一种基于相似离度匹配的人脸精确跟踪算法

利用相似度和欧式距离系数建立了描述数据样本间近似程度的归一化综合指标-相似离度,并通过灰度数据向量集的相似离度描述图像的匹配程度,将SVM人脸检测、图像灰度值相似离度匹配和跟踪模板更新三种方法结合起来,设计了基于相似离度匹配的人脸跟踪算法,算法综合考虑了图像内颜色的空间位置和值信息,具有较高的精确性.实验表明,相似离度...     

一种改进的支持向量数据描述算法

数据描述只使用目标集训练样本获得关于目标集的描述,支持向量数据描述（SVDD）是一种有效的单值分类数据描述算法,根据分类边界线上的支持向量之间距离的大小。利用距离的相似度来对训练集进行约减,实验结果表明,该算法与传统SVDD相比减少了训练时所需的支持向量数目,因而减少了测试时间,同时分类性能也稍有提高．     

二值命题逻辑中命题的矛盾度理论

与二值命题逻辑系统L中公式的真度概念相对应,给出了系统L中公式的矛盾度概念,研究了其部分重要性质。在此基础上将逻辑等价概念程度化,并给出了矛盾度的一种升级算法.进一步在L的全体公式集F(S)上定义了公式之间的差异度概念,ρ证明了差异度ρ即是F(S)上的伪距离,并讨论了伪距离空间(F(S),ρ)的一些性质。     

一类具有数域特点的贴近度公式

提出了一种贴近度公式，可用于模糊实数集的识别，同时可用于离散论域内的模糊集的识别，还可用于分类问题的模糊决策。算例表明本贴近度识别精度高，简便易算。     

基于Hausdorff距离的人体步态识别

现有的步态识别方法对行人轮廓匹配的鲁棒性差，导致识别率不高．文章提出了基于Hausdorff距离的行人步态自动识别方法．首先提取了行人二值轮廓序列；然后采用轮廓参考点分布直方图间的距离、参考点集之间Hausdorff距离度量轮廓形状问的匹配度；继而通过步态的周期性分析选取关键姿态，计算出的关键姿态轮廓集间Hausdorff离结合窗口搜索策略实现了步态的分类和识别．分别在小型CASIA室外步态数据库和大型Soton室内库上进行了实验，提出算法的正确识别率分别可达到91．25％和88．16％．与相关文献的比较分析表明算法是有效的．     

基于 Mahalanobis距离进行人脸表情的识别

提出了利用Mahalanobis距离进行人脸表情识别的方法.首先将待分类的图像样本集进行坐标变换,使得变换以后类间离散度尽可能大而类内离散度尽可能小,即使变换以后的Fisher准则函数取得极大值,在新的坐标下求每个待分类样本到各类均值向量的Mahalanobis距离,从而将待分类的样本归到Mahalanobis距离最小的类中去,通过实验得到了平均80.25%的识别率.     

利用Mahalanobis距离进行人脸表情的识别

提出了利用Mahalanobis距离进行人脸表情识别的方法.首先将待分类的图像样本集进行坐标变换,使得变换以后类间离散度尽可能大而类内离散度尽可能小,即使变换以后的Fisher准则函数取得极大值,在新的坐标下求每个待分类样本到各类均值向量的Mahalanobis距离,从而将待分类的样本归到Mahalanobis距离最小的类中去,通过实验得到了平均80.25%的识别率.     

基于最大散度差的保序分类算法

分类算法主要存在问题:(1)无法充分利用样本的分布特征;(2)无法保持样本的相对关系不变;(3)无法解决大规模分类问题。对此,提出了一种基于最大散度差的保序分类算法RPCM,该方法利用线性判别分析算法中的类间离散度和类内离散度来表征样本的分布特征,通过保持各类样本中心相对关系不变来实现样本相对关系不变。理论分析表明:RPCM的对偶形式与最小包含球等价。在核心向量机的基础上提出了RPCM-CVM算法,该算法可用来解决大规模分类问题,标准数据集上的比较实验验证了所提方法的有效性。     

命题逻辑公式集上的正则相似关系

研究了命题逻辑公式集（F(S））上的正则相似关系。在经典二值命题逻辑中引入了正则相似度概念，利用公式的真度概念给出了一种正则相似度，进而导出了全体公式集上一种伪距离，并且证明了它与另外两种伪距离是等价的。     

