-
公开(公告)号：CN108153918A
公开(公告)日：2018-06-12
申请号：CN201810112384.4
申请日：2018-02-05
Applicant: 北京工业大学
Abstract: 基于自适应正交交叉的多目标优化算法的个性化电影推荐方法，针对传统推荐算法对准确性和非准确性两个对立指标的优化不足，采用多目标优化算法对这两个目标进行优化，从而在保持准确性的情况下提高多样性。针对NSGA-II多目标优化算法存在的不足，提出了改进算法SMOCDE，该算法设计了自适应多目标正交交叉算子SMOC，使用该算子对种群进行初始，避免了种群分布不均匀；运用该算子进行交叉操作，保持了种群的收敛性和分布性。将该算法应用于个性化电影推荐这一实际问题中，通过和现有的推荐算法进行测试对比验证了算法的通用性和有效性，提高了推荐结果的准确性、多样性。
-
公开(公告)号：CN107273842A
公开(公告)日：2017-10-20
申请号：CN201710432432.3
申请日：2017-06-09
Applicant: 北京工业大学
Abstract: 本发明公开了基于CSJOGA算法的选择性集成人脸识别方法，属于人脸识别技术领域，特别是一种基于联合稀疏投影改进混合正交遗传算法(CSJOGA)、bagging方法、选择性集成技术、多分类SVM方法的人脸识别新方法。本方法结合最小生成树聚类、联合稀疏投影和正交实验设计，提出了一种基于联合稀疏投影的正交交叉算子。然后利用正交实验方法设计交叉，并引入了聚类局部搜索策略，提出了基于联合稀疏投影的混合正交遗传算法。本方法能在大幅减少集成的分类器数量、减少存储和计算开销、有效提高人脸识别速度的前提下，保证人脸识别的正确率能够进一步提升至更高水平，确保实际应用时的分类精度达到理想要求。
-
公开(公告)号：CN104809895B
公开(公告)日：2017-09-08
申请号：CN201510185561.8
申请日：2015-04-19
Applicant: 北京工业大学
IPC: G08G1/081
CPC classification number: Y02T10/56
Abstract: 相邻交叉口的干道协调控制模型及其优化方法，相邻交叉口四相位干道协调控制模型的建立；进行个体编码、初始化数据，并设定参数；进行种群初始化；计算种群内个体的适应度值；对种群进行最小生成树聚类；选择种群内个体参加遗传操作；对选择的个体进行遗传和变异操作；重复迭代直到得到最佳个体。本发明以各车队排队等候的总延误最小为性能指标，通过分析由上游交叉口在不同相位下放行车队的对首和队尾车辆到达下游交叉口前遇到的信号状态以及路口前车辆在放行期间是否完全放行建立的更为完善的相邻交叉口干道协调控制模型，并以改进的遗传算法作为优化算法，同时以周期长度，主街配时，信号配时以及相位差作为参数进行优化求解。
-
公开(公告)号：CN103246874B
公开(公告)日：2017-02-15
申请号：CN201310162456.3
申请日：2013-05-03
Applicant: 北京工业大学
Abstract: 一种基于联合稀疏模型和稀疏保持映射的人脸识别方法，用所有的训练图像组成的变换基代替JSM算法中的常用的随机矩阵，利用JSM算法提取每类训练人脸图像的公有部分及私有部分，人脸库中的图像按人分类，同一个人的所有图像归为一类，公有部分表示了每类人脸图像共有的人脸特征，私有部分表示了人脸不同的表情、光照等细节变化，利用稀疏的公有及私有部分重构出的图像逼近原始训练图像，通过求解重构误差最小的最优化问题，求得降维矩阵。最后求得的降维矩阵对测试图像进行降维处理，并用降维后的训练图象的每一类的公有和私有重构出测试图像，重构误差最小的即判别为测试图像所属类别。
-
Patent Agency Ranking
公开(公告)号：CN105809125A
公开(公告)日：2016-07-27
申请号：CN201610126125.8
申请日：2016-03-06
Applicant: 北京工业大学
IPC: G06K9/00
