模式识别与人工智能

Select

非负二维主成分分析及在人脸识别中的应用^*

严慧，金忠，杨静宇

模式识别与人工智能. 2009, 22(6): 809-814.

PDF全文 ( )

可视化

二维主成分分析是一种基于整体脸的方法，保留人脸部件之间的拓扑关系.而非负矩阵分析是基于局部特征的识别，是通过提取局部信息来实现分类.文中将两种思想的优点融合在一起，提出非负二维主成分分析.该方法改善传统非负矩阵分解只是从矩阵分解的角度考虑，没有加强分类的问题.此外，该方法在矩阵分解之前不需要将图像矩阵转换为图像向量，能快速降低鉴别特征的维数.在ORL和FERET人脸库上的实验结果表明，该方法在识别性能上优于其它方法，且更具有鲁棒性.

Select

一种复杂自适应搜索模型^*

王儒敬，檀敬东，黄河

模式识别与人工智能. 2009, 22(6): 815-820.

PDF全文 ( )

可视化

针对互联网开放性、层次性、演化性、巨量性等本质特性，从复杂自适应系统这一全新的角度，以农业垂直搜索为应用背景，提出一种复杂自适应搜索模型.该搜索模型的主要特点是通过建立信息采集、分类、清洗与服务智能体联盟，组成多智能体实验环境.通过建立模型的学习机制与进化机制，改善搜索模型对网络环境的动态适应能力.经过与现有主流搜索引擎的比较实验发现，它在查准率方面具有明显优势.同时，由于该搜索模型具备通用的结构体系，因而在建立其它行业的垂直搜索模型时，可被方便地移植使用.

Select

k-best MIRA和动态k-best MIRA^*

曹均阔，沈超，黄萱菁，吴立德

模式识别与人工智能. 2009, 22(6): 821-826.

PDF全文 ( )

可视化

MIRA(Margin Infused Relaxed Algorithm)是一种超保守算法，在分类、排序、回归等应用领域都取得不错成绩.文中在传统MIRA算法基础上进行改进，提出k-best MIRA(K-MIRA)与动态k-best MIRA(DK-MIRA)算法.这两种算法能够根据学习进程自动调整优化约束条件，从而提高算法的收敛速度与性能.将K-MIRA与DK-MIRA用于定义类问题回答中的句子排序任务，取得较为满意的实验结果.

Select

一种基于条件随机场的复杂背景图像文本抽取方法^*

李敏花，王春恒，肖柏华，柏猛

模式识别与人工智能. 2009, 22(6): 827-832.

PDF全文 ( )

可视化

针对复杂背景图像中的文本抽取问题，文中提出一种基于条件随机场的图像文本抽取方法.该方法在将各种特征有效结合起来的同时，考虑到上下文特征，从而能有效地从复杂图像中抽取文本信息.分析比较不同颜色空间、不同特征对文本抽取性能的影响.实验结果表明该方法的有效性.

Select

基于局部优先和嵌套层次的二元组合语法分析模型^*

杨潇，马军，万建成

模式识别与人工智能. 2009, 22(6): 833-840.

PDF全文 ( )

可视化

依存语法中由于缺乏对句法功能结构的描述机制，不能显性表达某些复杂的句法结构.修饰词的嵌套层次虽是语用学的常识，却极少有语法分析模型考虑该信息.针对这两个问题，文中提出一种融合嵌套层次的生成性二元组合语法分析模型.该模型将句子的构成看作按中心词进行的相邻语块的两两组合，应用组合关系之间的优先级和嵌套层次来约束句法树的生成.通过转换依存树库得到二元组合语法树库，然后基于该树库自动获取语法关系、优先级信息和模型参数，构建二元组合语法分析模型.实验结果表明该模型能有效提高句法分析的正确率.

Select

联盟结构图的代数性质及应用^*

刘惊雷，张伟，王玲玲

模式识别与人工智能. 2009, 22(6): 841-847.

