一种基于小波包主成分分析的语音情感识别方法

在语音情感识别中,由于特征参数的提取直接影响到最终的识别效率,从原始语音信号中提取特征参数是非常重要的。但是本文中提取的特征维数太多,导致特征匹配时过于复杂,消耗系统资源,不得不采用特征降维的方法。本文主要是研究一种在小波包变换的基础上通过特征降维来提高语音情感识别效果的方法,为此本文在德国库EMODB的基础上,通过小波包变换提取出语音的情感特征参数,然后利用主成分分析法对特征参数进行降维,最后利用支持向量机进行训练和测试。通过实验,获得了较好的识别效果。     

基于计算机视觉的大米粒形识别方法

提出了利用计算机视觉系统代替人眼识别整粒大米和碎大米粒形的方法。设计了一套基于计算机视觉技术的大米粒形识别装置,采用灰度变换、阈值分割、平滑处理等图像处理方法获取大米的粒形图像,然后根据大米的粒形特点提取了米粒的面积、周长、长、宽等16个特征参数,采用主成分分析方法对提取的特征参数进行处理,以前三个主成分综合所有粒形特征参数,作为BP神经网络的输入特征值对网络进行训练和大米粒形识别。试验结果表明:该方法对整粒米识别的准确率为98.67%;对碎米识别的准确率为92.09%。     

基于计算机视觉的大米粒形识别方法

提出了利用计算机视觉系统代替人眼识别整粒大米和碎大米粒形的方法。设计了一套基于计算机视觉技术的大米粒形识别装置,采用灰度变换、阈值分割、平滑处理等图像处理方法获取大米的粒形图像,然后根据大米的粒形特点提取了米粒的面积、周长、长、宽等16个特征参数,采用主成分分析方法对提取的特征参数进行处理,以前三个主成分综合所有粒形特征参数,作为BP神经网络的输入特征值对网络进行训练和大米粒形识别。试验结果表明：该方法对整粒米识别的准确率为98．67％;对碎米识别的准确率为92．09％。     

基于PCA降维的SVM人脸快速检测方法

提出一种改进的快速人脸检测方法。人脸模式训练阶段,先将训练样本的人脸特征经PCA降维提取主要特征,然后训练SVM人脸模式函数,由于训练样本维数的降低,节约了训练时间。检测阶段,利用肤色在YCbCr空间的聚类性,在色度空间建立高斯肤色模型进行皮肤分割。对分割区域进行连通域体态分析后,用PCA方法将待检测样本降维处理,利用SVM检测识别人脸。实验结果表明,这种方法可以快速有效检测图像中的单幅或多幅人脸区域。     

基于组合矩特征和PTSVM的交通标志识别

针对交通标志识别算法识别精度低、计算复杂度高等问题,提出一种采用组合矩特征分类交通标志的方法。首先对图像进行预处理,并基于颜色特征分割,再采用形态学的方法处理粗分割图像,从而提取目标区域。然后分别提取标志图像的Legendre矩及小波矩特征,利用串行特征融合技术获取组合优化特征,将特征值输入渐进直推式支持向量机,并采用模拟退火算法对其进行参数优化,最后使用优化后的识别算法实现目标图像的识别。仿真结果表明,与现有的其他交通标志识别算法相比,采用组合矩与优化后渐进直推式支持向量机的识别方法有更好的识别效果。     

基于BP神经网络的船舶焊缝缺陷图像识别

提出了一种基于BP神经网络的船舶焊缝缺陷图像识别的方法,通过对船舶焊缝图像进行预处理,提取出有用的目标缺陷,再进行缺陷特征参数计算,将特征参数和焊缝缺陷类型分别作为输入层和输出层,利用BP算法设计3层结构的神经网络,对样本进行训练和识别。实验结果表明,BP神经网络能较准确地识别出船舶焊缝缺陷。     

