首 页     期刊简介     编委会     投稿指南     伦理声明     联系我们                                                                English

学术不端论文认定及处理办法 版权转让协议 保密证明 录用稿件电子版要求 修改说明格式 更多.... 中国自动化学会 国家智能计算机研发中心 中科院合肥智能机械所 更多....

2015年 28卷 7期 刊出日期 2015-07-30 论文与报告 综述与评论 研究与应用   论文与报告 577 图像编码方向自适应提升小波变换* 王相海，夏春宇， 宋传鸣 提出一种基于分块的图像编码方向自适应提升小波变换(DA-LWT)，在每级变换中采用固定的方向块大小，仅保留一、二级变换所产生的方向信息，更高级别的方向由其前两级预测获得，从而减少边信息的开销.根据图像块的最小预测残差能量自适应选择滤波器的滤波方向，有效消除图像相邻像素间的冗余，降低高频系数能量.采用基于分数像素插值方案，提高方向分辨率.实验表明，DA-LWT的变换系数具有更好的“零树”特性，可取得比传统提升小波变换更好的编码效率和视觉效果. 2015 Vol. 28 (7): 577-585 [摘要] ( 662 ) [HTML 1KB] [PDF 1062KB] ( 600 ) 586 基于小波变换与差分自回归移动平均模型的微博话题热度预测* 陈羽中，方明月，郭文忠，郭昆 研究话题热度预测问题对于网络广告传播效应最大化、网络舆论引导与控制等具有重要意义.首先，根据用户关系及话题因素计算用户影响力，进而定义话题影响力.然后，基于老化理论并考虑话题影响力和话题相关微博数定义话题能量值，量化话题热度.最后，提出基于小波变换与差分自回归移动平均模型的微博话题热度预测方法，以此预测话题热度(能量值)及话题能量峰值.实验表明，文中方法可有效预测话题热度及峰值，具有较低的残差和遗漏率. 2015 Vol. 28 (7): 586-594 [摘要] ( 504 ) [HTML 1KB] [PDF 665KB] ( 599 ) 595 基于编码复杂度的混合结构稀疏人脸识别方法* 蔡体健，樊晓平，谢昕，徐君 利用编码复杂度表示数据的结构稀疏度，通过降低编码复杂度实现结构稀疏.在稀疏表示分类模型的基础上，通过聚类排序的方法构造结构化字典，形成混合结构稀疏模型.此模型结合类间样本的定长组结构与类内样本的动态可重叠组结构，以及误差的标准稀疏结构.为实现混合结构稀疏重构，提出改进的混合结构贪婪算法.实验表明对数据字典进行聚类排序可有效改进人脸的识别性能，在相同条件下，混合结构的性能优于其他结构，文中算法也优于其他算法. 2015 Vol. 28 (7): 595-602 [摘要] ( 536 ) [HTML 1KB] [PDF 551KB] ( 519 ) 603 基于探索与利用平衡理论的灾变粒子群算法* 李坤，黎明，陈昊 基于算法只有适应优化问题的特性才能表现出优异性能的观点，在探索与利用平衡的理论框架下将灾变机制引入粒子群算法.在对灾变的强度和范围进行深入研究的基础上，提出4种控制灾变的方法，并通过多组正交实验研究最佳的灾变触发方式.通过实验分析得出如下结论:灾变对高维问题的作用有限;灾变强度控制在15%以下为宜;以种群多样性作为灾变的触发条件，能得到较好效果.以上述结论为基础提出自适应灾变粒子群算法，并通过与其他算法对比验证文中算法具有较好性能. 2015 Vol. 28 (7): 603-612 [摘要] ( 428 ) [HTML 1KB] [PDF 730KB] ( 544 ) 综述与评论 613 多姿态人脸识别综述* 邹国锋，傅桂霞，李海涛，高明亮，王科俊 多姿态人脸识别已成为人脸识别研究的重要方向之一.简要回顾人脸识别研究进展，针对近年来国内外出现的多姿态人脸识别技术和方法进行简单介绍和系统分类，分析各种方法的优缺点，并做出简要评价.阐明多姿态人脸识别技术所面临的挑战，展望未来多姿态人脸识别研究的发展方向. 2015 Vol. 28 (7): 613-625 [摘要] ( 868 ) [HTML 1KB] [PDF 734KB] ( 1929 ) 研究与应用 626 带静不平衡约束的正交矩形布局问题的启发式模拟退火算法* 刘景发，张振，薛羽，刘文杰，蒋宇聪 以卫星舱布局为背景，研究一类带静不平衡约束的正交矩形布局问题.借鉴拟物策略，定义矩形与矩形、矩形与圆形容器之间的嵌入度计算公式，将该问题转变为无约束的优化问题.通过将启发式格局更新策略、基于梯度法的局部搜索机制与具有全局优化功能的模拟退火算法相结合，提出一种求解带静不平衡约束的正交矩形布局问题的启发式模拟退火算法.算法中的启发式格局更新策略产生新格局和跳坑，梯度法搜索新格局附近能量更低的格局.