均值张量成分分析及其在步态识别中的应用

针对步态识别中非负样本数据存在冗余,且未经中心化的多线性主成分分析保持聚类结构的特征向量不能对应最大特征值,导致识别效果下降的问题,提出一种保持原始张量数据均方长度的均值张量成分分析算法。该算法首先对原始样本任一模式下内积矩阵进行谱分解,计算该模式下相应的特征值和特征向量;其次,利用获得的特征值和特征向量计算均值向量,并对均值向量值进行降序排列,使较大均值向量值对应的特征向量构成该模式下的低维子空间;最后,将原始样本投影到该低维子空间,形成特征张量。与多线性主成分分析算法相比,该算法不需要对数据去中心化处理,而是保持非负数据均值向量最大均方欧几里德距离和方向。通过在USF步态数据库和TUM GAID步态数据库进行仿真实验,结果表明,经过均值张量成分分析预处理,在2个步态库上的平均识别率分别高达57%和75%,较其他传统方法的识别率有明显提高。     

高校考勤系统现状与新型系统构架分析

本文通过对当前不同构架考勤系统优缺点的分析,提出考勤系统未来在与无线WIFI、移动基站、GPS定位等架构相结合方面的新思路,并在此基础上分析了新模式的可行性。     

基于Copula函数和M-K检验的时空数据异常识别方法

针对时空数据异常识别精度不足的问题,从时间维度和空间维度融合思想出发,构建了一个时空数据异常识别框架.基于该框架,在分布未知情况下,采用阿基米德Copula函数推导了不同空间位置属性数据之间的差异概率.与此同时,建立了以高值点数为核心的空间数据转化方法,形成了空间秩序列,确定了用于假设检验的期望和方差.最后,以窗口大小、范围半径为模型参数,通过M-K检验给出了异常数据的识别方法.实验表明,该方法能够进一步提高时空数据异常检测精度,具有更强的识别能力.     

一种局部与全局特征相结合的主题域识别模型

传统的主题域识别技术主要局限于单一领域，缺乏领域间的交互式协同，难以保证识别结果的准确性，因此提出一种局部与全局特征相结合的主题域识别模型.该模型一方面基于实体在领域内的局部特征进行局部识别，另一方面基于领域间协同作用、领域相关度等全局特征对各个局部识别结果进行一致化趋近，从而使识别结果更全面、有效.另外，针对相似矩阵的更新时机、协同作用的量化以及迭代终止条件的设定三个方面对主题域识别算法进行了优化.通过实验验证了本文所提出的关键技术的可行性和有效性.     

基于校园一卡通的门禁道红外线识别方法研究

为实现对校园一卡通门禁道红外线主动识别,提出基于红外成像特征检测的校园一卡通门禁道红外线识别方法,建立门禁道红外线识别的成像模型。采用主动边缘轮廓检测方法进行门禁道红外线的特征提取,采用Harris角点检测方法对校园一卡通门禁道红外图像的特征点进行检测。结合相邻帧像素融合的方法进行红外图像的信息融合,采用目标主动检测方法进行门禁信息的特征检测和提取,构建校园一卡通门禁道红外图像的模糊特征检测和信息跟踪融合识别模型,实现校园一卡通的门禁道红外线识别优化。仿真结果表明,采用该方法进行校园一卡通的门禁道红外线识别的特征分辨能力较好,识别精度较高。     

太极拳锻炼对不同人群生理生化指标影响的调查分析

以全民健身为背景,针对太极拳的健身功能进行研究,首先分析了太极拳的自身优势,接着重点论述了太极拳锻炼对中老年人以及中小学生等不同年龄人群生理生化指标的影响,以期为太极拳的健身功能提供理论依据支撑.     

基于度量核和GHI核混合的植物叶片识别算法

针对现有识别算法中的核函数不能充分利用直方图的整体特征和不同维特征间的内在联系,提出基于度量核和广义直方图交叉(generalized histogram intersection,简称GHI)核混合的植物叶片识别算法.首先,构建多尺度边缘轮廓(multi-scale marginal contour,简称MMC)算子;其次,提取预处理后的叶片图像MMC形状特征、局部二值模式(local binary pattern,简称LBP)空域纹理特征、局部向量化(local phase quantization,简称LPQ)频域纹理特征,进而将这些特征拼接成复合特征;再次,利用度量学习和马氏距离改造负距离核构建度量核,将其与GHI核加权融合形成组合核;最后,进行仿真实验.仿真实验结果表明:相对于现有算法,该文算法对不同种类的植物叶片具有较高的识别率.     

基于深度学习的建筑物识别

针对随着城市化的快速发展,城市与城市间的辨识度越来越弱,城市地标的概念越来越热门这一现象,提出了一种基于深度学习的建筑物识别方法;使用改进的Faster R-CNN算法作为训练模型,首先,将需要识别的图片输入深度神经网络,提取出特征框图;然后,模型通过区域建议网络预测目标建筑物所在位置的区域建议,并将这些区域建议映射到特征框图上,RoI Pooling层将这些区域建议转换成固定大小的特征框图;最后使用非极大值抑制从预测边界框中移除相似的结果,得到预测边界框以及边框中目标建筑物的类别和概率;实验结果表明:在训练数据集充足的条件下,使用此方法对地标建筑物的识别率能达到90. 8%,通过与其他模型比较分析,该模型具有较好的识别效果。     

基于正交层次分析法的质检数据语音识别效率改善方法研究

为提高语音识别技术在质检数据记录中的效率问题,基于正交层次分析法建立效率评价模型.应用正交试验确定影响质检数据语音识别效率的影响因素及其影响程度;基于层次分析模型进一步分析得到各影响因素的权重;通过正交层次分析定性与定量相结合对比实验数据,得到质检数据语音识别效率改善的具体方法.实验结果表明改进后的方法可使质检数据语音识别效率提升超过45％.