近日，科技部中国科学技术信息研究所发布《年中国科技论文统计报告》，评选出“中国百篇最具影响国际学术论文”、“中国百篇最具影响国内学术论文”。

北京石油化工学院林小竹教授团队的研究成果——“基于跨连接LeNet-5网络的面部表情识别”发表于《自动化学报》44卷第1期上，成功入选年中国百篇最具影响国内学术论文，成为学校首次上榜的论文。

“年中国百篇最具影响国内学术论文”选取—年中国科技论文与引文数据库收录的科技论文，累计被引用次数进入相应发表年度和所属学科领域的前千分之一的论文,作为本年度候选论文。从中国自然科学领域31个学科、种中文期刊，并以我国作者为第一作者的45.16万篇论文中遴选产生，本年度共遴选出篇，其中高等院校65篇，代表了我国国内科技论文发展的最新水平。

林小竹教授团队论文选择卷积神经网络进行人脸表情识别的研究，经典的LeNet-5卷积神经网络在手写数字库上取得了很好的识别效果，但在表情识别中识别率不高。作者提出了一种改进的LeNet-5卷积神经网络来进行面部表情识别，将网络结构中提取的低层次特征与高层次特征相结合构造分类器，该方法在JAFFE表情公开库和CK+数据库上取得了较好的结果。为后续类人机器人表情研究提供了重要基础。

学校信息工程学院和致远学院联合成立了由林小竹和曹晓东两位教授牵头负责的“数学与智能信息处理交叉创新团队”，团队瞄准学科前沿，进行高端研究，力争实现国际顶级刊物零的突破。继续培养高水平研究生，为学校申报博士点服务。团队目前正与西北大学合作开展华大基因公司基因测序文件压缩算法的研究。

林小竹，年生，博士，北京石油化工学院教授，北京图像图形学会和北京人工智能学会理事。从年开始高等教育工作，主讲的本科生课程有：《地震勘探原理》、《地震资料处理》、《数字图像处理》等；为研究生讲授：《编码理论》、《图像处理与模式识别》等课程。

主持国家自然科学基金项目“图像欧拉数的研究”、国家履行禁止化学武器公约领导小组办公室项目“国家禁止化学武器数据采集及宣布系统”、中石化集团公司项目“石化财务预算管理软件系统”、北京市教委科技发展计划项目“图像编码中无损压缩方法的研究与应用”等多项研究课题。提出利用地震数据的协方差矩阵计算特征向量和特征值，由最大似然比估计均方根速度；将Hopfield神经网络用于地震层析成像；提出计算图像Euler数的二维和三维新公式，完成了理论证明，在数字拓扑学研究上有独立见解。

转载请注明:http://www.aideyishus.com/lktp/7581.html