PDF全文 ( )

可视化

将联盟结构的空间抽象为联盟结构图，并在该图上定义2种运算并和交，从而联盟结构图中所有顶点关于并和交构成代数结构——联盟结构格.为了简化该格性质的研究，又引入整数拆分图，并在联盟结构图和整数拆分图之间建立映射关系F，且由映射关系F诱导一个等价关系E_F. 这样在联盟结构图中搜索最优联盟结构时，可以利用某个联盟结构对E_F产生的等价类的上界和平均值作为剪枝函数，当某个等价类的上界低于剪枝函数时，该等价类中的大量联盟结构就被剪枝掉. 最后设计一种动态规划算法.实验表明它的有效性.在20个Agent时，它比原动态规划算法减少43%的搜索次数.

Select

基于协同聚类的两阶段文本聚类方法^*

王明文，付剑波，罗远胜，陆旭

模式识别与人工智能. 2009, 22(6): 848-853.

PDF全文 ( )

可视化

为了将语义信息用于文本聚类和有效地进行特征选择，文中提出一种基于协同聚类的两阶段文本聚类方法.该方法分别对文档和特征进行聚类从而得到特征与主题之间的语义关联关系.然后利用此关系来相互调整彼此的聚类结果.实验结果表明，利用特征与主题之间的语义关联关系能有效提高聚类效果.

Select

基于子模式的完全二维主成分分析的步态识别算法^*

王科俊，贲晛烨，刘丽丽，李雪峰

模式识别与人工智能. 2009, 22(6): 854-861.

PDF全文 ( )

可视化

提出一种基于子模式的完全二维主成分分析的步态识别算法.首先对步态能量图进行子块划分，自适应地去掉对分类无用的子块.然后分别对每个子图像采用完全二维主成分分析方法进行特征抽取.最后将各个子块的特征合为整体采用最近邻分类器来测试识别.应用上述方法在CASIA步态数据库上进行实验，通过实验确定分块数目.实验结果表明本文算法明显好于完全二维主成分分析方法，不但有利于提取局部特征，而且对外套变化、背包，行走方向变化的步态识别也较有效.

Select

量子协同免疫动态优化算法^*

吴秋逸，焦李成，魏峻，李阳阳

模式识别与人工智能. 2009, 22(6): 862-868.

PDF全文 ( )

可视化

基于协同策略和量子免疫计算理论，提出量子协同免疫动态优化算法，并从理论上证明算法的全局收敛性.该算法采用量子比特编码表达种群中的抗体，并采用量子旋转门和动态调整旋转步长策略来演化抗体，加速原有克隆算子的收敛.该算法中引入协同策略增强子群体间的信息交流，提高种群的多样性，同时利用量子编码种群的关联性，使算法具有更强的稳定性，能够较好地适应于动态问题的求解.文中通过一系列动态背包测试问题和交叉验证(t检验)实验表明，量子协同免疫动态优化算法具有更强的鲁棒性和适应性，显示出较优越的性能.

Select

一种求解约束优化问题的线性进化算法^*

汤可宗，杨静宇，高尚，李伟

模式识别与人工智能. 2009, 22(6): 869-876.

PDF全文 ( )

可视化

提出一种基于实数编码处理约束优化问题的线性算法，并对其复杂度和收敛性进行分析.该算法将约束优化问题的高维搜索空间通过线性变换映射到二维空间，在二维空间中探索原优化问题的解，从数学分析的角度给出一种线性适应度函数.算法中融入一种基于密度函数的交叉算子和变异算法，采用基于分级聚类的平均联接方式以维持Pareto最优解集个体数目.3组典型优化问题的测试表明，该算法是可行和有效的，解集分布的均匀性与多样性均较理想.

Select

多Agent群体行为中的扩散趋同综述^*

蒋嶷川

模式识别与人工智能. 2009, 22(6): 877-883.

PDF全文 ( )

可视化

为了研究复杂系统及复杂性科学问题，人们提出多Agent模型进行建模和分析.多Agent的群体行为是复杂系统研究所必须解决的问题，而其中的扩散趋同更是相关领域的研究热点.文中首先介绍多Agent群体行为中的扩散趋同现象，然后根据Agent扩散趋同传递的方式、Agent的扩散趋同能力的分布情况和Agent扩散趋同所感知的范围，将相关研究成果中的扩散趋同机制分为3个方面:层次结构性扩散趋同与群集性扩散趋同、平滑扩散趋同与非平滑扩散趋同、邻域扩散趋同与全局扩散趋同.文中对每种模型的特点进行论述和比较分析，最后指出下一步的研究方向.

