一种基于数值逼近的KPCA改进算法

核方法广泛应用于模式识别等领域,但其存在着特征抽取效率和样本集的大小成反比的瓶颈问题.因此提出一种基于数值逼近的方法确定虚拟样本矢量,以此代替训练样本,提高KPCA(Kernel Principle Component Analysis)特征抽取效率.在确定虚拟样本矢量时,只需将样本矢量的初值设定为随机变量,算法实现简单、高效.在基准数据集上的实验结果显示该算法优于同类算法.     

基于多模态小样本学习的雷达欺骗干扰识别

现有雷达欺骗干扰识别研究中,存在难以获取带标签样本的问题,为此,提出一种基于多模态小样本学习的雷达欺骗干扰识别算法。首先,对雷达接收信号进行"语音"和"视觉"模态的定义;然后用伪孪生网络将信号的2种模态进行匹配训练;最后,将测试集的信号样本与匹配集进行匹配识别,得到最终的雷达欺骗干扰信号识别率。仿真实验表明,训练样本数量降低到原始样本集的25%,干噪比为3 dB时,本文算法的欺骗干扰信号识别率仍能达到90%以上。     

基于核典型相关分析的图像放大算法

为了更有效地映射高、低分辨率图像到变换域,提高图像的分辨率,给出一种基于核典型相关分析的单幅图像超分辨率放大算法。首先将训练高、低分辨率图像块矩阵映射到变换域上,利用核典型相关分析得到最优的变换域基向量,然后在该变换域上重建测试低分辨率图像,再转换到原空间上得到初始放大结果,最后利用迭代反投影算法进一步提高图像的质量。实验结果表明,新算法可提高图像的分辨率,并能重建出图像较多的细节,人工痕迹少。     

基于核空间的全局正交鉴别矢量集方法

提出了一种基于核的全局正交鉴别矢量集方法。首先应用支持向量机中核函数的概念,将样本隐式地映射到特征空间,然后构造特征空间的正交空间,再将特征空间样本映射到特征空间的正交空间,求解基于Fisher的全局正交鉴别矢量集。在ORL人脸图像库上的实验结果表明,与现有的基于核的广义鉴别矢量集算法(GDA)和改进的基于核的广义鉴别矢量集算法(MGDA),以及基于核的直接鉴别矢量集算法(KDDA)相比,本文算法有更高的识别率及鲁棒性。     

基于免疫抗体生成算法的电力变压器故障诊断

提出了一种基于人工免疫的抗体生成算法,并将其应用于电力变压器的故障诊断。抗体生成算法仿生生物免疫系统中抗体对抗原的识别与记忆的机理,先对训练样本进行免疫学习和记忆,提取表征样本的有效特征,形成表征样本特征的记忆抗体集,再用最邻近分类法对测试样本进行分类识别。UCI的Iris数据集和电力变压器故障数据的仿真分析结果表明,抗体生成算法能够进行有效的分类,并具有很高的准确率。     

基于高频和中频信息的图像超分辨率重建

提出一种基于图像高频和中频信息的超分辨率算法。分别将图像高频和中频作为高分辨图像和低分辨率图像的特征,以图像高频和中频信息作为训练样本对,采用全局迭代收缩方法（ GISA）进行稀疏分解,获得高、中分辨率字典对。根据测试图像对应的中频信息和字典对获得图像高频信息,结合测试图像插值放大结果,经非局部相似性方法处理后获得高分辨率图像。实验结果表明,提出的方法具有较高的重建质量。     

基于联合字典稀疏表示的遥感图像超分辨率制图

超分辨率制图是一种由低分辨率遥感图像获得高分辨率土地覆盖图的技术,针对空间相关性原则不足以描述复杂地物模式的问题,本文提出了一种基于联合字典稀疏表示的超分辨率制图方法。利用迁移学习机制,使用自然图像训练高、低分辨率图块联合字典,并根据高、低分辨率图像块对与其对应字典的稀疏表示间的一致性,将低分辨率丰度图像的稀疏表示与高分辨率字典结合生成高分辨率软分类图像,最后进行类分配从而获得高分辨率土地覆盖图。利用合成Landsat多光谱图像和NLCD 2001子图像对所提方法进行测试,并与几种现有的典型超分辨率制图方法进行比较,实验结果显示本文所提算法的超分辨率制图精度优于对比算法。     

