2013年, 第26卷, 第2期　刊出日期：2013-02-28

  

• 全选
  |

论文与报告
• Select
  基于核稀疏分类与多尺度分块旋转扩展的鲁棒图像识别

  匡金骏，熊庆宇，柴毅

  模式识别与人工智能. 2013, 26(2): 129-135.

  PDF全文 ( ) 可视化 收藏

  针对在图像旋转或局部扭曲变形等复杂情况下的图像识别问题，提出一种基于核稀疏分类与多尺度分块旋转扩展的鲁棒图像识别算法。该算法首先对图像进行多尺度分块与旋转扩展，使得字典能近似测试图像局部的旋转扭曲与各种排列组合。为了增加字典类间稀疏度，改善系统效率，提出一种字典降维策略。通过核随机坐标下降方法高效求解核稀疏分类的凸优化问题，进而通过对比不同类对测试图像的重构误差完成图像识别。实验表明，与经典方法相比，文中方法具有更好的识别效果，对图像旋转或局部扭曲变形等复杂情况具有较好的鲁棒性。
• Select
  一种基于边界的贪心组合剪枝方法

  郭华平范明职为梅

  模式识别与人工智能. 2013, 26(2): 136-143.

  PDF全文 ( ) 可视化 收藏

  理论及实验表明，在训练集上具有较大边界分布的组合分类器泛化能力较强。文中将边界概念引入到组合剪枝中，并用它指导组合剪枝方法的设计。基于此，构造一个度量标准(MBM)用于评估基分类器相对于组合分类器的重要性，进而提出一种贪心组合选择方法(MBMEP)以降低组合分类器规模并提高它的分类准确率。在随机选择的30个UCI数据集上的实验表明，与其它一些高级的贪心组合选择算法相比，MBMEP选择出的子组合分类器具有更好的泛化能力。
• Select
  基于记忆机制的视觉信息处理认知建模

  王延江，齐玉娟

  模式识别与人工智能. 2013, 26(2): 144-150.

  PDF全文 ( ) 可视化 收藏

  受人类认知环境方式的启发，将人类记忆机制引入到视觉信息处理过程，提出一种基于记忆机制的视觉信息处理认知模型，用于模拟人脑的一些认知过程。该模型主要包括5个部分:信息粒、记忆空间、认知行为、信息传递规则和决策过程。根据人脑三阶段记忆模型定义3个记忆空间:瞬时记忆空间、短时记忆空间和长时记忆空间，分别用于存储当前的、临时的和永久的视觉信息。该模型可记住或遗忘曾经出现过的场景，从而使其能快速适应场景变化。将其应用于计算机视觉研究中的两个关键问题:背景建模与运动目标跟踪。实验结果表明，该模型能较好解决复杂场景下背景或目标姿态突变以及目标被严重遮挡等问题。
• Select
  融合深度和颜色信息的图像物体分割算法

  皮志明，汪增福

  模式识别与人工智能. 2013, 26(2): 151-158.

  PDF全文 ( ) 可视化 收藏

  讨论立体图对的图像分割问题，提出一种基于深度和颜色信息的图像物体分割算法。该算法首先利用基于聚类的Mean-shift分割算法对目标图像进行适度的过分割，同时借助双目立体视觉算法获取立体图对的稠密深度图，并依据深度不连续性从过分割结果中选取用于继续进行“精致”分割的种子点集，接着对未分配种子标签的区域用图割算法分配标签，并对彼此之间没有深度不连续边界但具有不同标签的相邻区域进行融合。相比于传统图像分割算法，该算法可有效克服过分割和欠分割问题，获取具有一定语义的图像分割结果。相关的对比实验结果验证了该算法的有效性。
• Select
  基于最小包含球的大数据集域自适应快速算法

  许敏，王士同，顾鑫，俞林

  模式识别与人工智能. 2013, 26(2): 159-168.

  PDF全文 ( ) 可视化 收藏

  相同应用领域，不同时间、地点或设备检测到的数据域不一定完整。文中针对如何进行数据域间知识传递问题，提出相同领域的概率分布差异可用两域最小包含球中心点表示且其上限与半径无关的定理。基于上述定理，在原有支持向量域描述算法基础上，提出一种数据域中心校正的领域自适应算法，并利用人造数据集和KDDCUP99入侵检测数据集验证该算法。实验表明，这种领域自适应算法具有较好的性能。
研究与应用
• Select
  核耦合度量学习方法及其在步态识别中的应用

  王科俊，阎涛

  模式识别与人工智能. 2013, 26(2): 169-175.

  PDF全文 ( ) 可视化 收藏

  针对已有基于线性变换的耦合度量学习方法在解决实际问题时会遇到维数灾难和无法很好描述非线性模型等问题，通过引入核方法，提出核耦合度量学习方法。首先采用非线性变换将来自不同集合的数据投影到同一个高维耦合空间，使两个集合中具有相关关系的元素投影后尽可能接近。然后在这个公共的耦合空间使用传统的核方法进行运算。最后将其应用到步态识别中，以解决步态识别中不同集合间的匹配问题。采用CASIA(B)步态数据库进行实验分析，结果表明文中方法取得较满意的识别效果。
• Select
  集成组内标签与用户链接关系的Flickr组推荐模型

  包红云，李秋丹，高珩，郑楠

  模式识别与人工智能. 2013, 26(2): 176-181.

