摘要：提出一种在复杂场景下基于动态局部二进制模式(VLBP)和三正交平面局部二进制模式(LBP-TOP)的人体背影图片序列运动特征的性别识别方法.首先对图像序列进行预处理,即对图像序列体积块进行分块和三维滤波后,再分别对分块得到的图像序列子体积块用VLBP和LBP-TOP进行运动特征提取.然后用支持向量机对训练样本进行训练和预测得到运动人体的性别.最后研究了分块数量、时间半径和滤波等因素对识别率的影响.研究结果表明:该方法能有效地提取动态人体特征,尤其是在光照条件和地形条件变化较大的复杂场景中效果更好;在自建的数据库上用VLBP特征取得了83.33%的正确率,用LBP-TOP特征取得了94.44%的正确率.

摘要：在VC++6.0开发平台上使用OpenCV函数库中基于加权颜色直方图的粒子滤波算法,设计了一个视觉跟踪器,完成了对人体图像序列中目标的动态跟踪。目标颜色模型的合理建立使得视觉跟踪器对系统资源需求较少,计算速度较快,利于实现实时跟踪。实验结果验证了该视觉跟踪器的有效性和实时性,它能够比较精确地实现基于观测量和控制量的后验概率分布,可用于解决即时定位与地图构建(SLAM)问题。

摘要：针对英文印刷字体,设计并实现了一个基于感知机神经元网络的字符识别器,输入印刷字符"L"和"I",对识别器进行训练、学习,以达到识别字符的目的。通过4000组的实验数据表明,该识别器对规范印刷的英文字符能高效、准确地识别出来,程序的平均学习次数为6.95次,平均用时0.006 812 56 s,耗时在可接受范围之内,进而验证了该字符识别器在实际应用中的可行性。

摘要：通过标准自适应共振理论神经网络(Adaptive Resonance Theory,ART),设计和实现了一个字符识别器,针对标准的ART1网络存在的不足,即网络的学习不稳定,对样本输入顺序比较敏感等问题,给出了改进方法,用C语言实现了这2种字符识别器,实验结果表明这2种字符识别器能够对不同的字符进行识别,改进方法比基于标准ART1网络具有更好的稳定性.

摘要：针对微博网络舆情信息量大、无规则、随机变化的特点,提出TFIDF-NB(Term Frequency Inverse Document Frequency-Naive Bayes)用于微博情感分析,设计与实现了一个基于Scrapy框架的微博评论爬虫,将某热点事件的若干条微博评论进行爬取并存进数据库,然后进行文本分割、LDA(Latent Dirichlet Allocation)主题聚类,最后使用TFIDF-NB算法进行情感分类。实验结果表明,TFIDF-NB算法平均准确率高于线性支持向量机算法和K近邻算法,在精确率和召回率方面高于K近邻算法,具有较好的情感分类效果。