相似对称性在相似对称结构分析中的应用

提出了相似对称性和相似对称结构等概念,通过相似对称性在相似对称结构上的应用,揭示了相似对称结构的内力和变形的相似对称性规律,由相似对称性规律进一步发现相似对称结构和轴对称结构一样也可以取半边结构,使计算简化.     

浅谈对称性在微积分中的应用

总结归纳了对称性在微积分中的若干应用,并举例说明。     

对称与对称性在数学中的应用

在数学研究中，运用对称性可使定义、分析、证明更加简捷和明晰；在随机抽样中，运用对称数既可以成倍地加大样本总量，又大大节省工作成本；在求全体勾股数中，运用数对称数求解方法，可以达到以小击大，事半功倍的理想效果。     

对称性原理在电磁学中的应用

本文从对称性原理出发，讨论了电磁学中的几个问题。     

浅谈物理学中的对称

通过简述对称、对称性、对称性方法的概念和典型事例,详细介绍了对称法在物理学发展过程中宏观和微观领域的运用,以及群论的发展,例举了几种物理学中的对称美,并对对称法在高中物理教学中的应用给出了具体分类并进行了归纳和范例解答.     

对称性原理在求解静电场■空间分布中的应用

本文根据对称性原理直接定性分析了具有面、轴和球对称电荷分布激发的静电场(?)空间分布,在此基础上通过选取合适的高斯定理定量给出上述对称分布电荷激发的空间静电场(?)分布.     

对称性在结构动力学中的应用

本文分析了《结构动力学》课程的特点,提出了利用结构对称性求多自由度结构自振频率及其相应的主振型的方法。     

超对称性和超对称伙伴粒子

本文触及了当今新的物质统一图象、超对称的大统一理论。描述了不同自旋之间的对称性,超对称伙伴粒子和该领域的最新进展。     

对称性原理在数学物理中的应用

对称性和对称性原理是现代物理学中的重要概念和基本原则。对称性分析是研究现代物理学的典型方法,而对称性原理给出了探索未知科学规律的一项重要途径,它们在科学研究的过程中有着广泛的应用。通过对称性原理及其在数学物理问题中的一些典型应用案例的介绍,可以看到利用问题的对称性能够极大地简化数学物理定解问题的处理。     

谈数学中的对称美与应用

讨论了数学中的对称美,并给出若干应用.     

基于人脸和人耳的多模态生物特征识别

单一模式生物特征识别系统由于存在一些固有的局限性,有时难以满足实际应用的需求,本文提出了基于正面人脸和人耳信息融合的多模态生物特征识别方法.针对USTB人耳图像库和ORL人脸图像库,利用核Fisher鉴别分析方法分别进行了人耳识别、人脸识别和人脸人耳融合识别,融合策略包括图像层融合和特征层融合两种.识别结果表明基于人脸人耳信息融合的多模态识别的识别率优于单体的人耳或人脸识别.这说明融合多种生物特征的多模态识别可以提高身份认证的准确率,也为实现非打扰式识别提供了一种新的途径.     

基于保持近邻判别嵌入的人脸识别

保持近邻嵌入(NPE)是一种子空间学习方法,具有保持数据流形上局部邻域结构的属性.虽然NPE已在一些领域得到应用,但解决识别任务还有局限性.为改进NPE的识别性能,提出了一种保持近邻判别嵌入(NPDE)人脸识别方法. 在NPDE算法中,有效结合了LDA和NPE的思想,具有很强的判别力,还能根据先验类标签信息保持局部邻域的固有几何关系.在ORL人脸库以及Yale人脸数据库上的实验结果表明提出的方法是有效的.     

基于Fisherface和组合KNN分类器的人脸识别算法

基于Fisherfaee和组合K近邻（KNN）分类方法的人脸识别算法首先采用Fisherfaee进行特征提取,构成特征空间。然后,利用组合KNN分类器对提取的特征进行识别。在ORL人脸数据库上的实验结果表明该方法具有良好的性能。     

人脸检测与识别技术综述

人脸的检测与识别技术因其巨大的应用价值及市场潜力,引起各方面的关注,已经成为图像工程和模式识别领域的研究热点。文章在回顾人脸检测与识别技术发展历程的基础上,对人脸检测与识别的多种相关技术作了介绍与评论,并讨论了该技术的最新发展方向及其国内的发展情况。     

一种结合稀疏表示和切比雪夫矩的人脸识别算法

在基于稀疏表示的人脸识别算法的基础上,利用切比雪夫矩在图像重建及抗噪声方面的良好性能,提出了一种结合稀疏表示和切比雪夫矩的人脸识别算法,对有无加性噪声干扰的人脸图像进行识别.给出了详细的数学推导过程和算法实现步骤,并通过实验对算法进行了验证.针对扩展的Yale B人脸库和AR人脸库的识别结果表明,当特征空间维数为496时,该算法在不同光照条件和不同表情条件下的识别率分别为98.33%和88.72%,在添加椒盐噪声后像素破坏比例小于60%的条件下识别率为100%.与基于随机脸的最近邻分类法、最近子空间分类法及传统SRC算法相比,该算法在抵抗图像的细节信息变化方面具有更好的鲁棒性.     

人脸识别系统的设计与实现

随着社会信息化、网络化的发展,自动身份认证逐渐成为一种趋势,人脸识别以其特有的便利性成为当前研究的热点.在学习前人的图像处理技术基础上,综合考虑各方面条件,在算法上采用人脸识别领域中的HAAR方法对人脸进行检测,采用PCA方法进行人脸特征提取;在图像显示上采用JavaWeb开发的SSH框架对图像进行处理,将C++图像处理的便利条件和Java Web开发的友好效果结合起来.最终实现的功能是:从人脸图像库中找出与上传人脸最相似的前三个人脸图片,并显示他们的信息.     

基于特征脸的人脸识别系统

提出了一种快速有效的人脸识别系统．针对特征脸方法只能识别标准正面人脸的局限性，设计了前端处理模块，首先计算待识别图像中人脸的倾斜角度，进行相应角度的旋转，然后剪切出人脸图像，进行尺寸调整，经过此处理后再进行特征脸识别．利用ORL人脸库和自建人脸库进行仿真实验，实验结果表明，本识别系统速度快，误识率低，具有实用性．     

基于统计特征融合的人脸识别

从理论上分析了PCA分析的主元特征向量仅仅表示了图像的整体信息,不能表示图像的微小变化,而非零最小特征向量仅仅反映了图像的细微变化,将主元特征向量和非零最小特征向量进行有机的结合,并用于人脸统计识别. 试验结果表明,本文介绍的方法比PCA的人脸识别方法优越, 在一定程度上克服了人脸姿态表情的影响.     

局部匹配的人脸识别方法

从人类认知方式出发,提出了一种基于统计学习的局部匹配人脸识别方法。该方法将人脸图像划分成若干小块,各个子块中包含不同的人脸形状特征,而不同的子块则描述了人脸主要部件之间的相对位置关系,然后根据各个子块鉴别能力的差异,将每个子块看成一弱分类器,利用Adaboost学习算法组成一个强分类器,提高最终的分类效果。实验结果表明该方法可以有效提高人脸的识别准确率并对人脸的表情和光照具有较好的鲁棒性。     

人脸检测与识别方法研究

人脸图像处理包括人脸检测、人脸识别等．分析了有关人脸检测问题的研究方法并对其进行了分类和评价,重点介绍了人脸自动识别这一领域的研究方法并对其进行了简要分析评价,最后提出了人脸图像处理领域的研究展望．