遗传算法的早熟收敛

通过对遗传算法机理的分析,指出模式缺少是早熟产生的原因.提出了一个在遗传算法中基于模式抽取和模式补偿的补偿算子,以解决早熟现象.     

反馈型自联想记忆神经网络

自联想记忆神经网络具有类似于大脑的记忆和联想的特性．在Hopfield网络的理论基础上，提出了一种反馈型的自联想记忆神经网络．和Hopfield模型不同的是，这种神经网络增加了一个隐含层来扩大网络的存储容量，并采用局部相连的拓扑结构来代替全相连，从而减少了计算复杂度．在网络的学习过程中，各神经元之间的权值按照学习规则不断地进行调整，使回忆后的输出结果更加接近期望输出、     

基于低秩表示的图像修复方法

现实场景中, 存在很多原因导致所获图像信息并不完整, 其中会存在少许的破损, 这对基于此数据进行下一步的研究造成了障碍. 针对图像存在的破损问题, 提出一种基于低秩表示的图像修复方法. 通过图像的矩阵存储方式, 由稀疏理论获取其低秩表示, 提取到图像的全局特征. 根据所获的低秩表示, 结合缺损区域与其相邻区域的相似性, 将缺损区域逐步缩小, 并对缩小区域进行强制校正, 从而完成修复图像任务, 最后得到补全后的最终图像. 在二维图像上设计对比实验进行验证, 结果证明该方法在结构简单图修复、破损老照片修复、去除叠加文字以及大块物体移除等方面都具有良好的性能. 实验结果表明, 低秩表示在图像修复方面具有获取全局信息的优势, 修复效果良好.     

一种检测范围自适应的目标跟踪算法

为处理目标的消失重现、形变及环境变化等问题, 要求跟踪算法有一定的检测与学习能力. 针对全局检测方法因冗余检测而造成检测效率低下的问题, 在基于P-N学习的跟踪框架的基础上, 提出一种自适应生成检测范围的目标跟踪算法. 通过引入卡尔曼滤波器(Kalman filter)对目标位置、尺度以及两者的变化速度进行预估, 在检测前根据预估信息自适应生成检测范围, 提高检测效率. 在公开的CoGD数据集上进行实验, 结果证明该算法较原始算法在准确度基本不变的基础上, 速度得到显著改善.     

基于混合贝叶斯网络数据挖掘及研究生升学预测模型的研究

给出了基于MAP和MDL混合机制的贝叶斯网络结构学习算法,新算法吸取了两种方法各自的特点,具有计算简单、收敛速度快且能综合利用先验知识及专家知识的优点。并结合A校研究生的海量数据进行实验,结果表明：新的预测模型准确率可达84%,且推理高效合理。     

扩展型HMM在表情识别中的应用研究

根据表情与人脸表情特征关系,提出采用隐马尔可夫模型进行人脸表情识别;又鉴于人脸图像二维特性,提出了更具健壮性、更易处理二维数据的扩展型隐马尔可夫模型.该模型相比伪二维隐马尔可夫模型,简化了复杂度.为提高模型的识别效率,根据敏感度不一,提出多重感兴趣区域替代单一的感兴趣区域.为提高表情子库内样本的聚合度及库间样本离散度,提出相应的改进方案.首先通过人脸检测,实现表情样本采集;然后采用二维离散余弦实现图像频域转化,并结合低频数据生成特征向量;最后采用扩展型隐马尔可夫模型进行表情建模,实现表情训练与识别.实验表明：采用扩展型隐马尔可夫模型可有效识别表情,尤其是优化后的设计方案.     

基于生成对抗网络的图像艺术风格迁移

提出了一种新颖的图像艺术风格化算法,利用结构相似性指数和最小二乘生成对抗网络,搭建图像艺术风格化模型.通过对模型生成器和判别器的对抗训练以及重建约束,该模型可以生成一幅逼真的风格化作品.根据在人脸肖像素描sketch-photo数据集和中国水墨画风格beihong-photo数据集实验表明,与目前流行的DualGAN算法、Cycle GAN算法、Pix2Pix算法和GAN算法相比,本文提出的方法具有更好的风格化效果.     

基于统计形状分析的人脸基本表情分析

人脸的表情识别分析在虚拟交互和情感计算中具有重要意义,为得到一个精确的表情分析模型,采用统计形状分析方法对人脸表情进行建模分析,可将人脸表情的形状看作随机变量并在高维空间中服从一定的概率分布的.首先使用统计形状分析方法对表情形状进行归一化后,采用PCA方法对表情的变化建立点分布模型;在表情的分析阶段采用高斯分布模型估计表情空间的统计参数,并采用贝叶斯分类实验验证分类效果.实验结果表明：统计形状分析方法可以有效地对人脸的基本表情进行分析分类.