Abstract: 本发明公开的技术方案为基于多核心ARM平台的人脸识别系统，首先搭建硬件平台，选择嵌入式开发板及相应配件，在此基础上进行人脸识别系统设计。人脸识别系统中首先通过摄像头进行图像采集，对采集好的图像进行图像预处理工作，降低环境因素对后续工作的影响。之后进行人脸检测工作，截取人脸图像。对人脸图像进行特征提取以降低计算复杂度。最后，利用提取的特征进行分类识别。为方便用户在系统中进行人脸数据库修改，在系统中开发了数据库管理功能。本发明使用带有光线传感器的近红外摄像头，保证在不同光线条件下获取清晰的人脸图像；利用多核心ARM芯片性能特点保证嵌入式人脸识别系统速度，同时提高人脸识别正确率。
-
公开(公告)号：CN102737234B
公开(公告)日：2015-08-12
申请号：CN201210212659.4
申请日：2012-06-21
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于Gabor滤波和联合稀疏模型的人脸识别方法，该方法首先通过Gabor滤波对人脸图像进行滤波，提取对光照及表情不敏感的特征，然后利用提取出的Gabor特征作为联合稀疏模型(Joint Sparsity models，JSM)的输入，提取每类训练图像的公有部分及私有部分的和。最后利用所提取的公有部分及私有部分的和来构造字典，采用SRC（稀疏表示分类）方法获得待识别人脸图像在构造字典上的稀疏表示，根据稀疏表示系数得到识别结果。本发明的优势在于，仅用两个特征图像就可以有效的表示每一类训练人脸图像，减少了存储空间的大小。Gabor滤波的引入使得该算法对人脸表情及光照的变化具有较好的鲁棒性。
-
公开(公告)号：CN104820825A
公开(公告)日：2015-08-05
申请号：CN201510203079.2
申请日：2015-04-27
Applicant: 北京工业大学
Abstract: 基于Adaboost算法的人脸识别优化方法，首先对人脸图像进行特征提取和降维，用降维后的矩阵数据，使用SAMME.R算法进行识别分类；在训练弱分类器时，判断该弱分类器的结果，在所有同属一类的样本的分类中，正确分类的样本的权值和，是否比分到其他任意一类的权值和大；如果满足该条件则继续进行权值调整和下一次迭代；如果不满足，由于训练出的弱分类器不够好，达不到要求，所以在权值不变的情况下重新训练弱分类器，然后再次判断新的弱分类器是否满足上边所述的条件，如果满足进入下一次调整，不满足继续重新训练弱分类器，不断优化弱分类器的质量，从而逼近最优强分类器；得到最终的强分类器有效提高了人脸识别的准确率。
-
公开(公告)号：CN103208027B
公开(公告)日：2015-07-22
申请号：CN201310080090.5
申请日：2013-03-13
Applicant: 北京工业大学
Abstract: 一种基于局部模块度的遗传算法用于大规模复杂网络社区挖掘的方法，属于复杂网络社区挖掘技术领域，包括：对网络社区划分进行编码；种群初始化；计算适应度函数；进行遗传操作：交叉、变异、选择；解码，得到最佳社区划分。本发明通过在交叉算子中加入轮盘赌选择，而不是随机选择种群中的个体进行交叉操作，使高适应度个体具有优先选择性，可以加快最优划分的产生；在变异算子中引入局部模块度函数，使变异后的候选解更接近最优解，强化了变异算子的局部搜索能力，更具针对性，提高了算法的搜索性能；利用LMGACD算法进行复杂网络社区挖掘可以取得好的划分效果，且时间复杂度较低。
-
公开(公告)号：CN102768732B
公开(公告)日：2015-04-29
申请号：CN201210195701.6
申请日：2012-06-13
Applicant: 北京工业大学
IPC: G06K9/66
Abstract: 融合稀疏保持映射和多类别属性Bagging的人脸识别方法属于模式识别技术领域。根据压缩感知理论提出的稀疏保持映射的方法已经应用到了人脸识别中并且取得了较高的识别率。在识别领域中，分类算法的性能对于最终的分类效果具有重要影响，而目前的一些基于稀疏保持映射的方法在分类时基本采用的是单一分类器，为了通过增强分类算法的性能来进一步提高识别率，本发明在实现属性Bagging算法时，本发明以Radon变换的角度作为实例的属性来构建训练样本并在其上进行基分类器的训练。通过在耶鲁和AR人脸库的实验，验证了本发明所提出的方法的可行性和有效性。
-
-
-
-
-
-
-
-
Search Results
119
records
(took 0.027 seconds)