Select

加权调和平均型最大熵图像阈值选取法

雷博，范九伦

模式识别与人工智能. 2009, 22(6): 884-890.

PDF全文 ( )

可视化

基于最大熵阈值法可看成是目标和背景信息熵的算术平均，基于此给出一种基于目标和背景信息熵的调和平均的图像阈值分割方法.为了进一步增强该方法的分割性能，又给出加权调和平均型最大熵图像分割法以及权重参数的一种选取方法.加权调和平均型最大熵图像分割法通过计算图像中目标和背景的加权调和平均熵，寻找加权熵最大的灰度值作为图像的分割阈值.实验表明该方法可获得比传统熵阈值法更好的分割效果.

Select

适应Web检索的平滑型排序支持向量机^*

何海江

模式识别与人工智能. 2009, 22(6): 891-897.

PDF全文 ( )

可视化

代价敏感的排序支持向量机将样本的排序问题转换为样本对的分类问题，以适应Web信息检索.然而急剧膨胀的训练样本对使得学习时间过长.为此，文中提出一种支持二次误差的代价敏感的平滑型排序支持向量机(cs-sRSVM)，用分段多项式光滑函数近似铰链损失函数，将优化目标转变为无约束问题.再由Newton-YUAN算法求无约束问题的唯一最优解.在排序学习公开数据集LETOR的实验表明，cs-sRSVM与已有的代价敏感排序算法相比，训练时间更短，而检索性能同样出色.

Select

有局部保持的最大间距准则特征提取方法^*

王超，王士同

模式识别与人工智能. 2009, 22(6): 898-902.

PDF全文 ( )

可视化

最大间距准则(MMC)的目的是在克服小样本问题的同时，寻求一组最佳鉴别矢量使得投影变化后的特征空间的类间散度最大，而且类内散度最小.文中所提出的特征提取方法与原来MMC相比，经过对原来的散度加乘权重，以及通过对参数的调整，能够在特征提取的同时更好地保持人脸图像的局部流形结构.在ORL人脸库、YALE标准人脸库和UMIST人脸库上的实验结果表明，该方法能够对光照和姿态变化具有一定的鲁棒性，能更为有效地识别人脸图像，提高识别率.

Select

基于多特征的在线签名认证方法

张大海，汪增福

模式识别与人工智能. 2009, 22(6): 903-907.

PDF全文 ( )

可视化

提出一种多特征的在线签名认证方法.该方法综合利用全局特征、笔段特征和签名的力序列和字形序列.采用一种F_Tablet手写板采集签名数据，该手写板可以记录签名时的字形序列和三维力序列.首先提取签名的全局特征，并定义特征重要性函数对特征进行选择，选取有利于正确区分真伪签名的个性全局特征，用基于概率的方法训练签名.接着将签名分段，提取每一笔段的笔段特征，建立基于笔段特征的隐马尔可夫模型.然后用动态时间规整的方法匹配签名的力信息和字形信息序列.最后综合利用多种特征来验证待测签名.该方法的等错误率为1.5%.

Select

一种快速映射Isomap算法^*

圣少友，李斌

模式识别与人工智能. 2009, 22(6): 908-912.

PDF全文 ( )

可视化

传统的Isomap算法仅侧重于当前数据的分析，不能提供由高维空间到低维空间的快速直接映射，因此无法用于特征提取和高维数据检索.针对这一问题，文中提出一种基于Isomap的快速数据检索算法.该算法能够快速得到新样本的低维嵌入坐标，并基于此坐标检索与输入样本最相似的参考样本.在典型测试集上的实验结果表明，该算法在实现新样本到低维流形快速映射的同时，能较好保留样本的近邻关系.

Select

基于实例重要性的SVM解不平衡数据分类

杨扬，李善平

模式识别与人工智能. 2009, 22(6): 913-918.

