以光流法为依据,提出了一种基于光流方向信息熵(entropy of oriented optical flow,EOF)统计的方法捕捉微表情关键帧.首先,采用改进的Horn-Schunck光流法提取视频流中相邻两帧图像的微表情运动特征;其次,采用阈值分析法筛选出投影速度模值较大的光流向量;之后,采用图像信息熵统计光流变化角度,进而得到视频序列的方向信息熵向量,通过对熵向量的分析,实现微表情关键帧捕捉;最后,本实验采用芬兰奥卢大学的SMIC微表情数据库和中国科学院心理研究所傅小兰的CASME微表情数据库作为实验样本,通过与传统的帧差法比较,证明了本文提出的算法优于帧差法,能够较好地表现出微表情变化趋势,为微表情识别提供基础

3.1信息的概念 3.2信息价值和信息量的计算 3.3信息的属性和生命周期 3.4系统的定义、 3.5系统的分类、特点和控制 3.6系统集成的概念

第一节细胞信息传递概述 第二节受体 第三节细胞信息的传递途径及其分子机理 第四节信息传递途径的交互联系

系统研究了面向复杂系统监测时变信号的实时故障检测与识别问题.采用滑窗Mallat小波快速变换克服传统小波变换的时域全局依耐性并提高计算效率,使之适应于实时故障检测;针对时变信号的故障模式识别难题,在故障检测基础上采用改进动态循环神经网络(improved dynamic recurrent neural network,IDRNN)进行智能故障识别.最后将滑动时窗小波检测模块及最优IDRNN网络模块嵌入某型完整卫星姿态控制系统仿真平台进行在线故障诊断.试验结果表明:实时条件下的滑动窗口小波变换与传统小波变换具有一致性,IDRNN对于时变信号识别具有较好的时域泛化能力,将滑窗移动时不变小波方法与IDRNN结合可以实现面向复杂系统监测实时信号的故障检测及复合模式分类

以前的学习,一般需要预先在肚子里存储下足够的知识,必要时 ,就从海量的信息中提取所需的部分。 但是,到了信息领域大大超出四书五经的新时期,预先无目的 的吞下海量信息的学习方式就有些不合时宜了。 旧有的学习方式需要变更以适应这个信息爆炸的年代。目的明确 的去学习,即先知道要学什么,然后有目的的去寻找答案,这种 方式看上去更加有效率

一、随机信号的正交分解 二、常见随机信号的性质 三、随机信号的检测 四、随机信号的均方滤波

多维事务数据库DB的结构为 (ID,A,AAn, items),A是DB中的结 构化属性(例如顾客的年龄,职业收入等), 而 items是同事务连接的项的集合(例如购 物篮中频繁项集)。每一个 t=(id,aa2man,items--t)由两部分信息 组成:维信息(a1,a2man)和项集信息。 挖掘过程分为两部分:挖掘维度信息的模 式和从投影的子DB中找出频繁项集

一、随机信号通过线性系统的表示 二、随机信号的功率谱密度 三、随机信号通过线性系统的统计性质 四、随机信号通过非线性系统

克里金法是一种应用广泛的低通滤波性插值方法,但其无法重建原始信息中的高频、低频和局部信息.分形插值算法可利用自相似性,在保留原始信息的基础上,克服克里金插值中低通滤波的局限性,从而提高插值的准确性.本文在传统分形插值算法的基础上,结合地质空间信息,提出了适用于矿床品位估算的四维空间分形插值算法,并将其应用于钼矿的品位估算.结果表明:在该钼矿的品位估算中,四维空间分形插值算法明显优于克里金法

一、正交分解和随机信号的表示 二、随机信号的 Fourier正交分解 三、随机信号的K-L正交分解