面向手写汉字识别的残差深度可分离卷积算法

卷积神经网络(CNN)在脱机手写汉字识别领域取得了杰出的研究成果。采用更深层卷积神经网络可取得更高识别准确率,但是模型容量和计算复杂度也会增加,将模型部署到存储资源和计算力有限的移动设备上变得更加困难。为解决上述问题,提出一种基于深度可分离卷积的残差卷积神经网络。深度可分离卷积将标准卷积操作分离成特征提取和特征融合,逐深度卷积被用于特征提取,特征融合采用逐点卷积实现。使用深度可分离卷积改进残差网络,实现较深层的残差网络。模型使用联合的中心损失函数和softmax损失函数进行监督训练,可使模型学习具有判别性特征,提高了模型识别准确率。采用CASIA-HWDB数据集进行实验,结果表明该方法具有较低的模型容量和计算复杂度,能够达到96.50%的主流识别率。     

基于概率神经网络和贝叶斯判别模型对手写字体识别的研究

通过建立概率神经网络和贝叶斯判别模型对手写字体进行了研究,主要对样本二值图像进行分析,运用Matlab工具箱,将样本数据进行训练后对检验图片进行判别,同时对噪声干扰下的判别效果进行了对比。发现机器识别性能比人工识别差距较大,提出可以通过与Logistic回归、支持向量机等模型进行综合评判,同时对样本数据中异常值在识别错误后予以剔除再进行训练,提高模型判别精度。     

不确定环境下风险变量的止损序比较

风险变量有多种比较方法,本文引入停止损失序这样一种新的比较方法.本文首先给出了不确定风险变量停止损失序的概念并研究了相关性质,其次引出了停止损失距离的定义,最后研究了停止损失序的判别并将其应用于最优再保险中.     

基于net的核判别分析的手写体识别

提出了一种新的基于核判别分析的手写汉字识别方法。核判别是对线性判别式分析的非线性判别分布的扩展。阐述了核判别分析法的基本原理,建立了核判别分析手写体识别模型,研究分析了核判别分析手写体识别模型的缺陷并提出了优化策略。在此基础上,采用C#与核判别分析相结合的算法,更好地展示了核判别算法的算法优势,采用高级语言提高了网络的学习训练速度和识别效果。     

制造业财务预警模型研究

章通过对单变量模型、多元判别分析模型和Logistic回归模型的分析和比较,发现行业模型的变量选取和预测准确性均有所不同。多元判别分析模型对新数据适合性较好,Logistic模型对原数据拟合性最好。通过行业模型的研究找出了制造业独特的预测指标,最后利用新样本对各模型的适应性作了检验。     

基于特征关联和多损失融合的行人再识别方法

为增强遮挡场景下所提取行人特征的判别力,有效挖掘样本类别信息,提出了一种基于特征关联和多损失融合的行人再识别方法.首先利用姿态估计器生成的人体关键点作为辅助信息,引导模型关注行人图像未被遮挡区域,提取姿态引导的全局特征;其次引入全局对比池化模块,将平均池化和最大池化的特性进行融合,提取对背景噪声和遮挡抗干扰性更强的全局...     

应用贝叶斯判别构建信用评级模型

随着电子商务全球化的加速,经济金融环境愈加复杂.对投资者而言,依据投资对象可靠的信用状况信息作为参考,有效而及时判断该公司当前的经营状况,控制风险,可以有效地起到防患于未然的作用,降低投资者的投资成本和风险.本文通过定义损失函数,构建基于贝叶斯判别的信用评级模型,提供了风险准确预测的方法,为电子商务项目管理提供保障.     

高维数据的距离判别方法

针对高维数据的判别问题,采用改进的主成分分析法进行降维,按85%的贡献率提取判别数据的主成分,然后以近邻原则建立距离判别准则,并以该准则对待判样品进行判别归类.实例表明,对于高维数据的判别问题,通过降维的方法,有助于提高判别模型的判别正确率.     

谈时间序列分析的稳定性

对随机环境下时间序列模型的稳定性进行了研究,并得到了该模型伴随几何遍历的一个判别准则。     

上市公司财务失败非线性预警模型

分析了上市公司财务失败线性模型的缺欠,即线性补偿和增补效应不变;提出了解决问题的方法--建立非线性模型.与线性模型相比,非线性预警模型提高了模型的判别和预测能力.     