PDF全文 ( )

可视化

在不平衡数据分类问题中，作为目标对象的少数类往往不易识别.常见方法存在需要显式设置实例重要度、仅仅间接支持少数类的识别等缺点.由此，文中提出基于实例重要性的支持向量机——IISVM.它分为3个阶段.前两个阶段分别采用单类支持向量机和二元支持向量机，将数据按照“最重要”、“较重要”，和“不重要”3个档次重新组织.阶段3首先选择最重要的数据训练初始分类器，并通过显式设置早停止条件，直接支持少数类的识别.实验表明，IISVM的平均分类性能优于目前的主流方法.

Select

鼻部毛囊的生物特征识别^*

宋尚玲，大沼一彦，梅良模，孙丰荣

模式识别与人工智能. 2009, 22(6): 919-923.

PDF全文 ( )

可视化

应用Hessian矩阵的(特征值，特征向量)参数组的关系提取鼻梁的中脊线，并区分出中脊线左右二边的毛囊识别区域.然后，在Hessian矩阵特征值符号的基础上，加入最大特征值对应的特征向量的方向和梯度方向的关系作为毛囊检测的条件.在103人的数据库中，得到的识别正确率为86.26%.实验结果表明，可以把鼻部毛囊的特征识别用作高效的人体身份认证技术之一.

Select

基于单类分类器的半监督学习^*

缪志敏，赵陆文，胡谷雨，王琼

模式识别与人工智能. 2009, 22(6): 924-930.

PDF全文 ( )

可视化

提出一种结合单类学习器和集成学习优点的Ensemble one-class半监督学习算法.该算法首先为少量有标识数据中的两类数据分别建立两个单类分类器.然后用建立好的两个单类分类器共同对无标识样本进行识别，利用已识别的无标识样本对已建立的两个分类面进行调整、优化.最终被识别出来的无标识数据和有标识数据集合在一起训练一个基分类器，多个基分类器集成在一起对测试样本的测试结果进行投票.在5个UCI数据集上进行实验表明，该算法与tri-training算法相比平均识别精度提高4.5%，与仅采用纯有标识数据的单类分类器相比，平均识别精度提高8.9%.从实验结果可以看出，该算法在解决半监督问题上是有效的.

Select

一种基于密度近邻的增量式孤立点发现算法^*

曹晖，司刚全，张彦斌，贾立新

模式识别与人工智能. 2009, 22(6): 931-935.

PDF全文 ( )

可视化

为了解决数据集更新时孤立点增量发现问题，提出一种基于密度近邻的增量式孤立点发现算法.当数据集更新时，该算法在确定出受影响的对象后，根据对象和其近邻间公式计算出受影响对象的增量异常因子(IOF)来表征对象的孤立程度，从而提高增量孤立点发现的效果.此外，由于只需重新计算这些受影响对象的IOF值，该算法还提高孤立点发现的速度.实验表明，该算法不仅在孤立点增量发现的效果上高于以往算法且减少算法的运行时间.

Select

一种采用聚类技术改进的KNN文本分类方法^*

张孝飞，黄河燕

模式识别与人工智能. 2009, 22(6): 936-940.

可视化

KNN算法稳定性好、准确率高，但由于其时间复杂度与样本数量成正比，导致其分类速度慢，难以在大规模海量信息处理中得到有效应用.文中提出一种改进的KNN文本分类方法.其基本思路是，通过文本聚类将样本中的若干相似文档合并成一个中心文档，并用这些中心文档代替原始样本建立分类模型，这样就减少了需要进行相似计算的文档数，从而达到提高分类速度的目的.实验表明，以分类准确率、召回率和F-score为评价指标，文中方法在与经典KNN算法相当的情况下，分类速度得到较大提高.

选择文件类型/文献管理软件名称

选择包含的内容

本期目录

2009年, 第22卷, 第6期　刊出日期：2009-12-25

模态框（Modal）标题

选择文件类型/文献管理软件名称

选择包含的内容

本期目录

2009年, 第22卷, 第6期 刊出日期：2009-12-25

2009年, 第22卷, 第6期　刊出日期：2009-12-25