利用人体部位特征重要性进行行人再识别

提出了一种基于人体部位特征重要性的行人再识别算法,该算法首先提取人体各部位的颜色、纹理以及形状等特征,然后对多个行人样本的每个部位分别进行聚类分析,使用误差积累的方法为每个分类计算一种更适合该分类的部位特征重要性权值向量,使得不同类型特征能更有效地应用在其适合的外观上。在公共数据集VIPeR上进行了实验,通过积累匹配特性（cumulative matching characteristic,CMC）曲线对实验结果进行评价,结果表明,该算法具有较高的再识别率,且对行人视角转换、光照变化、环境嘈杂和物体遮挡有较好的鲁棒性。     

基于扩展场强模型的稀疏AQI空间插值新算法

针对空气质量指数（AQI）监测点分布稀疏,现有空间插值算法精度不高问题,提出了新的扩展场强模型与算法。扩展场强单参数模型引入参数c控制场强衰减程度,通过c与误差关系图并借助二分查找法计算最优c值。扩展场强双参数模型加入参数k调整场强影响范围,通过c、k与误差关系图并借助迭代双线性插值法求解最优c、k组合。以北京、天津、武汉、郑州四个城市2014-08~2015-04的50组AQI监测值为实验数据,采用交叉验证法并以RMSE、AME、PAEE为评价指标,实现了单参与双参模型及参数选取,然后与克里金法及类似的反距离加权法进行对比。实验证明,扩展场强模型能够得到针对稀疏AQI的更高插值精度,且双参数模型精度高于单参数模型。本文算法适用于采样点数目与位置均固定的稀疏数据插值,并可推广至其他类型与维度的空间数据。