融合非线性幂函数和谱减法的CFCC特征提取

为提高噪声环境下的语音识别准确率,提出一种改进的语音特征提取算法。该算法采用模拟人耳听觉特性的非线性幂函数提取一种新的耳蜗滤波倒谱系数,并在特征提取前端引入谱减法对信号进行增强,将提取到的新的特征及其一阶差分组成一种混合特征参数;再联合主成分分析对该混合特征进行降维,将最终得到的特征用于一个非特定人、孤立词、小词汇量的语音识别系统。实验结果表明:采用非线性幂函数提取的耳蜗滤波倒谱系数特征与传统的耳蜗滤波倒谱系数特征相比,明显提高了语音识别准确率;混合特征参数相比单一特征能达到更佳的语音识别性能;结合主成分分析后的特征集在信噪比为0dB时的识别正确率可达到88.10%。     

基于小波特征与支持向量机的焊点缺陷识别方法的研究

基于视觉信息的焊点缺陷检测已成为当前机器视觉中的研究热点问题.针对焊接设备的不稳定性、操作环境的不确定性等问题对焊点质量的影响,本文提出了利用增强小波系数和主成分分析相结合的方法对焊点图像特征进行提取,利用主成分分析的降维作用,对提取的增强小波系数50维特征向量进行降维处理.同时提出了融合决策树与支持向量机的方法对焊点的缺陷类型进行识别.实验结果表明,本文提取的焊点特征值具有更好的区分性与紧致性,提出的分类方法有效提高了焊点缺陷检测的识别率,同时提高了算法效率.     

骨髓细胞图像的小波变换与K-means聚类分割算法

为了能准确地分割出骨髓细胞涂片中的各类细胞,提出一种基于小波分析的聚类分割方法.首先采用小波变换消除散焦噪声,然后通过对彩色图像G分量进行小波系数多尺度分解,提取特征参数信息,根据图像G分量与S分量的差异性并结合得到变换图像STG,二值化处理提取白细胞胞核,最后为K-means聚类方法提供优化的初始聚类中心,从而对各类红细胞、白细胞进行分割和分离.通过对比分析和实验测试,该算法有效克服了骨髓细胞显微图像的复杂散焦、细胞种类繁多以及目标区分度低而导致图像分割的困难,准确率达94.15%.     

基于降维数据边界点曲率的变电站设备识别

为了对变电站三维仿真模型进行快速重建,针对变电站设备三维数据量过大,不能快速识别的问题,通过对设备的三维数据做降维处理,减少数据处理量,研究利用降维后的数据对设备进行快速精确识别的方法.通过分析降维数据点集的特征,笔者提出一种利用降维数据边界点曲率进行识别的方法,其中边界点提取采用基于Alpha Shapes原理的滚圆法,边界点的曲率通过点到弦的距离累积来计算,最后利用边界点的曲率来识别不同的设备.仿真实验表明,该识别方法简洁高效,大大降低了计算量,并且能够有效地识别不同设备.     

基于数学形态学和分形理论的电缆局放识别

为解决电缆附件绝缘缺陷故障类型识别过程复杂、特征选择冗余问题,提出了一种直接利用含噪局部放电信号进行绝缘故障识别的方法。选取3个工频周期内的含噪局放信号作为一个样本,首先采用数学形态学滤波技术进行放电脉冲提取,获得平均放电量和放电次数两个统计特征;利用Hurst指数对局放信号分形性进行判断,若条件满足,直接求取其盒维数作为一个分形特征;最后将3个特征导入可拓神经网络进行模式识别,验证该方法的可行性和有效性。结果表明:平均放电量、放电次数和盒维数3个特征具有较强的可分性,解决了特征选择冗余问题;可拓神经网络能较好地识别出不同类型的绝缘缺陷,识别率高于基于支持向量机和BP神经网络的同类方法。     

XLPE电缆局部放电在线监测系统研究

交联聚乙烯(cross linked polyethylene,XLPE)电力电缆的局部放电严重影响电缆和电网的运行可靠性。在基于电流互感器测量原理的基础上,提出了一种利用Rogowski线圈测量的XLPE电力电缆局部放电在线监测系统。首先研究了高频电磁耦合传感器的设计,确定了与测量灵敏度相关的参数,并通过实验确定了用于XLPE电力电缆局部放电测量的罗氏线圈参数;设计了监测XLPE电力电缆局部放电的设备和基于光纤通讯的电缆局部放电在线监测系统的整体结构,最后对某变电站运行中的电缆进行了局部放电测试,对监测数据进行分析,结果表明了基于高频罗氏线圈及光纤传输的电缆局部放电在线监测系统的有效性。     