另外，在布局优化过程中，通过在挤压弹性势能的基础上增加静不平衡量惩罚项，并采用质心平移的方法，使布局系统的静不平衡量达到约束要求.实验表明，文中算法是一种解决带静不平衡约束的正交矩形布局问题的有效算法. 2015 Vol. 28 (7): 626-632 [摘要] ( 553 ) [HTML 1KB] [PDF 461KB] ( 589 ) 633 非最小平方误差局部－全局加权融合的稀疏表示遮挡人脸识别* 胡正平，彭燕，赵淑欢 考虑到图像遮挡后部分局部信息属性改变，在利用最小残差判决函数分类时，各类残差可能因较接近而导致分类错误.针对此问题，从分类器判决函数出发，提出基于稀疏系数累积的局部-全局加权融合的稀疏表示遮挡人脸识别算法.该算法主要利用各类稀疏表示系数累积作为判决函数，使用Borda投票机制进行分类.利用系数累积进行全局分类，然后对局部各块分类，考虑到子块作用不同，利用稀疏度和残差两个参数表示其可信度权重，最后将全局和局部融合Borda投票，统计各类投票总数，实现分类.在公用数据库进行实验，结果表明该算法具有较好的有效性和鲁棒性. 2015 Vol. 28 (7): 633-640 [摘要] ( 550 ) [HTML 1KB] [PDF 853KB] ( 508 ) 641 求解带时间窗车辆路径问题的动态混合蚁群优化算法* 葛斌，韩江洪，，魏臻，程磊， 韩越 为求解带时间窗车辆路径问题，针对传统蚂蚁遗传混合算法中参数静态设置、冗余迭代及收敛速度慢等缺点，提出一种动态混合蚁群优化算法(DHACO).该算法首先借助最大最小蚁群得到初始解，利用蚁群优化算法求解带时间窗车辆路径问题的基本可行解.然后采用遗传算法交叉和变异操作对局部解和全局最优解进行二次优化，从而得到最优解.最后利用蚂蚁遗传混合算法融合策略，动态交叉调用蚂蚁算法、遗传算法，根据云关联规则自适应控制蚁群算法参数.DHACO有效减少无效迭代次数，加快收敛速度.仿真结果表明，与其他相关的启发式算法相比，DHACO优于某些实例的已知最优解. 2015 Vol. 28 (7): 641-650 [摘要] ( 500 ) [HTML 1KB] [PDF 639KB] ( 577 ) 651 基于Fisher判别准则的低秩矩阵恢复* 张海新，郑忠龙，贾泂，杨凡 标准的低秩矩阵恢复算法是把原始数据集分解成一组表征基和与此相应的稀疏误差，并以此分解对原始数据建模.受Fisher准则启发，文中提出基于带有Fisher判别准则的低秩矩阵恢复算法，在有监督学习模式下对低秩矩阵进行恢复，即当所有的标签信息都知道的情况下考虑类内散度和类间散度.文中所构造的模型可利用增广拉格朗日乘子法求解，并通过对标准的低秩矩阵模型增加判别性提高性能，利用文中算法所学习到的表征基使类内结构相关，而类间相互独立.在人脸识别问题上的仿真实验表明该算法的有效性. 2015 Vol. 28 (7): 651-656 [摘要] ( 477 ) [HTML 1KB] [PDF 395KB] ( 704 ) 657 多源决策信息系统的决策规则性能评价* 林国平， 梁吉业， 李进金 多粒度粗糙集理论为多源决策信息系统的规则提取提供一种有效的方法，而如何对决策规则集进行评价是利用规则进行合理准确的决策和对未知样本进行可靠预测的关键问题之一.针对已有规则性能评价指标的不足，提出整体确定性、整体协调性、整体支持度的3类整体决策性能评价指标.这些评价指标将为更多的决策问题求解提供一定的理论依据. 2015 Vol. 28 (7): 657-664 [摘要] ( 478 ) [HTML 1KB] [PDF 336KB] ( 487 ) 665 基于聚类信息的活动轮廓图像分割模型* 李敏，梁久祯，廖翠萃 基于传统Chan-Vese(CV)模型，结合图像聚类信息，提出一种有效的活动轮廓模型图像分割方法.该方法首先改进CV模型的能量泛函，考虑图像的梯度信息，提高图像分割的精确度.其次在能量泛函中添加图像的聚类信息系数K，并使用图像的聚类信息实现对水平集轮廓曲线的自动初始化.在分割处理彩色图像时，为提高分割效率，对彩色RGB图像的三通道进行加权处理.最后为能量泛函添加正则项，避免水平集的重新初始化，完成对灰度图像及彩色图像的快速精确分割.实验表明该方法的有效性. 2015 Vol. 28 (7): 665-672 [摘要] ( 572 ) [HTML 1KB] [PDF 1355KB] ( 956 )

主管：中国科学技术协会 主办：中国自动化学会 　　　国家智能计算机研究开发中心 　　　中国科学院合肥智能机械研究所 出版：科学出版社

版权所有 © 《模式识别与人工智能》编辑部 地址：安微省合肥市蜀山湖路350号　电话：0551-65591176　传真：0551-65591176　Email：bjb@iim.ac.cn 本系统由北京玛格泰克科技发展有限公司设计开发 技术支持：support@magtech.com.cn