基于DEA-DA模型的区域规划方法研究

DEA-DA模型是基于数据包络分析(Data Envelopment Analysis简记DEA)的判别分析(Discriminate Analysis,简称 DA)方法.该方法通过DEA加性模型和 DA结合,不仅可以给出判别函数,而且可以很好地解决判别分析中的“重叠”现象,使得DA方法更具灵活性.判别函数在第二步判定结果中若出现函数值与判别值相等的情况,则可以运用判别分析结果进行续判,最终可以得到全面、客观的评价结果.该模型可以成功地应用到区域规划中.本文给出了应用例证.     

元音识别的几种分类模型的比较与分析

根据元音数据处理方法和选取的特征,提出了三种基于统计学的模式分类方法:线性判别、二次判别和k-最近邻,并通过模型选择方法,对实际数据进行测试与比较,得出k-最近邻分类模式最为合适,同时提出进一步改进的思路。     

Kernel Model Applied in Kernel Direct Discriminant Analysis for the Recognition of Face with Nonlinear Variations

A kernel-based discriminant analysis method called kernel direct discriminant analysis is employed, which combines the merit of direct linear discriminant analysis with that of kernel trick. In order to demonstrate its better robustness to the complex and nonlinear variations of real face images , such as illumination, facial expression, scale and pose variations, experiments are carried out on the Olivetti Research Laboratory, Yale and self-built face databases. The results indicate that in contrast to kernel principal component analysis and kernel linear discriminant analysis, the method can achieve lower (7%) error rate using only a very small set of features. Furthermore, a new corrected kernel model is proposed to improve the recognition performance. Experimental results confirm its superiority (1% in terms of recognition rate) to other polynomial kernel models.     

判别分析法及其在教育评估中的应用

判别分析是多元统计分析的一种方法,已在物种分类、经济分析、地质勘探、天气预报等诸多领域得到广泛的应用。本文首先介绍了判别分析的数学模型和求解方法,然后结合第十次新增博士学位授予单位的实际评审材料,阐述了判别分析方法在此类评估中的应用,以期该定量分析方法能在教育评估领域得到有效的利用。     

Fisher判别分析及其应用

判别分析法是根据所研究个体的观测值来构建一个综合标准用来推断个体属于已知种类中哪一类的方法。 Fisher判别分析法是一种非常重要而且应用极为广泛的判别分析法。文章介绍了Fisher判别分析法的数学思想,详细阐述了在两个总体和多个总体情况下它的判别函数以及判别准则。之后通过举例说明了Fisher判别分析法在解决实际问题中的具体应用。     

基于分片逆回归方法的线性与非线性判别分析的应用比较

所统计分析的数据集是前列腺癌基因数据集.采用分片逆回归方法和线性判别分析(LDA),二次判别分析(QDA).对基因芯片(微阵列)数据进行分析.用SIR降维,用LDA和QDA分类.讨论分片逆回归方法和二种方法对基因样本进行分类的效果.     

晶体的X射线衍射物相分析方法研究

该文提出了一种基于多元判断分析算法的晶体物相分析模型,开展了晶体的X射线衍射物相分析研究。模型利用主成分分析算法提取晶体衍射谱的特征信息,结合光谱角匹配和相关系数算法对衍射谱的轮廓和相关度进行分析。实验测量了单晶和多晶物质的X射线衍射谱,构建了样本数据库,利用模型对实测衍射谱进行了物相分析。样本的训练结果表明,与单一的物相分析算法相比,多元判断分析算法对实测的衍射谱具有更高的识别精度,相似度最接近的两种晶体的SD值可达0.8,实现了对晶体物相类别的精确识别。     

二维非线性鉴别分析及人脸识别

二维最大散度差线性鉴别分析方法不仅有效地避免了在人脸识别中传统的Fisher线性鉴别分析通常存在的“小样本问题”,而且使其特征抽取的速度有了大幅度的提高．本文通过引入著名的“核技巧”,将二维最大散度差线性鉴别分析扩展到非线性空间,提出了一种新的二维核最大散度差鉴别分析方法．该方法不仅抽取了图像中更加有效的非线性鉴别特征,使正确识别率显著提高,而且为二维非线性鉴别分析提供了一个统一的构架．最后在AR标准人脸库中的实验结果验证了本文算法的有效性．