A novel facial emotion recognition scheme based on graph mining

Recent years have seen an explosion in graph data from a variety of scientific, social and technological fields. From these fields, emotion recognition is an interesting research area because it finds many applications in real life such as in effective social robotics to increase the interactivity of the robot with human, driver safety during driving, pain monitoring during surgery etc. A novel facial emotion recognition based on graph mining has been proposed in this paper to make a paradigm shift in the way of representing the face region, where the face region is represented as a graph of nodes and edges and the gSpan frequent sub-graphs mining algorithm is used to find the frequent sub-structures in the graph database of each emotion. To reduce the number of generated sub-graphs, overlap ratio metric is utilized for this purpose. After encoding the final selected sub-graphs, binary classification is then applied to classify the emotion of the queried input facial image using six levels of classification. Binary cat swarm intelligence is applied within each level of classification to select proper sub-graphs that give the highest accuracy in that level. Different experiments have been conducted using Surrey Audio-Visual Expressed Emotion (SAVEE) database and the final system accuracy was 90.00%. The results show significant accuracy improvements (about 2%) by the proposed system in comparison to current published works in SAVEE database.     

目标识别的D-S融合算法

从防空角度出发,详细地阐明了D-S理论中关于多传感器数据融合的原理和目标识别的方法,同时结合应用实例给出了详细和可行的算法.     

65纳米工艺双层三维静态存储器的软错误分析与评估

首先搭建了3D SRAM软错误分析平台,可以快速、自动分析多层die堆叠结构3D SRAM的软错误特性。此平台集成了多种层次模拟软件Geant4、TCAD、Nanosim,数据记录处理软件ROOT,版图处理软件Calibre,以及用于任务链接和结果分析的Perl和shell脚本。利用该平台,对以字线划分设计的3D SRAM和同等规模的2D SRAM分别进行软错误分析,并对分析结果进行了对比。对比分析表明2D 和3D SRAM的翻转截面几乎相同,但3D SRAM单个字中发生的软错误要比2D SRAM更严重,导致难以使用ECC技术对其进行加固。静态模式下2D SRAM和3D SRAM敏感节点均分布于存储阵列中,表明静态模式下逻辑电路不会引发软错误。     

基于压电薄膜传感器的穿戴式健康监测体域网系统

为实现脉搏、呼吸、血压等重要生理信号的连续运动监测,研制了一种基于压电薄膜传感器的穿戴式健康监测体域网系统。体域网系统利用放置于弹性织物(腰带、腕带)内部的压电薄膜传感器获取人体脉搏波、呼吸波等生理信号。根据压电薄膜传感器监测到的呼吸信号的几何特征提出一种状态识别算法,可区分站立、走、跑、坐、躺、睡眠等状态。利用脉搏波传导时间与血压的关系计算佩戴者的收缩压和舒张压,实现无压迫血压监测。系统通过蓝牙实现体域网节点的互通信,利用穿戴显示设备和移动终端实现数据显示,实现了脉搏、呼吸、血压的连续运动监测。     

利用时间谱信息融合的空中目标分类算法

时间谱信息(目标的航迹、速度、机动性、空间坐标信息)揭示了目标空间状态随时间的变化特性,从而可利用目标的时谱简化(或缩小)待识别目标的范围。将低分辨雷达测量得到的高度、速度、加速度作为目标特征,建立典型空中目标对各特征的模糊隶属函数,进而采用改进的证据推理进行分类判决。结果表明利用时间谱信息可为雷达空中目标识别提供有效辅助手段。     

基于专家系统的弹道导弹目标识别方法

传统Dempster-Shafer(D-S)算法及其改进算法中,一般将冲突证据与不冲突证据统一融合,无论融合过程中冲突证据所占权重多小,这都将降低融合效率。针对这个问题,引入专家系统理论,面向信息融合中证据冲突的问题,将冲突证据与无冲突证据分组,构建了基于专家信任度的弹道导弹目标识别模型和专家知识库模型,从工程上设计了弹道导弹目标识别专家知识库系统,提出了两种专家知识权重确立方法,并通过实例以及仿真,验证了算法的可行性。     

一种应用于超大数据库的人脸识别方法

针对数据库中待识别人脸数目巨大,计算困难的问题,提出了一种基于小波变换和主成分分析的人脸识别方法。该方法首先对数据库中的人脸进行小波变换,然后对小波变换后的图像进行主成分分析提取特征,将特征送入BP神经网络进行训练、识别。经过对比实验,结果表明：该方法可以在保证较高识别率的前提下,大大降低数据维数,从而该方法可以应用于超大数据库的人脸识别。     

基于TOA差值矩阵的雷达脉冲序列PRI识别方法

针对雷达脉冲序列的主要特点,利用TOA(脉冲到达时间)差值矩阵探索PRI(脉冲重复间隔)的识别问题.设计了一种新方法,首先由TOA序列求出TOA差值矩阵,再求出TOA差值矩阵的逆矩阵,分析TOA差值矩阵逆矩阵的特殊结构,得到PRI的识别结果.通过研究重频固定、脉冲丢失和重频参差三种情况下的PRI识别问题,说明了该方法用于雷达脉冲序列PRI识别的可行性.     

一种新的基本概率函数构建方法及应用

针对Dempster-Shafer(D-S)证据推理中基本概率赋值函数的构造问题,基于模糊聚类分析给出了一种新的构建方法.将它应用到雷达目标识别的仿真实验中,并与灰关联法相比较,结果表明该方法切实可行,不仅提高了基本概率赋值的准确性和稳定性,而且利用了数据的结构信息,有效缓解了证据的冲突.     

人工神经网络特征优化方法在模式识别中的应用

在模式识别中,特征量的选择及组合优化是设计模式识别系统的关键问题,它强烈地影响到分类器的设计及其性能。人工神经网络除了在模式识别中作为分类器应用之外,而且能够实现特征参数的提取。通过采用人工神经网络模型,对柴油机故障的特征量优化方法进行了研究,实现了对柴油机故障的特征提取及优化。