力．     

在线社交网络中基于机器学习的多维用户信任评估方法

为了解决在线社交网络中识别不可信用户的问题，提出了基于机器学习的多维用户信任评估方法.该方法首先定义了最大平均值对数偏差用于计算特征；其次，充分考虑在线社交网络的特点以及现实中信任建立的过程，从用户的历史数据中提取出一共4类13项特征用以计算用户的信任值.此外，方法使用了6种不同的机器学习模型，用来衡量所提出的特征识别不可信用户的效果.在真实数据集上的测试结果表明，基于最大平均值对数误差计算得到的特征能够在正确率等各项指标上取得优异表现.     

微软申请新专利：根据健康记录生成虚拟人物

微软已申请一项新专利，专利中描述的系统可以根据用户的健康记录来生成更符合用户体质特征的虚拟人物。微软这一专利主要描述了一种虚拟人物生成工具，该系统在工作时可以参考用户的体质特征，从而将一些现实因素引入到虚拟世界中。例如在游戏中，系统可以根据用户的健康记录生成符合玩家体质的虚拟人物，并控制用户的游戏时间及游戏视觉效果等，这样可以促使用户玩家加强体育锻炼。     

改进的SIFT算法

目前图像配准的方法中,SIFT特征点匹配算法是目前图像特征匹配研究领域的一个热点问题。其匹配能力较强,可以处理图像间发生平移、旋转、放射变换的匹配,对任意角度拍摄的图像也具备较稳定的特征匹配能力并且极少数的特征点有偏差。因此通过参数的变化对SIFT算法的原理进行了研究以及改进,并用运算时间等数据说明该算法的有效性。     

基于SIFT特征点匹配的印刷品图像检测方法

提出了一种印刷品图像在线检测方法．首先，利用在图像特征点提取领域中运用最为广泛的SIFT（Scale Invariant Feature Transform）算法提取图像稳定特征点，生成特征向量描述符；然后根据向量最近邻（NN）和次近邻（SCN）的距离之比，对匹配点进行初步筛选；最后运用Mestimators法估计特征点对间的几何约束模型，利用该模型进一步精选特征点，确定真正的匹配点对个数，将精选后得到的特征点数与初步筛选得到的特征点数的比值作为判断印刷品是否合格的标准．实验结果表明：该方法能够准确地提取出图像特征点，并通过精选特征点能够在很大程度上改善误匹配问题，从而快速有效地检测出错误的印刷品，得到了良好的检测效果．