基于改进BEMD的Gabor-2DPCA掌纹识别

为了提高掌纹识别的准确率,提出一种基于二维经验模式分解(bidemensional empirical mode decomposition,BEMD)的掌纹重构改进算法。该算法首先对预处理掌纹图像采用改进二维经验模式分解算法分解,提取前4个本征固有模态分量重构掌纹;其次,将重构掌纹通过二维Gabor滤波器分解成20个特征子图,利用二维主成分分析(two-dimensional principal component analysis,2DPCA)算法数据降维,提取掌纹特征;最后,计算样本的欧氏距离,实现掌纹识别。采取香港理工大学的PolyU掌纹数据库中的600张掌纹图像实验,结果表明,该算法重构掌纹含有更多纹理特征,在训练样本不同的情况下识别率均有提升,最高可达99.33%。提出的改进算法可以应用于掌纹识别。     

基于小波分析和PSO-SVM的控制图混合模式识别

由于质量过程的复杂性,质量过程数据常会有多种异常的混合现象,为了提高对控制图混合模式的识别效果,将支持向量机(Support vector machine,SVM)分类器的参数经过粒子群优化算法(Particle swarm optimization,PSO)算法优化,然后与小波分析技术相结合,设计了三层控制图模式识别模型.该模型首先识别模式是否正常,如果发现异常,则对异常的模式进行小波包分解,将分解后的低频部分和高频部分分别输入第二层和第三层PSO-SVM分类器中进行模式的分类识别.通过仿真实验的验证得,该模型的平均识别率为98.33%,对混合模式的识别率也在95%之上,由此证明了该控制图模式识别模型的有效性.最后,对该模型进行了实例验证,该模型可以很好的识别出控制图混合模式,证明了模型的可行性.     

可见光图像中飞机目标的特征选择及提取

针对目前大部分飞机目标识别算法都依赖建立的样本库,导致对样本库外的飞机不能很好识别的问题,分析了可见光图像中飞机目标在模式识别中的特征选择及提取方法.比较几种不同特征选择及提取方法,依据人工判读识别飞机目标的思维方法以及可见光图像的特点,提出了可见光图像中飞机目标的5个典型识别特征的提取方法,最后利用模糊模式识别方法完成对飞机目标的识别.实验结果表明:该算法能够对可见光图像中的飞机目标进行较好识别,准确率较高,平均识别率达到了90%以上.     

基于优先排序的神经元适配分割算法

为进一步优化优先度排序神经网络(priority ordered neural network,PONN),提高PONN的分类识别能力,本文提出了一种基于优先度排序的神经元适配分割算法,优化、改进已有的PONN算法。该算法能在PONN中每个神经元球面尽可能多的分隔同类样本,在包含同类样本邻域的同时,不侵占异类样本邻域(即异类样本到球面最短距离不小于特定数θ)。实验结果表明,与传统的PONN算法相比,无论是紧凑型还是稀疏型的样本,改进后的PONN算法识别率都提高了5%左右,而且能更高效的识别出手写体数字。该研究保证每个神经元尽可能多的识别样本,具有一定的实际应用价值。     

基于结构划分字典学习的雷达目标识别

在使用高分辨距离像进行雷达目标识别时,有时必须面对大样本问题,可实际上雷达在某一时刻观测到的物理过程是很少的,传统的方法在识别过程中从未考虑过距离像信号的稀疏性。为此,文中提出了一种基于结构划分冗余字典完成雷达一维距离像稀疏表示,进而实现目标识别的算法。该算法首先依据字典原子的结构特点划分冗余字典,简化字典表述的同时减少原子数据存储量;随后,采用改进的遗传匹配追踪算法(IGAMP)对一维距离像训练样本进行稀疏分解以获得各类目标的类别字典;最后,根据类别字典分析测试样本的重构误差实现目标识别。仿真实验证明,文中算法简捷、识别率高,即便受到噪声干扰依然能稳健地识别目标。     