一种基于聚类的快速局部支持向量机算法

为进一步改善局部支持向量机的分类效率和分类精度,提出一种改进的局部支持向量机算法。该算法对每类训练样本分别进行聚类,使用聚类生成的样本中心点集代替样本,使用改进的k最近邻算法选取测试样本的k个近邻。分别在UCI数据集和自建树皮图像数据集上对本研究算法的有效性进行测试。实验结果表明,本研究提出的算法在分类精度和效率上具有一定的优势。     

基于块匹配和迭代反投影的车牌图像超分辨率重建

利用超分辨率重建技术提高车牌图像的质量,以获取更好的识别效果。首先采用基于小波变换的块匹配方法对车牌图像进行配准,然后利用迭代反投影算法对配准后的图像进行重建获得高分辨率的图像。对模拟生成的多帧图像和标准测试视频序列进行了实验,实验结果表明：该算法能有效提高车牌图像的质量。     

基于核映射的无相关鉴别矢量集算法

针对人脸识别这一非线性分类问题,提出了一种基于核的无相关鉴别矢量集算法。应用了支持向量机中核函数的思想,通过核映射将原空间的非线性分类问题转化为特征空间的线性分类问题,然后在特征空间进行无相关鉴别矢量集的求取。其优势在于:利用核函数不但可以将非线性问题转化为线性问题,而且可以提取样本图像的高阶统计特征。在ORL人脸库中的测试结果表明,与传统的全局正交鉴别矢量集算法及传统的无相关鉴别矢量集算法相比,基于核映射的无相关鉴别矢量集算法有更高的识别率,最高识别率可达到99%。     

基于改进相容函数的超分辨率图像重建

提出了一种基于机器学习的超分辨率(SR)改进算法。首先建立一个包括低分辨率(LR)图像及其相应的高分辨率(HR)图像的训练样本集,为LR图像提供了HR的图像解释。把训练集中的每一幅图像分成若干个图像块,每一个图像块作为马尔可夫随机场(MRF)模型的结点,MRF模型参数从这些训练样本中学习得到,通过对训练样本中的LR图像块进行k-均值聚类减少计算开销,并用k-均值的聚类结果提出了一种新的相容函数形式。实验结果表明,该算法是可行的,并与同类算法相比能取得较好的结果,使得SR后的图像更平滑自然。     

一种简单有效的视频序列超分辨率复原算法

针对视频序列中逐帧图像的超分辨率复原问题,提出一种基于参考高分辨率图像的视频序列超分辨率复原算法.该算法利用了大多视频设备能同时提供静止图像和动态视频拍摄的特点,以同一场景获取的高分辨率静止图像为参考图像,提取高频细节经运动估计补偿和可信度加权后用于低分辨率序列各帧的超分辨率复原,并采用最大后验概率约束优化进一步提高复原图像的保真度.实验中采用多个序列对算法性能进行了测试,结果表明,该方法对各序列中连续多帧的复原效果均明显优于传统的双线性插值方法和基于最大后验概率(MAP)的静态批处理方法,其平均PSNR值与MAP静态批处理方法相比提高了2.4 dB以上.     

一种反辐射导弹抗非相干诱饵的新方法

针对雷达和非相干诱饵的功率和相关性特点,利用噪声子空间的不变特性,提出了改进的子空间DOA估计方法,与MUSIC算法相比,不仅对空间分布很近的信号有更高的角分辨力,而且对功率不等的信号和相关性较强的信号均能很好地分辨,将此方法应用于被动雷达导引头中,能够很好地分辨雷达和非相干诱饵,计算机仿真结果和实测数据均验证了算法的性能．     

基于冗余字典的高光谱图像超分辨率复原算法

为了提高高光谱图像的空间分辨率,将基于冗余字典的信号稀疏表示理论应用到高光谱图像的超分辨率复原领域,提出一种基于冗余字典的高光谱图像超分辨率复原算法.该算法通过训练一组高低分辨率相对应的冗余字典对,使得高低分辨率相对应的像元曲线在基于各自的冗余字典进行稀疏分解时,具有相同的稀疏表示系数.超分辨率复原过程中,将待复原的低分辨率高光谱图像基于低分辨率冗余字典进行稀疏分解,利用所得的稀疏表示系数和对应的高分辨率字典,重建高分辨率的图像.实验结果表明:与基于图像块字典的超分辨率复原算法及传统的双线性插值图像放大方法相比,重建图像的峰值信噪比(peak signal to noise radio,PSNR)得到了显著提高.该算法将高光谱图像沿光谱维方向进行整体稀疏分解,避免了传统算法逐波段进行超分辨率复原带来的波段间的光谱失真问题,显著降低了算法的运算量.     

