基于极大紧邻子树和神经网络的聚类分类模型及其在生物特征识别中的应用

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    60775010
  • 项目类别：
    面上项目
  • 资助金额：
    31.0万
  • 负责人：
    李玉鑑
  • 依托单位：
    北京工业大学
  • 学科分类：
    F0605.模式识别与数据挖掘
  • 结题年份：
    2010
  • 批准年份：
    2007
  • 项目状态：
    已结题
  • 起止时间：
    2008-01-01 至2010-12-31

项目摘要

聚类、分类模型及其应用一直是模式识别研究的重点问题和热点问题。本项目将研究一种基于极大紧邻子树和神经网络的聚类分类模型，该模型既能对训练样本集形成任意形状的聚类，又能直接计算新样本的类别。一方面，通过发展基于极大紧邻子树的快速聚类算法，提高该模型计算速度和分析效率；另一方面，通过结合常用的图像处理方法以及归一化编辑距离和隐马尔可夫模型等基本工具，为该模型建立一个软件仿真平台，将其应用于眉毛、人脸和虹膜等生物特征识别技术，并通过在考勤管理系统中的具体应用验证眉毛作为一种新生物特征使用的可行性和实用性。本项目的研究，不仅将通过一种新的聚类分类模型丰富模式识别的相关理论内容，而且将为解决眉毛、人脸和虹膜等生物特征或其它类型的识别问题提供一种新的基本思路，此外还可能为解决金融、司法、刑侦以及考勤管理等方面的身份鉴别问题提供眉毛识别这种新颖的、有效的技术手段。

结项摘要

项目成果

期刊论文数量（18）
专著数量（0）
科研奖励数量（0）
会议论文数量（3）
专利数量（0）
基于半监督学习的眉毛图像分割方法
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    计算机工程与应用
  • 影响因子：
    --
  • 作者：
    李玉鑑;张晨光
  • 通讯作者：
    张晨光
分块递归序列比对算法
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    北京工业大学学报
  • 影响因子：
    --
  • 作者：
    王方圆;李玉鑑
  • 通讯作者：
    李玉鑑
基于AdaBoost的眉毛检测与定位
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    计算机与数字工程
  • 影响因子：
    --
  • 作者：
    李厚君;李玉鑑
  • 通讯作者：
    李玉鑑
基于离散HMM的眉毛识别方法研究
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    中国图象图形学报
  • 影响因子：
    --
  • 作者：
    李玉鑑;李星立
  • 通讯作者：
    李星立
二维隐马尔可夫模型的几个等价定义
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    北京工业大学学报
  • 影响因子：
    --
  • 作者：
    李玉鑑
  • 通讯作者：
    李玉鑑

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--"}}
  • 发表时间：
    {{ item.publish_year || "--" }}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--"}}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ monograph.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ patent.updateTime }}

其他文献

基于弱监督和半监督学习的红外舰船分割方法
  • DOI：
    10.6040/j.issn.1672-3961.0.2021.329
  • 发表时间：
    2022
  • 期刊：
    山东大学学报. 工学版
  • 影响因子：
    --
  • 作者：
    尹旭;刘兆英;张婷;李玉鑑
  • 通讯作者：
    李玉鑑
利用自然最近邻的不平衡数据过采样方法
  • DOI：
    10.3778/j.issn.1002-8331.1910-0218
  • 发表时间：
    2021
  • 期刊：
    计算机工程与应用
  • 影响因子：
    --
  • 作者：
    孟东霞;李玉鑑
  • 通讯作者：
    李玉鑑
组合凸线性感知器的极大切割构造方法
  • DOI：
    --
  • 发表时间：
    2014
  • 期刊：
    自动化学报
  • 影响因子：
    --
  • 作者：
    冷强奎;李玉鑑
  • 通讯作者：
    李玉鑑
近似最小树的哈希Dijkstra算法
  • DOI：
    --
  • 发表时间：
    2011
  • 期刊：
    北京工业大学学报
  • 影响因子：
    --
  • 作者：
    李玉鑑;李厚君
  • 通讯作者：
    李厚君
软间隔组合凸线性感知器设计
  • DOI：
    10.1093/mnras/stv2425
  • 发表时间：
    2013
  • 期刊：
    模式识别与人工智能
  • 影响因子：
    --
  • 作者：
    冷强奎;李玉鑑
  • 通讯作者：
    李玉鑑

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--" }}
  • 发表时间：
    {{ item.publish_year || "--"}}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--" }}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}
empty
内容获取失败，请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题，我已根据课题信息分析并撰写以下内容，帮您拓宽课题思路：

AI项目思路

AI技术路线图

李玉鑑的其他基金

组合凸线性感知器的构造及其应用
  • 批准号：
    61175004
  • 批准年份：
    2011
  • 资助金额：
    58.0 万元
  • 项目类别：
    面上项目

相似国自然基金

{{ item.name }}
  • 批准号：
    {{ item.ratify_no }}
  • 批准年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号：
    {{ item.ratify_no }}
  • 财政年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者：{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目：调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要：

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题，其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子，其表达水平对抗病毒防御至关重要。然而，TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用，影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法，探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用，为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义，并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路：

科学问题：TRIM2如何调控A型流感病毒诱导的IFN-β表达？
前期研究：已有研究表明TRIM2参与抗病毒反应，但其具体机制尚不明确。
研究创新点：本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线：包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术：TRIM2与病毒RNA的相互作用分析，IFN-β启动子活性检测。
实验模型：使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
关闭
close
客服二维码