大连民族大学硕士学位论文排版打印格式

[22]样本集合X={x1,x2,...,x15}为从概率空间（Ω,F,Ρ）观察到的15个样本，F={f1,f2,……,f16}为16个特征属性，样本xi=(wi1,wi2,……,wi16),i=1,2,……,15,令wi1=f1(xi)为样本xi的左眼宽；wi2=f2(xi)为样本xi的外眼角宽；wi3=f3(xi)为样本xi的鼻宽；……wi16=f16(xi)为样本xi的眼长轴与眉长轴夹角；设cij和σij分别为Cj类别包含的样本中特征属性fi的均值和标准方差，i=1,2,……,16，j=1,2,3.针对每个类别的样本构建模糊概念描述。设M={mij|1≤i≤16，1≤j≤6}为特征属性的模糊概念描述，模糊概念描述m∈M如下所示：样本集合X={x1,x2,...,x15}为从概率空间（Ω,F,Ρ）观察到的15个样本，F={f1,f2,……,f16}为16个特征属性，样本xi=(wi1,wi2,……,wi16),i=1,2,……,15,令wi1=f1(xi)为样本xi的左眼宽；wi2=f2(xi)为样本xi的外眼角宽；wi3=f3(xi)为样本xi的鼻宽；……wi16=f16(xi)为样本xi的眼长轴与眉长轴夹角；设cij和σij分别为Cj类别包含的样本中特征属性fi的均值和标准方差，i=1,2,……,16，j=1,2,3.针对每个类别的样本构建模糊概念描述。设M={mij|1≤i≤16，1≤j≤6}为特征属性的模糊概念描述，模糊概念描述m∈M如下所示：在特征属性fi左眼宽：m1,1:左眼宽接近维吾尔族“左眼宽”C1,1,m1,2反之于m1,1，表示远离C1,1；m1,3:左眼宽接近藏族“左眼宽”C1,2,m1,4反之于m1,3左眼宽远离C1,2；m1,5:左眼宽接近壮族“左眼宽”C1,3,m1,6反之于m1,5左眼宽远离C1,3；在特征属性f2外眼角宽：m2,1:外眼角宽接近维吾尔族“外眼角宽C2,1,m2,2反之于m2,1，表示远离m2,1；m2,3:外眼角宽接近藏族“外眼角宽”C2,2,m2,4反之于m2,3表示远离m2,3；m2,5:外眼角宽接近壮族“外眼角宽”C2,3,m2,6反之于m2,5表示远离m2,5；然后利用不同特征属性fi构建相应的隶属度函数，对于每个模糊概念mij∈M，其权重度量函数可采用公式(1)和公式（2）进行求解，对于任意x∈Ω,i=1,2,3,4j=2k-1;k=1,2,3(1.1)i=1,2,3,4j=2k-;k=1,2,3(1.2)要准确对训练数据以外的数据进行预测和泛化，需要在样本概率空间概率空间（Ω,F,Ρ）对概率密度进行计算，设概率密度为p(x)从P（多重正态分布）进行估计，如公式(3)所示。(1.3)通过这种方式就可以样本的分布构建模糊公理概念进行相应的计算。进而对人脸的族群特征进行更为准确的数学和语义描述。表1.1部分民族数据统计Tab.1.1Partofthenationalstatisticaldata民族人口数量人口比例分布区域汉族1,220,844,52091.64%壮族16,926,3811.27%广西满族10,387,9580.78%吉林维吾尔族10,069,3460.76%新疆藏族6,282,1870.47%西藏蒙古族5,981,8400.45%内蒙古朝鲜族1,830,9290.14%吉林人脸蕴含着丰富的信息，对于一个人的人脸自动处理与分析系统，人脸检测是关键性的一步，其检测的精度与效率对系统有着决定性的影响[21]。早期的人脸检测技术主要针对黑白照片进行处理，而随着时代的发展人脸检测逐渐从单一的图片逐渐发展到了多维多面多姿态检测技术，目前比较成熟的动态人脸检测技术，能为今后复杂场景下提供更精准的判别人脸。而今后的发展方向主要围绕着多维人脸的研究。随着人脸检测技术的不断发展，在复杂环境中处理图像和场景的能力正不断的提高，同时识别率也不断的提升。而对目前在特定环境下，通过几年来不断的探索取得了较为成熟的实践经验，并使得人脸检测系统成为较为成熟的技术。但是对于复杂环境下，如特征点定位的浮动和分辨率，以及数据可靠性等问题，对于最新的人脸检测技术来说还是有明显的不足。人脸检测技术涵盖了计算机视觉，生物模式识别，心理学等多个学科的内容。使得人脸检测技术在以后甚至更长远的时间内仍然具有可继续探索的价值。人脸检测（facedetection）是指确定图像或视频中的人脸的位置和范围。具体来说是确定图像或视频中的面部的局部器官的坐标。这个过程为后续的实验提供有效的数据。相关的算法主要是研究不同的光照和噪声的环境下，当人脸处于不同的姿态和角度，不同大小的人脸，不同的表情，存在遮挡以及不同图像质量下的人脸检测。