适用于目标跟踪的加权增量子空间学习算法

为了克服目标物外观变化给跟踪造成的困难,提出一种基于加权增量子空间学习的目标跟踪算法.该算法构造了一个可在线更新的子空间作为视频中目标物的外观模型,根据概率转移模型预测得到一组图像样本作为目标物在当前帧中可能出现的图像区域;然后将图像样本投影到该低维子空间中估计每个图像样本为目标图像区域的似然度,以具有最高似然度的样本作为目标在当前帧中的图像区域,通过加权增量的方式调整子空间.实验结果表明：相比基于其他增量子空间学习的跟踪算法,该算法能够稳定、准确地对运动目标进行跟踪.     

一种基于神经网络的超分辨图像重构方法

针对在航空航天遥感领域中使用CCD相机对景物进行成像时，由于像元尺寸的限制导致图像分辨率低的问题，提出了采用人工神经网络映射图像重构过程非线性特性的方法．在相机参数已知的情况下，用后向误差传播(BP)神经网络融合从不同角度对同一景物重复拍照得到的多帧低分辨率图像的冗余信息，重构得到较高分辨率的图像．在模拟成像仿真实验中得到了分辨率提高4倍、信噪比接近30dB的超分辨结果．     

基于信号子空间的正交矢量谱估计新方法--OVSS法

频谱估计被广泛的应用于工程中，在自相关阵的特征值分解中，存在着两个特征矢量子空间－－信号子空间和噪声子空间，基于信号子空间的频谱估计方法具有较好的统计稳定性；基于噪声（正交）子空间的频谱估计方法则具有很高的谱分辨率，本提出的新方法具有更高的谱分辨率和更好的统计稳定性，新方法对信号相关阵的最大特征值所对应的特征矢量按一定规律排成矩。进行奇异值分解，其右奇异矢量同样存在信号子空间和正交子空间，基于正交子空间的正交矢量谱估计法，源于信号自相关阵的信号子空间，有着高统计稳定性，同时又是正交方法，具有很高的分辨率，由于主特征矢量排出的矩阵阶数较低，也不会出现伪峰，将此方法称之为OVSS谱估计法，大量模拟试验显示OVSS谱估计法，是一种高质量谱估计方法。     

钢筋桁架楼承板在超限高层建筑中的应用

以宁夏亘元万豪大厦工程为例,详细介绍了钢筋桁架楼承板在型钢混凝土超限高层建筑中的施工过程,通过该技术的应用使得该建筑水平与纵向结构施工速度相适应,确保了工期目标的实现．     

一种OFDM无线网络TOA估计新算法

为了在OFDM无线网络定位服务(LBS)中实现精确的到达时间(TOA)测量,提出了一种OFDM系统TOA估计新算法．将TOA估计分为整数采样周期TOA估计和小数采样周期TOA估计．接收机利用训练符号的时频特性以迭代搜索的方法获得小数采样周期TOA估计,并利用估计结果修正小数采样周期时延带来的相关谱扩展,利用引导沿检测算法由修正后的相关谱估计整数采样周期TOA．仿真结果表明,该算法在信噪比高于0dB时TOA估计精度高于相关检测算法,10dB信噪比下其TOA估计精度比相关检测算法提高一倍以上．同时,可以用降低两个数量级以上的复杂度提供与现有超分辨率算法相当的TOA估计精度．     

基于张量局部和全局信息的人脸识别算法

现有的基于张量子空间的流形学习算法能够很好地利用图像的空间几何结构,但对流形的局部和全局信息利用得不够充分,为此提出了一种新的张量子空间学习算法:基于局部和全局信息的张量子空间投影．新算法充分利用人脸图像数据的局部流形结构(即类内非线性流形结构)和人脸图像数据的全局信息,使数据在投影空间中的类间分离度最大,通过迭代和投影得到最优张量子空间．在标准人脸数据库上的实验表明,新算法识别率高于张量线性判别分析(TLDA)、张量临界Fisher分析(TMFA)、张量局部判别投影(TLDP)、张量子空间(TSA)算法．