基于邻域相似度的行人重识别重排序算法

在行人重识别模型中引入邻域数据关系,提出了一种基于图像邻域相似度的重排序方法。首先扩充图像的邻域数据,然后计算图像对不同邻域数据的相似度权重,利用该权重得到代表邻域相似度的分布距离,再用分布距离与原始距离计算得出最终距离作为重排序评判标准。使用CCL,Transreid, Torchreid等行人重识别模型在Market-1501,DukeMTMC-reID数据集上进行实验,结果表明本文方法对基准模型的精度提升均超过该领域的主流算法,证实了本文方法的有效性和泛化性。该重排序方法不需要任何人工交互和额外数据,适用于大规模数据集,可以有效应用于图像检索、目标跟踪等需要考虑相似度关系的任务中。     

命题逻辑中理论的条件真度

探讨了理论真度的性质后基于条件概率的思想,给出了理论的条件真度的概念,并用它建立了一种可以在公式集之间展开的近似推理模式,用于探寻最优推理结论和最优推理前提,最后给出了理论的和谐度的概念,刻画理论内部公式和谐共存的程度。     

以核心变量为基础的离散贝叶斯网络结构学习

建立了基于核心变量的离散贝叶斯网络结构学习方法.该方法根据变量之间的无条件相对预测能力建立有向无环图,分别按着变量的聚度和散度排序变量;以不同于被预测变量的具有最大聚度和散度的两个变量为条件变量,根据变量之间条件相对预测能力的大小确定弧的存在性与方向,结合环路检验建立初始贝叶斯网络结构;以两个变量的最小切割集为条件变量集,调整初始贝叶斯网络结构(包括删除多余的弧和重新确定弧的方向),最终建立数据中所蕴涵的贝叶斯网络结构.同时,使用模拟数据进行了对比实验,结果表明这是一种有效实用的方法.     

外P-推理与外发散信息的搜索-发现

利用P-集合得到P-推理(packet reasoning),P-推理是由内P-推理(internal packet reasoning)与外P-推理(outer packet reasoning)共同构成的.P-推理是一个动态推理,具有智能特征;外P-推理生成的信息具有外发散特性,把这种特性应用于未知信息查找中,提出了外发散信息等概念;并对外发散信息进行了研究,给出了几个基本理论结果;并由这些结果得到外发散信息的外P-推理搜索算法;最后给出应用实例.     

Green公式及其证明

首先指出数学分析中反映二重积分和第二类平面线积分联系的Green公式可以看成是散度定理的一种特殊情形，然后利用散度定理给出广义分部积分公式、第一Green公式和第二Green公式的证明．     

标准序列逻辑系统S3中命题的真度值之集在[0,1]上的分布

利用势为3的均匀概率空间的无穷乘积在三值标准序列逻辑系统中引入了公式的真度概念,给出了真度推理规则,证明了全体公式的真度值之集在[0,1]上是稠密的,并给出了公式真度的表达通式,为进一步建立三值命题逻辑的近似推理理论奠定了基础.     

空问机构自由度计算

从四杆机构具有灵活性和平面机构任意封闭图形具有3个约束的理论出发，对机构学的自由度公式进行了研究。研究结果表明：只要对平面、球面机构自由度的计算公式稍加变化，推导出空间机构求自由度的新公式。利用这个新公式，既可以求空间机构的自由度，又可以求平面、多环、空间开式链、混合链等机构的自由度。它比传统公式使用简便，在形式和内容上都有实际意义，从而为空间机构自由度的计算提供了可靠的理论计算式。     

一类非线性位势方程的可解性

为了得到非线性位势方程的可解性,首先利用Schauder估计、嵌入定理以及Holder估计等验证了Leray-Schauder定理的条件,然后再用Leray-Schauder定理证明了一类特殊非线性位势方程解的存在性.     

区间直觉模糊集的包含度的多目标属性决策方法

通过正常的蕴涵算子将Vague集的包含度公式进一步扩展到区间直觉模糊集上,并给出了基于区间直觉模糊集的包含度在多目标属性决策方法,最后通过实例阐明方法的有效性.     

一种非均匀概率空间下二值命题逻辑中命题的真度理论

将经典二值命题逻辑中公式的真度概念推广到势为2的非均匀概率空间上,定义了二值逻辑p-测度和其上的命题的真度;在p=1/3的情形下证明了全体公式的真度之集在[0,1]中是稠密的,并给出了公式真度的表达通式;利用真度定义公式间的相似度,进而导出全体公式集上的一种伪距离,为近似推理理论提供一种可能的框架.     

一类重调和方程边值问题解的奇点可去性

给出了一类重调和方程边值问题解的表示式,研究了其解的奇点可去性,利用判断反常积分收敛性的方法对解的表示式作了敛散性分析,给出了该类方程在限定条件下的具体表达式,研究了相应的解的积分表达式.将函数项幂次的取值范围在实数域上分为3段,分别讨论了每种情形下相应积分式的敛散性,得出了其在不同参数范围下解的奇点可去性.