如图2.1所示是在复杂环境中对人脸进行检测。对于人脸表情数据集，数据样本i对应的谱系类别为向量Ci={c1,…,cn}，且c1+c2+,…,+cn=1，ci∈[0,1]；样本i的特征描述集谱为Mi={m1,…,ms}，其中Mj={mj1,…,mjT}是人脸的第j个部件属性的描述集，隶属度函数计为，样本m类别对应谱系类别为；然后根据未知族群人脸的民族属性隶属度，计算相关度向量集，。用多民族人脸库中数据样本通过AFS理论构建隶属度函数可为族群谱系研究提供新的研究思路和技术手段，但研究还发现AFS理论集中特征属性的模糊公理化体系构建，对于人脸族群谱系特征问题为代表的谱系类别属性模糊公理化体系还不完善，项目拟对模糊多类属性的AFS理论进行应用研究，进而构建科学的人脸族群谱系描述方法，为多民族表情AU识别提供更多先验信息提高表情分析的准确率。1.1.1结构歧义然而与形式语言的分析相比，应用计算机进行自然语言的结构分析却远非一件容易的工作。大连民族大学硕士学位论文第二章类谱分析方法－PAGE9－第二章类谱分析方法2.1研究背景样本集合X={x1,x2,...,x15}为从概率空间（Ω,F,Ρ）观察到的15个样本，F={f1,f2,……,f16}为16个特征属性，样本xi=(wi1,wi2,……,wi16),i=1,2,……,15,令wi1=f1(xi)为样本xi的左眼宽；wi2=f2(xi)为样本xi的外眼角宽；wi3=f3(xi)为样本xi的鼻宽；……wi16=f16(xi)为样本xi的眼长轴与眉长轴夹角；设cij和σij分别为Cj类别包含的样本中特征属性fi的均值和标准方差，i=1,2,……,16，j=1,2,3.针对每个类别的样本构建模糊概念描述。设M={mij|1≤i≤16，1≤j≤6}为特征属性的模糊概念描述，模糊概念描述m∈M如下所示：在特征属性fi左眼宽：m1,1:左眼宽接近维吾尔族“左眼宽”C1,1,m1,2反之于m1,1，表示远离C1,1；m1,3:左眼宽接近藏族“左眼宽”C1,2,m1,4反之于m1,3左眼宽远离C1,2；m1,5:左眼宽接近壮族“左眼宽”C1,3,m1,6反之于m1,5左眼宽远离C1,3；在特征属性f2外眼角宽：m2,1:外眼角宽接近维吾尔族“外眼角宽C2,1,m2,2反之于m2,1，表示远离m2,1；m2,3:外眼角宽接近藏族“外眼角宽”C2,2,m2,4反之于m2,3表示远离m2,3；m2,5:外眼角宽接近壮族“外眼角宽”C2,3,m2,6反之于m2,5表示远离m2,5；然后利用不同特征属性fi构建相应的隶属度函数，对于每个模糊概念mij∈M，其权重度量函数可采用公式(1)和公式（2）进行求解，对于任意x∈Ω,i=1,2,3,4j=2k-1;k=1,2,3(2.1)i=1,2,3,4j=2k-;k=1,2,3(2.1)要准确对训练数据以外的数据进行预测和泛化，需要在样本概率空间概率空间（Ω,F,Ρ）对概率密度进行计算，设概率密度为p(x)从P（多重正态分布）进行估计，如公式(3)所示。(2.3)通过这种方式就可以样本的分布构建模糊公理概念进行相应的计算。进而对人脸的族群特征进行更为准确的数学和语义描述。此外，由于人类迁徙、融合过程中族群面部特征都在发生变化，人脸往往具有多个族群的特征，并不是单一的、非此即彼的关系，而是一个“族群谱系特征”。人脸的族群谱系具有主观不确定性：人类认知和感知的不确定性，同时也存在客观不确定性：族群记录不准确、随机性或数据缺失等因素。如何处理人脸族群谱系中的属性的不确定性成为该问题解决的关键。对于人脸表情数据集，数据样本i对应的谱系类别为向量Ci={c1,…,cn}，且c1+c2+,…,+cn=1，ci∈[0,1]；样本i的特征描述集谱为Mi={m1,…,ms}，其中Mj={mj1,…,mjT}是人脸的第j个部件属性的描述集，隶属度函数计为，样本m类别对应谱系类别为；然后根据未知族群人脸的民族属性隶属度，计算相关度向量集，。用多民族人脸库中数据样本通过AFS理论构建隶属度函数可为族群谱系研究提供新的研究思路和技术手段，但研究还发现AFS理论集中特征属性的模糊公理化体系构建，对于人脸族群谱系特征问题为代表的谱系类别属性模糊公理化体系还不完善，项目拟对模糊多类属性的AFS理论进行应用研究，进而构建科学的人脸族群谱系描述方法，为多民族表情AU识别提供更多先验信息提高表情分析的准确率。2.1.1结构歧义然而与形式语言的分析相比，应用计算机进行自然语言的结构分析却远非一件容易的工作。大连民族大学硕士学位论文参考文献

