方正文
- 作品数：3 被引量：7H指数：2
- 供职机构：安徽大学计算机科学与技术学院计算智能与信号处理教育部重点实验室更多>>
- 发文基金：国家自然科学基金安徽省自然科学基金国家教育部博士点基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于静态足底压力特征的步态识别算法研究
- 近些年来，随着生物识别技术的迅速发展，一种新的生物特征——步态特征逐渐成为模式识别领域的一个研究前沿。传统的步态识别方法是基于视频流数据，通过摄像头采集人行走的姿态。这种步态识别研究时间较长，成果也颇丰，但是不足之处在于...
- 方正文
- 关键词：步态识别足底压力HU矩支持向量机非负矩阵分解模糊聚类
- 文献传递
- 基于双正交非负矩阵三因式的肿瘤识别被引量：1
- 2015年
- 基因表达谱数据分析已经逐渐成为疾病诊断和分类的常规步骤.目前人们对NMF(nonnegative matrix factorization)的大多数研究都专注于二因式分解.论文另辟蹊径,对BONMTF(bi-orthogonal nonnegative matrix tri-factorization)算法进行了系统化的分析,利用此算法得到表征样本属性的矩阵,并将其应用于基因表达谱数据分析,提高了样本识别率.实验采用4组具有代表性的肿瘤基因表达谱数据,其结果证明了论文方法针对不同数据集的识别率都比传统方法有所提高,具有一定的可行性及应用前景.
- 谭青青王年苏亮亮方正文
- 一种基于低维足底压力特征的静态步态聚类算法被引量：2
- 2015年
- 为了探究足底压力特征在身份识别中的应用,提出了一种静态步态聚类算法。该算法首先从压力测试板提取的静态数据中提取当前常用的足底压力特征,包含全局及局部特征,形成特征向量来表征样本对象;接着利用非负矩阵分解方法(non-negative matrix factorization,NMF)获取样本在变换特征空间中的映射及低维表示;最后结合模糊C-均值算法(fuzzy C-means algorithm,FCM)对降维后的样本对象进行聚类识别。实验结果显示该算法的聚类正确率达到90%左右;同时与其他算法对比,该算法在精度上具有较大的优势。经过实验验证与对比分析,该算法将样本数据压缩到极低维特征空间时,仍有效保留了样本类别信息,进而得出结论,该算法提取出的足底压力特征是有效的、可行的。
- 方正文王年江晋剑鲍文霞
- 关键词：静态数据足底压力非负矩阵分解模糊C-均值算法
