首先给出了通过矩形块与三角像素特征块相结合所构造的八种用于眼睛检测的扩展三角特征原型块.考虑扫描块在人脸背景中遍历时眼睛样本图像块数量远少于非眼睛样本块数的实际,提出了一种结合Haar特征和三角特征的AdaBoost快速眼睛检测算法.通过级联分类器的前几层强分类器完成排除大部分非眼睛样本;然后,通过后续强分类器进行判断大部分的眼睛图像块和少量非眼睛图像块.检测时间消耗有所下降,这样可以保证整体的检测速度.实验结果进一步表明该算法具有更好的检测性能,与仅使用Haar特征相比正检率有一定程度提高

研究半监督支持向量机分类优化模型的非光滑问题.建立了光滑半监督支持向量机模型,采用广义三弯矩法导出零点二阶光滑的广义三次样条函数,并以此逼近半监督支持向量机优化中的非光滑部分.构造出基于上述样条函数的具有一阶光滑的半监督支持向量机,从而可以用优化中的光滑算法来求解该模型.分析了广义三次样条函数逼近对称铰链损失函数的逼近精度,证明了新模型的收敛性.数值实验显示新模型有较好的分类效果

囿于微机系统的软、硬件配置,尤其是外存容量过小,主机速度慢等条件,微机上的情报检索系统通常效率偏低。本文介绍提高系统效率的一些新技术,特别是二叉分类树的严格倒排技术。并给出了实现算法。这些新技术已经成功地用于《MCDS》之中

本文在广义撕裂法[6]及节点撕裂节点分析法[4]的基础上提出了一种新的撕裂方法—节点与支路混合撕裂法（简称混合撕裂法）。它同混合分析法与节点分析法及回路分析法的关系类似,可以把广义撕裂法中的节点回路撕裂法与节点撕裂节点分析法作为它的特例,且一般可以达到比二者更好的撕裂效果。本文给出了节点与支路混合撕裂法的严格证明,给出了以二级撕裂[6]为基础的算法及示例

针对已有移动自组网容量、延迟闭解分析在移动模型方面的局限性，提出了新的概率理论框架，将无记忆的独立同分布移动模型推广至更为真实的满足特定记忆条件的随机路径点移动模型，解决了局部移动方式带来的一系列复杂概率描述问题.对多副本两跳中继算法进行了研究，得出该中继模式下基于随机路径点移动模型的移动自组网的容量、延迟上限的精确闭解表达式.仿真实验结果证明了该概率理论框架的有效性及闭解表达式的准确性

利用K均值聚类和增量学习算法扩大训练样本规模,提出一种改进的mRMR SBC.一方面,利用K均值聚类预测测试样本的类标签,将已标记的测试样本添加到训练集中,并在属性选择过程中引入一个调节因子以降低K均值聚类误标记带来的风险.另一方面,从测试样本集中选择有助于提高当前分类器精度的实例,把它加入到训练集中,来增量地修正贝叶斯分类器的参数.实验结果表明,与mRMR SBC相比,所提方法具有较好的分类效果,适于解决高维且含有较少类标签的数据集分类问题

鉴于人脸与人耳两种生物特征在图像获取上的相似性以及生理位置上的互补性,提出一种人脸-人耳多模态融合模板保护方法,将两者在特征层进行融合,然后利用模糊保险箱算法对融合模板进行保护.该方案基本流程分为五部分:图像预处理、Gabor-PCA特征提取、特征融合、融合模板加密以及融合模板解密.在由ORL人脸库和USTB人耳库3构成的人脸-人耳多模态图像库上的认证实验结果表明所提模板防护方法的有效性,且基于融合模板保护的认证结果比基于单模板保护的认证结果在识别率和误识率上均有所优化

采用矢量控制的感应电动机,其控制性能与它激直流电机类似,用这种控制方法,电机的转矩电流分量和磁通电流分量可实现解耦控制。本文讨论矢量控制系统的鲁棒性。针对前馈矢量控制系统中由于电机参数与速度检测小误差造成磁场定向错误,提出了一种新的自适应校正策略,该策略采用PRBS在线辨识技术,算法简单,不需要额外的传感器。最后给出了系统实现及实验结果

对于那些无法用数学方程式表述的复杂生产过程,提出一种基于模式识别原理的智能自动化新方法.该方法的基本点在于:从信息的角度出发,采用特征变量来描述过程工况,再用时间序列分析法建立预测模型,从而实现工艺最优化.还介绍了专门为此目的研制的红外线CCD热成像装置,并给出了建立预测模型的神经网络算法

针对梯度功能材料(FGM)制备过程的复杂性,提出了利用神经网络信息处理机制进行制备材料的特性预估;实例分析表明,这一方法是有效的.同时,针对BP学习算法速度较慢,易陷入局部极小的缺点,改用函数型连接网络来提高学习速度.试验表明学习速度提高显著