判定一点是否属于高维复杂形体的算法及其应用

许多模式识别问题都可以归结为判定一点是否属于高维满意覆盖体的问题，在传统的解析几何框架内判定一点是否属于高维（数百维以上）凸包络的并的问题是不适定难题。把高维凸包络的并视为同类事物特征在高维空间中形成的复杂几何形体的满意覆盖，给出了判定一点是否属于高维凸包络的并的有效算法，变通地解决了一个在传统的解析几何框架内直接计算的不适定难题。模式识别应用实验结果显示，对以6400个样本作为正确识别集的测试样本，识别率为99．87％，表明该算法实用有效。     

改进的MDSMOTE与FC-SVM在不平衡数据集分类中的应用

针对于MDSMOTE算法在生成部分新样本时没有将错分样本纳入其中的问题,将对错分样本修正的方法加入到现有的MDSMOTE算法中,提高样本的质量;对于传统FSVM在对不平衡数据集分类时,不能解决超平面偏向少数类的问题,将正负惩罚系数、模糊因子加入到FSVM中,提高不平衡数据的识别率。将改进的算法用于京东网购评语数据集分类中,该算法的分类性能较其他算法平均提升了9.13%,表明了该方法的可行性和有效性,具有实际应用价值。     

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。     

改进序列前向选择法(ISFS)和极限学习机(ELM)相结合的SPC控制图模式识别方法

为了提高SPC(Statistical Process Control)控制图的识别效果,提出了一种采用改进序列前向选择法(ISFS)和极限学习机(ELM)相结合的方法来进行控制图模式识别。首先,对控制图进行特征提取;然后,采用改进的序列前向选择法对特征进行选择,减少了特征间的相关性和冗余性;最后,利用极限学习机来进行模式识别。仿真结果显示,改进方法的识别率可达到98.7%,从而为控制图提供了一种有效的识别方法。     

雷达辐射源模糊识别算法改进

改进了复杂电磁环境下雷达辐射源模糊识别算法。改进算法通过证据组合对模糊隶属度进行融合,很好地解决了识别中的不确定性,错误的识别结果经过融合后得到去除。采用最优隶属准则进行雷达辐射源类别决策,融合后的辐射源正确识别率得到明显提高。仿真结果及对比实验表明,相比于模糊识别算法,信噪比不小于0dB时,改进算法的正确识别率大于90%。     

基于协同神经网络算法的红树林物种识别

为解决采用遥感技术监测红树林群落存在的识别率较低的问题,提出了一种基于协同神经网络算法的红树林图像识别方法.首先,采用协同神经网络算法中的平衡网络参数方法对红树林图像进行识别.其次,利用微粒群算法对平衡参数方法进行改进.实验结果显示,该方法对红树林图像识别效率达到88.0%,显著优于传统的协同神经网络算法的识别率(78.0%),因此该方法具有良好的应用价值.     

基于非线性PCA神经网络的手写体字符识别

非线性主分量分析PCA算法与子空间模式识别方法相结合,提出了一种应用于手写体字符识别的基于非线性PCA神经网络的信号重构模型,并与BP网络模型进行了比较实验,结果表明,本文提出的方法,对于0～9手写体数字识别,正确识别率达到了94.74%,而对于a～z手写体字符识别,正确识别率达到了91.03%.     

嵌入式平台下英文名片字符识别算法的实现

提出了一种嵌入式平台下英文名片字符识别的设计思想和实现方法,研究出了一套适合于嵌入式平台的字符识别系统。应用高效的特征提取算法和合理的分类器设计算法能够识别斜体、黑体和常用字体的英文字符和数字,其识别率达到95.5%。     

基于SolidWorks的二维工程图三维重建系统实现

阐述了以二维工程图中三视图表达为基础的三维重建基本理论和相关算法,重点改进了一种轮廓搜索算法.构建的三维重建系统是以DXF文件为数据源,借助Visual C++编程语言开发了一个基于SolidWorks平台的三维重建系统.实验表明提出的算法和实现过程具有较好的可行性和有效性.     

