基于t分布变异的自适应黏菌优化算法

黏菌算法是一种新型的智能优化算法,针对其全局搜索速度慢,陷入局部最优的风险较大,为提高其全局搜索能力及搜索精度,提出了一种基于t分布变异的自适应黏菌优化算法．其思想是在黏菌算法中引入自适应t分布变异算子,使用算法的迭代次数作为t分布的自由度参数来增强黏菌搜索多样性,避免算法陷入局部最优。通过对12个基准函数测试及寻找图像的多阈值分割点工程问题进行测试,结果表明,基于t分布的黏菌优化算法寻优精度,收敛速度,鲁棒性高于基本黏菌优化算法。     

基于头部姿态的学习注意力判别研究

学习注意力是学生学习效率的一个重要因素,直接影响学生的学习效果。为了有效监测学生在传统课堂教学中的注意力情况,提出一种基于头部姿态识别的学生注意力判别方法。首先运用卷积神经网络对视频图像的面部特征点进行检测,其次采用比例正交投影迭代变换(pose from orthography and scaling with iterations,POSIT)算法对人脸进行跟踪识别,并对人脸的旋转角度进行计算,根据其头部的倾斜角度对学生注意力进行分析研究。测试结果表明,提出的模型注意力检测准确率为88.7%,可以有效地对学生注意力进行检测,具有较好的应用前景。     

非刚体图像配准中一种改进的点匹配方法

为了解决在非刚体点匹配过程中,由于点集之间相对位置变化的复杂性,导致配准结果易收敛于局部最小值点的问题,提出了基于预中心配准的非刚体点匹配联合估计法。在用迭代最近点算法确定两个点集中的点之间的对应关系前,通过预先进行两个点集的中心配准的方法,可以更加合理地确定点之间的对应关系,从而使匹配结果可以最大程度地收敛于全局最优点。仿真实验表明,此方法和传统算法相比,在没有明显增加运算量的前提下,匹配效果更佳。