  PDF全文 ( ) 可视化 收藏

  知名图片分享网站Flickr中的组，在增加图片曝光率、方便用户浏览图片等方面发挥重要作用。因而，如何协助用户便捷地搜寻其感兴趣的组成为研究者关注的热点之一。针对此问题，文中利用Flickr中辅助用户选择组的元素，即其关注的用户链接关系及组内的内容标签信息，提出一种组推荐模型。该模型基于概率矩阵分解的方法，具有较低的复杂度。在Flickr数据集上的实验表明，该模型可为用户提供较高质量的推荐结果。最后，基于该模型设计一个Flickr组推荐系统。
• Select
  基于叩齿声音的身份确认方法

  朱秉诚，吴乐南，王伟

  模式识别与人工智能. 2013, 26(2): 182-188.

  PDF全文 ( ) 可视化 收藏

  为了克服语音身份确认中语音分割、特征提取和鲁棒性差的困难，文中分析叩齿声音波形特性，提出一种利用叩齿声音进行身份确认的方法。使用二阶微分方程建立齿震动发声的近似模型，以此为基础提出基于叩齿声音信号的身份确认方法。实验结果表明，叩齿声音信号稳定性强，处理复杂度低于声纹信号，应用于身份识别性能优良。该方法和经典的支持向量机、最近邻算法相比，运算量低，所需训练样本少。
• Select
  查询词相似度加权的邻近性检索方法

  乔亚男，刘跃虎，齐勇

  模式识别与人工智能. 2013, 26(2): 189-194.

  PDF全文 ( ) 可视化 收藏

  传统的邻近性检索模型同等地看待所有查询词，不加区分地考虑所有查询词的邻近性，造成“平行概念效应”，影响邻近性检索方法的性能。文中提出一种查询词相似度加权的邻近性检索方法。该方法根据查询词之间的语义相似度对查询词邻近性统计量加权，可进一步推断用户的实际信息需求，挖掘查询中蕴含的更深层次的信息。实验结果表明，在短查询较多的应用环境下，文中方法可较显著提升传统邻近性检索模型的性能，有效规避查询词邻近性的平行概念效应。
• Select
  基于混沌蚂蚁的分布式系统协同优化方法

  魏臻，葛方振，陆阳，王强，李丽香

  模式识别与人工智能. 2013, 26(2): 195-204. https://doi.org/: 10.1103/PhysRevE.81.016207
  [24] Wan Miao, Li Lixiang, Xiao Jinghua, et al

  PDF全文 ( ) 可视化 收藏

  针对复杂分布式系统的优化问题，提出基于混沌蚂蚁的复杂分布式系统协同优化方法。在系统理论指导下，分析复杂分布式系统中自主Agent的基本动力学特征，进而提出复杂分布式系统协同优化模型。在此基础上，借助混沌蚂蚁群算法(CAS)的思想，建立基于混沌蚂蚁的复杂分布式系统协同优化算法(CAS-CO)。通过对复杂多Agent网络中基于位置的任务分配问题进行仿真实验，同时与已有算法仿真结果对比，表明CAS-CO算法可行有效，反映文中模型的正确性和Agent的自主性在复杂分布式系统设计和构建中的重要性。
• Select
  基于遗传模糊核聚类的图像分割

  靳璐，付梦印

  模式识别与人工智能. 2013, 26(2): 205-210.

  PDF全文 ( ) 可视化 收藏

  针对红外图像的特点和模糊聚类算法对噪声、初始聚类中心敏感等问题，提出一种遗传模糊核聚类算法。该算法对红外图像像素灰度值进行全局的聚类分析并计算最优的聚类中心和隶属度矩阵，根据聚类结果和最大隶属度原则进行红外图像分割。通过实验验证，文中算法能较好地分割含高斯噪声、背景简单或复杂的红外图像。
• Select
  Lp范数约束下的最大化L1范数主成分分析

  梁志贞，李勇，夏士雄，周勇

  模式识别与人工智能. 2013, 26(2): 211-218.

  PDF全文 ( ) 可视化 收藏

  针对主成分分析在处理污染数据时的敏感性且其投影向量非稀疏的特性，提出一种鲁棒主成分分析的优化模型。该模型的目标函数采用L1范数且投影向量受Lp范数约束。范数约束下的主成分分析算法被用来求解该模型且其理论分析表明该算法可取得局部最优解。另外把核函数嵌入到线性模型并给出核方案。通过在UCI数据集和人脸库上的实验表明该算法的可行性和有效性。
• Select
  基于曲面等高线特征的不同姿态三维人脸深度图识别

  叶长明，蒋建国，詹曙，ANDOShigeru

  模式识别与人工智能. 2013, 26(2): 219-224.

  PDF全文 ( ) 可视化 收藏

  三维人脸识别因能克服二维人脸识别易受光照，姿态和表情等因素影响的缺点，从而日益受到关注和重视。文中针对三维人脸实时成像系统所获得的不同姿态下的三维人脸深度图，提出一种人脸识别方法(FDAC)。首先利用微分几何相关理论来指导三维深度人脸深度图的校正，再根据曲面等高线来描述人脸的面部特征并使用傅里叶描绘子实现特征提取，最后利用提取的等高线特征进行人脸分类识别。实验结果表明，FDAC方法对于不同姿态下的三维人脸图像有较好的识别率，并且在时间开销方面优于常规的特征脸识别方法。