基于特征与形貌重构的轴件表面缺陷检测方法

针对轴件表面缺陷机器视觉检测方法中的水渍残留误检率高和人工复检效率低问题,提出一种基于特征与形貌重构的轴件表面缺陷检测方法. 对轴件工业高速线扫描图像进行预处理,基于改进的阀值迭代算法完成图像分割,通过去除背景、噪点和干扰提取缺陷图像. 建立基于曲线簇包络轮廓的轴件表面缺陷特征模型,结合分割图像各连通域的面积、面积占比、粗短度训练逻辑回归分类器,对凹坑、裂纹和麻点等轴件表面典型缺陷进行识别,并结合图像深度信息进行缺陷形貌重构,消除水渍等伪缺陷,提高轴件表面缺陷检测鲁棒性. 实验结果表明,所提出的轴件表面缺陷检测方法有效,具有较高的缺陷识别率和鲁棒性能,平均识别时间为3.69 s,缺陷轴加权识别率为98.86%,可以对3类典型缺陷和水渍进行准确识别.     

算法改进的自组织神经网络曲面重构

为提高神经网络法三角网格曲面重构的效率,提出自组织神经网络算法与模糊聚类算法相结合的 改进算法．应用改进算法对大规模散乱点云曲面及花瓶实例进行了网络训练及三角网格重建,在初次网络训 练收敛后,加入模糊聚类计算模块,由模糊聚类算法中隶属度计算来确定输入样本是否可用．与自组织神经 网络算法训练特性进行了比较,结果表明：改进后算法避免了以往算法的重复循环,减少了计算量,加快了网 络训练收敛速度和三角网格曲面重构的速度,仿真重构结果表明：改进后的自组织神经网络算法可实现不同 疏密程度的三角网格曲面重建,并可在保持原数据特征的前提下实现数据精简,较通常算法收敛速度快     

评判燃煤锅炉结渣特性的两种模式识别方法的对比

将直接模糊模式识别方法和基于Vague集的距离意义下相似度量理论引入燃煤锅炉结渣评判中.评判结果表明,二模型能较好的解决了误判断或因识别结果无显著差异而无法作出明确评判的问题.与通常模式识别方法相比,此方法所得数据结果能够使现场运行人员比较容易地得出当前运行锅炉的结渣状况.     

基于FDP的建筑施工进度调整方法

建筑工程施工阶段进度计划调整的难点是目标的多样性和输入因素的多样性,为了科学的对进度计划进行调整,提出了一种模糊优选理论与动态规划法相结合的进度调整方法.该方法结合动态规划的基本思想,运用决策序列相对优属度总和最大法,求解进度调整中的最优化方案.在计算中,采用模糊决策集优越性对比矩阵结合语气算子的方法,把定性指标的相对优属度用定量化手段给予确定,利用两级模糊优选模型并借鉴管理人员的经验,综合计算定性与定量指标的方案相对优属度,从而得出最优方案.     

基于差分盒维数的彩色烟雾图像识别

提出了利用差分盒维数与颜色特征相结合的图像识别方法来将彩色烟雾图像从森林背景中识别出来。该方法首先用差分盒维数算法来计算整幅图像的分形维数值并基于该值对图像进行分割,再以RGB空间的烟雾颜色特征为依据,对差分盒维数方法分割出的区域进行判别,识别出烟雾区域。为改善算法的计算精度,提高算法运算速度,提出了减少子窗口内盒子的覆盖数量、改变子窗口内灰度等级的改进算法。仿真实验结果表明,基于改进的差分盒维数方法,不仅运算速度提高近50％,而且能够更好地反映图像表面的纹理信息。再结合颜色特征能从森林背景中准确的识别出烟雾。该方法可用于森林火灾的预警。     

双指标等级序列模式识别法分析十全大补丸氯仿提取物红外指纹图谱

采用一种新型模式识别方法--双指标等级序列模式识别法,对不同厂家生产的中药复方十全大补丸样品氯仿提取物的红外指纹图谱进行了分析,以实现中药复方的准确鉴别及质量控制。该法同时具有无监督及有监督模式识别的优点,无须经验知识,通过确定每个样品双指标序列中的相似样品序列,同时进行聚类及分类分析。采用该法对3个不同厂家生产的22个中药复方中成药十全大补丸样品的氯仿提取物的红外指纹图谱进行鉴别研究,正确识别率达100％,而采用UPGMA系统聚类方法的正确识别率仅为72.7％。双指标等级序列模式识别法结合红外指纹图谱,无需任何先验知识即可实现中药复方的快速准确鉴别及质量评价。