在文本无关的说话人确认系统中, 联合因子分析算法以其明确的空间估计方法成为主流的技术手段。然而由于算法流程的限制, 使用该算法得到的说话人空间和信道空间不可避免地产生重叠。为解决空间模型的重叠问题, 文中采用基于信号子空间的空间变换方法, 使空间模型分离。对于NIST SRE 2008核心测试任务中的电话信道注册-电话信道测试, 相对于不采用空间变换的联合因子分析算法, 取得9。2%等错误率的降低。
为进一步提升差分进化算法的收敛性能, 提出一种具有Pbest引导机制的适应性多策略差分进化算法(AMSDE)。AMSDE设计交叉概率控制参数库、变异尺度参数库及差分变异策略库, 其中, 交叉概率采用Logistic混沌序列来模拟, 尺度参数采用线性变化机制产生, 差分变异策略库采用6个常用的差分变异策略组成, 并给出算法运行的框架。最后, 基于25个标准测试函数的仿真结果表明, AMSDE的收敛性能优于现存的其它差分进化算法, 具有较好的收敛精度及收敛速度。
人体行为识别是计算机视觉领域的一个热点问题, 然而目前大部分算法都是仅使用RGB或深度视频序列, 很少将它们结合起来进行行为识别。由于它们都有各自的优点且信息是互补的, 因此文中研究深度图像和RGB图像的特性, 不仅提出两种鲁棒的深度图和RGB图像上的行为描述算法, 而且将它们有效融合, 进一步结合多个不同核函数的SVM分类器在具有挑战性的DHA数据集上对它们进行评估。大规模实验结果表明, 文中提出的行为描述算法性能比一些最具代表性算法的性能更好。同时, 深度数据和RGB图像融合后算法性能得到进一步提高, 比单独使用深度数据或RGB图像的性能更好, 且具有较好的区分性和鲁棒性。
现有的贝叶斯推理算法不同程度地存在推理精度低或推理时间长的问题。文中提出一种基于Markov毯分解的抽样近似推理算法(LSIA-MB)。LSIA-MB算法利用HITON_MB算法寻找查询结点的Markov毯, 进而利用动态规划方法学习边的后验概率, 确定变量之间的因果关系, 获得一个关于查询结点的Markov局部网络模型。最后, 在Markov局部模型上执行Gibbs Sampling。通过对Markov局部模型的抽样, 极大降低推理的计算维数。同时, 由于Markov局部网络模型包含与目标结点相关的完整信息, 从而保证局部抽样推理的精度。算法分析和在标准Alarm网的实验结果均表明, LSIA-MB算法降低推理时间, 且提高推理精度。LSIA-MB算法在上海股票交易网络上的推理预测结果显示出较强的实用性。
首次将谓词逻辑系统中一阶语言的有限解释按照其论域的势进行分层, 提出每一层解释类下公式的n真度, 最终给出公式向量真度的定义, 更直观精确地刻画一阶公式的真实程度。接着证明向量真度的一些基本性质, 指出向量真度保持谓词逻辑形式推理的MP规则、HS规则与推广规则, 从而为进一步在谓词逻辑系统中开展近似推理研究提供一种可能的框架。
真值表化简可简化数字逻辑电路的分析与设计。在人工智能理论中, 命题逻辑值的判定和复合命题的等值关系判定也需要用到真值表及其化简。文中将真值表定义为逻辑信息系统, 用粒矩阵由粗到细描述不同粒度空间下的知识, 将真值表化简转化为通过粒矩阵运算实现的逻辑信息系统属性与属性值的约简, 从而提出多变量真值表快速约简算法。并将算法应用到发光二极管七段数字显示器的设计中, 实验分析表明文中算法的快速性和有效性。
基于活动轮廓模型的图像分割方法作为计算机视觉应用领域的一个研究热点而倍受关注。文中首先阐述活动轮廓模型的数学模型及其相关的数值实现方法。然后以参数活动模型和几何活动模型的发展为主线, 对活动模型的发展进行综述, 对其应用于图像分割的经典方法、优势和所存在的问题进行比较性研究。最后对活动轮廓模型的未来发展进行展望。
欧氏距离度量向量相似性时忽视向量各特征取值范围的差异性, 从而影响学习向量量化(LVQ)算法及其变种的分类精确度。针对此问题, 文中提出一种面向特征取值范围的向量相似性度量函数, 并基于该度量函数与泛化学习向量量化算法得出一种面向特征数据范围的泛化学习向量量化算法(GLVQ-Range)。使用UCI机器学习库中8组数据对比GLVQ-Range和传统其它LVQ变种算法, 验证文中算法的分类准确性更高和运算速度更快。使用视频车型分类数据, 验证GLVQ-Range在真实生产环境中的可用性。
针对基于内容图像检索应用背景下局部二值模式(LBP)描述符缺乏空间描述能力及所需特征矢量维数较长的不足, 提出一种基于LBP值对空间统计特征构建的改进纹理描述符(ILBP)。ILBP描述符首先利用LBP微模式编码方法将原始图像转换为LBP伪灰度图像, 然后再提取出多个关于LBP值对空间分布关系统计值构成描述图像特征的特征矢量。在基于内容的图像检索原型测试平台上完成大量实验。实验结果表明, 与LBP及其各类变种描述符相比, ILBP描述符在进一步增强LBP描述符描述能力的同时大幅度压缩特征矢量维数, 具有更好的查询正确率和查询效率。
粒的表示、粒之间的关系和运算是粒计算的主要研究内容。利用向量表示超盒粒, 分析向量之间的偏序关 系和超盒粒之间的偏序关系的不一致性, 并引入保序函数消除该不一致性。利用格和其对偶格之间的非线性正评价函数和保序函数构造超盒粒之间模糊包含关系。为得到不同粒度的粒, 设计超盒粒之间的合并算子和分解算子, 证明由超盒粒集、超盒粒之间的模糊包含关系、合并算子、分解算子构成的代数系统是模糊格, 构造基于模糊格的超盒粒计算分类器。用机器学习数据集中的分类问题, 验证该分类器具有和模糊格推理分类器相同的推广能力并减少超盒粒的数量。
利用云模型理论能兼顾随机性和模糊性的特质, 提出一种基于云模型的自适应量子粒子群优化算法。首先分析量子粒子群算法的控制机制, 在此基础上, 使用云算子实现对每个粒子的吸收扩张因子自适应控制, 达到在进化过程中对粒子飞行位置动态调整的目的, 使算法具有较快的收敛速度和较强的全局搜索能力。同时, 补充针对性的优化方案, 有效避免算法陷入局部最优。对典型测试函数的仿真对比实验表明, 该算法具有寻优能力强、搜索精度高、稳定度好等优点, 相比其它同类算法具有一定优势。
为获得快速、准确而精简的模糊神经网络, 提出一种连续增量学习模糊神经网络(ISL-FNN)。将修剪策略引入到神经元的产生过程, 用错误下降率定义输入数据对系统输出的影响并应用于神经元的增长过程。在参数的学习阶段, 所有隐含层神经元(无论是新增还是已有)的参数使用扩展的卡尔曼算法更新。通过仿真实验, 该算法在达到与其它算法性能相当甚至更好的情况下, 能获得更精简的结构。