参考文献J.DAUGMAN.Uncertaintyrelationforresolutioninspace,spatialfrequencyandorientationOptimizedbytwo-dimensionalvisualcorticalfilters[J].JournaloftheOpticalSocietyofAmericaA,1985,2(7):1160-1169.王思纯,陶明锐.铁路机车司机驾驶疲劳状况调查[J].中国职业医学,2007,34(3):259-260.WierwilleWW,EllswortLA,WreggitSS,etal.Researchonvehicle-baseddriverstatus/performancemonitoring;development,validation,andrefinemenofalgorithmsfordetectionofdriverdrowsiness,DOTHSs808247[R].[S.1.]：OfficeofCrashAvoidanceResearchNationalHighwayTrafficSafetyAdministration,1994.KniplingRR,WierwilleWW.Vehicle-baseddrowsydriverdetection:currentstatusandfutureprospect[C]//IVHSAmericaFourthAnnualMeeting,Atlanta,GA,1994.DingesDF,MallisMM.Afinalreport:evaluationoftechniquesforocularmeasurementasanindexoffatigueandasthebasisforalertnessmanagementDOTHS808762[R].[S.1]:NationalHighwayTrafficSafetyAdministration,1998.牛清宁.基于信息融合的疲劳驾驶检测方法研究[D].吉林大学,2014.BartlettFC,Ferrierlecture:fatiguefollowinghighlyskilledwork[J].ProceedingsoftheRoyalSociety,SeriesB,1943,131:247-257.GrandjeanE.Fatigueinindustry[J].BritishJournalofIndustrialMedicine,1979,36:175-186.周宝宽.中医疲劳与亚健康研究[D].辽宁中医学院,2003.刘刚.基于眼睛状态判断的疲劳检测[D].大连理工大学,2013.KecklundG,AkerstedtT,Sleepinessinlongdistancetruckdriving:anambulatoryEEGstudyofnightdriving.Stockholm,Sweden:DepartmentofStressResearchandNationalInstituteforPsychosocialFactorsandKarolinskaInstitute,1998,36(9):1007.吴康华.基于PERCLOS的驾驶疲劳检测系统设计[D].浙江大学.2008.梅丹,李宏汀,李文书.基于生理信号的汽车驾驶疲劳检测探究综述[J].人类工效学,2012(1):67-69.大连民族大学硕士学位论文致谢

致谢（致谢要自己好好写，会被查重的，要重视）岁月如歌，光阴似箭，两年的研究生生活即将结束。经历了找工作的喧嚣与坎坷，我深深体会到了写作论文时的那份宁静与思考。回首两年的求学历程，对那些引导我、帮助我、激励我的人，我心中充满了感激。首先要感谢导师XX教授，论文定题到写作定稿，倾注了许老师大量的心血。在我攻读硕士研究生期间，深深受益于许老师的关心、爱护和谆谆教导。他作为老师，点拨迷津，让人如沐春风；作为长辈，关怀备至，让人感念至深。能师XXXXXX老师，我为自己感到庆幸。在此谨向XXX老师表示我最诚挚的敬意和感谢！还要感谢XXX教授。李老师在论文的写作中给予了许多指导与建议，谨在此表示衷心的感谢。同时，我要感谢所有教导过我、关心过我的老师。特别是统计学院的XXX教授XX老师。你们为我的学业倾注了大量心血，你们为人师表的风范令我敬仰，严谨治学的态度令我敬佩。还要感谢感谢XX老师其他各位老师对我的一贯帮助！感谢一直关心与支持我的同学和朋友们！我的朋友，XXX，感谢你们的鼓励和帮助。还要感谢的是我寝室的姐妹XXX，师兄XXX以及统计学院2005级全体研究生同学。两年来，我们朝夕相处，共同进步，感谢你