基于灰度和梯度不变矩的人脸识别

提出一种新的人脸识别方法———灰度-梯度共轭不变矩法,克服了传统方法的缺点,在不增加复杂度的前提下,将灰度信息和梯度信息有效地结合起来,并将其共轭分布反映的纹理特征作为对灰度特征的补充参与特征分类.同时,对经典不变矩组进行分析并改进,消除了离散状态下比例因子的影响.以BP网络作为分类器进行试验,结果表明,与传统方法相比,该方法具有更高的识别率.     

常系数非齐次线性递归数列求特解的简易方法

利用数列的差分将常系数非齐次线性递归数列转化为常系数非齐次线性差分方程,从而得到一种求常系数非齐次线性递归数列特解的简易方法.     

Bloch类空间之间的加权复合算子的有界性(英文)

设H为复Hilbert空间,B(H)为H上算子范数不大于1的有界线性算子集,E=E*为B(H)中的两两可换子集.作者用E和E上的解析算子函数分别取代了复单位圆盘和复单位圆盘上的解析函数,在算子Bloch型空间上定义并讨论了加权复合算子的有界性,得到了Bα到Bβ的加权复合算子有界的充分必要条件     

Banach空间上的单值延拓性质

设A为Banach空间X上的一个有界线性算子. 给出了算子A具有单值延拓性质的特征；利用算子的单值延拓性质, 研究了正则算子的摄动和线性算子的分解.     

大气污染预测的参数化组合算子方法

大气污染物浓度预报是一个多因素、复杂的非线性问题，以往多使用线性回归方法．根据Zimmermann提出的参数化二元组合算子方法，将其推广为多元的情形．在成因分析的基础上，建立了大气污染物浓度预测的参数化组合算子模型，适应非线性问题．实例分析比较表明，该方法是有效的．     

基于遗传算法的神经网络分类器优化设计

依据神经网络分类器的设计原理，设计了一种有效的遗传算法，实验结果表明：算法优化后的神经网络分类器不但学习速度快，还能保证分类精度．     

Hilbert空间H上正交射影对的性质

研究了Hilbert空间H上正则射影对的性质和结构,证明了两个正交射影P1,P2是可交换的(i.e.,P1P2= P2P1)两个等价刻画:(a)对某些p,q≥2及i,j=1,2,P(p;i)=P(q;j)成立;(b)对每一个p,q≥2及i,j=1,2,P(p;i) =P(q;j)成立.     

基于改进遗传算法的前向神经网络

针对遗传算法的主要算子———交叉算子 ,设计了新的交叉算子 ,使个体尽可能地分散在整个解空间 .在具体交叉操作中 ,产生随机个体参与交叉以更好地搜索新的解空间 .并提出了组合变异策略 ,假如对变异后个体隔代保护策略 ,构造了一个有效的改进遗传算法 .利用该改进遗传算法 ,构造了前向进化神经网络 .它综合了改进遗传算法优良的全局寻优性能和前向神经网络的非线性映射能力 .     

上升有序加权欧氏平均算子及其在决策中的应用

提出了一种上升有序加权欧氏平均 (AOWEA)算子 ,详细研究了它的一些优良性质 ,如 :单调性、置换不变性等 .给出了一种基于AOWEA算子的多属性决策方法 .最后通过实例说明了该方法的可行性和有效性 .     

非游荡性及Kato意义下的逼近

在略掉无条件基的情形下，以构造的方式，研究了l^1上单边(加权)后移位算子并推广了Salas的一个结果，使得它们在适当的条件下可构成非游荡算子；同时，从微分动力学中拓扑共轭的角度出发，证明了当Banach空间序列{Xn}≥1在Kato意义下逼近Banach空间X时，空间序列上的有界线性算子Tn，T的非游荡性在一定的条件可以相互保持，并得到几个相应的结果；进而为非游荡算子扰动问题的研究提供了一条思路．