人脸表情特征选择是人脸表情识别研究领域关注的一个热点.结合量子遗传算法与邻域粗糙集理论,提出一种新的人脸表情特征选择方法FSNRSTQGA (Feature Selection based on Neighborhood Rough Set Theory and Quantum Genetic Algorithm)...
详细信息
人脸表情特征选择是人脸表情识别研究领域关注的一个热点.结合量子遗传算法与邻域粗糙集理论,提出一种新的人脸表情特征选择方法FSNRSTQGA (Feature Selection based on Neighborhood Rough Set Theory and Quantum Genetic Algorithm).首先,以邻域粗糙集理论为基础,定义了最优特征集的适应度函数,来评价表情特征子集的选择效果;其次,结合量子遗传算法进化策略,提出了一种表情特征选择方法.Cohn-Kanade表情数据集上的仿真实验结果表明了文中方法的有效性.
针对带有灵活通配符和长度约束的近似模式匹配问题(APMWL,Approximate Pattern Matching with Wildcards and Length constraint)进行研究,为避免文本字符重复使用造成解的指数级增长,引入一次性使用原则one_off条件,提出一种基于后向...
详细信息
针对带有灵活通配符和长度约束的近似模式匹配问题(APMWL,Approximate Pattern Matching with Wildcards and Length constraint)进行研究,为避免文本字符重复使用造成解的指数级增长,引入一次性使用原则one_off条件,提出一种基于后向构造编辑距离矩阵的BAPM(Backward Approximate Pattern Matching)算法.该算法在one_off条件、灵活通配符以及长度约束条件的基础上,可同时处理插入、替换和删除3种编辑操作.与同类算法Sail_Approx进行了实验对比,结果表明BAPM算法获取解的平均增长率可达18.99％,具备良好的解优势.
带通配符约束的模式匹配是热点的研究问题.在一个给定的文本和带灵活通配符的模式中,计算模式在文本中的出现次数是个非常困难的问题.提出了一个时间复杂度和空间复杂度分别为O(n+m+a)和O(m+B)的算法TAIL (paTtern mAtching with wiLdca...
详细信息
带通配符约束的模式匹配是热点的研究问题.在一个给定的文本和带灵活通配符的模式中,计算模式在文本中的出现次数是个非常困难的问题.提出了一个时间复杂度和空间复杂度分别为O(n+m+a)和O(m+B)的算法TAIL (paTtern mAtching with wiLdcards),其中n和m分别表示文本和模式的长度,a是所有子模式在文本中出现的数目,B是模式中通配符间距下限的总和.解决此问题,先前最好算法的时间复杂度和空间复杂度分别是O(nm2w2)和O(mw),其中w是模式中最大通配符间距.对真实和人工的数据进行了实验,结果进一步验证了TAIL算法比其他算法更加稳定和有效.
暂无评论