针对人脸图像不完备的问题和人脸图像在不同视角、光照和噪声下所造成训练样本污损的问题,提出了一种快速的人脸识别算法——RPCA_CRC。首先,将人脸训练样本对应的矩阵D0分解为类间低秩矩阵D和稀疏误差矩阵E;其次,以低秩矩阵D为基础,得到测试样本的协同表征;最后,通过重构误差进行分类。相对于基于稀疏表征的分类(SRC)方法,所提算法运行速度平均提高25倍;且在训练样本数不完备的情况下,识别率平均提升30%。实验证明该算法快速有效,识别率高。
针对移动网络对电影服务系统提出的更高要求和电影领域知识描述的不足，阐述构建电影领域本体(MO)的必要性和可行性：首先，概述电影本体的对象和组成，提出构建电影领域本体模型的原则和方法，利用OWL和Protege 4.1构建模型；其次，详细说明电影本体的类、属性、实例、公理和推理规则的具体表述；最后，分析电影本体的一致性，包括类间关系的一致性分析和基于公理的一致性分析。