基于连续小波变换的湖底回波特征提取

提出了以多尺度连续小波变换值矩阵的奇异值作为识别特征矢量的方法,并利用该方法对湖底回波实测数据进行特征提取与分类。理论分析与仿真试验结果表明,相对于时间-小波能量和尺度-小波能量特征提取法而言,该方法可得到更好的类内紧致性和类间可分性,以及更佳的分类效果。     

基于峭度和时域能量的局放脉冲提取算法

提出了一种针对电力电缆局部放电脉冲的提取方法,首先根据信号峭度的变化定位局部放电脉冲峰值所在位置,然后根据信号能量的变化采用滑动能量搜索的方法以局部放电脉冲峰值为中心向两边计算搜索局放脉冲的边沿,从背景噪声中准确提取局放脉冲信号。该方法可以将局部放电检测信号中纯噪声信号部分与包含局部放电脉冲信号的部分区分开来,且不受局部放电脉冲个数和脉冲所在位置的限制,并具有步骤简洁、计算量小的特点。通过与小波阈值去噪、经验模态分解（EMD）两种主流电力电缆局部放电脉冲提取方法的仿真实验对比和实际实验对比,验证了该方法的有效性与准确性。     

新型伏安型多频脉冲电子舌及其应用

为了能获取更多的被测溶液组分的电化学信息,提高对溶液总体特性的识别率,提出以频率为1、10、100 Hz的多频脉冲伏安法替代常规的单频脉冲激励法.以具有交互敏感和非特异性的几种金属裸电极为传感器阵列,自行设计的多频脉冲扫描仪为脉冲激励源,构建了伏安型多频脉冲电子舌系统.运用该系统对6个不同品牌的白酒进行了检测实验,为了剔除原始数据中的大量冗余信息,提取反映溶液带电离子特性的响应峰值和氧化还原组分特性的拐点数值为系统的特征值.通过对特征值的主成分分析,结果表明,该电子舌系统对不同品牌的白酒具有较高的识别率,能够反映出白酒的酒精度和不同的制造工艺,多频脉冲电子舌能够较好反映溶液的整体特征.     

基于多元函数主成分表示的识别学习

针对识别学习中的多维信息融合问题, 提出一种基于多元函数主成分表示识别方法。给出多元函数主成分的数值计算方法, 利用联合协方差算子计算特征值与特征向量, 提取关键区分特征。基于这些综合特征应用随机森林方法对多元函数型数据进行识别学习。在模拟数据和真实数据上比较多元函数主成分表示方法与其他几种表示方法的识别性能。试验结果表明, 在模拟数据集、英文手写体数据集和中文手写体数据集中, 准确率为1, 在运动数据集中, 准确率为0.954 4。相较于其他方法, 多元函数主成分分析这一特征抽取方法的识别效果更好, 有效地提高了识别准确率。     

求实矩阵全部特征值的投影幂法

描述了求实矩阵部分或全部特征值的投影幂法的几个迭代格式。所述方法的思想是，在幂法的迭代过程中，利用投影矩阵滤去迭代向量中已知特征向量的成份，使迭代收敛到未知特征值，以达到求出矩阵全部特征值及相应的特征向量的目的。     

索力振动法测量神经网络赋泛研究

索的受力状态关系着索体系桥梁的安全,而索力值是衡量索的力学状态的重要指标。目前,索的边界条件难以判别是影响索力识别结果准确性的重要因素。为此,利用ANSYS对拉索振动进行数值模拟,并借助已有索力计算公式对建模方式的可靠性进行验证并生成模拟数据,然后以索长、线密度、抗弯刚度、一阶频率、二阶频率、三阶频率为输入参数,以索力值为输出参数结合振动模拟数据分别建立BP神经网络和广义回归神经网络索力预测模型,并将两种神经网络索力预测模型和已有索力计算公式应用于实际工程中进行对比验证。结果表明：BP神经网络索力预测模型的神经网络结构为6-13-13-1,输入层与隐含层1、隐含层1与隐含层2、隐含层2与输出层之间的激励函数分别为tansig、tansig、purelin,训练算法为L-M优化算法trainlm,学习速率为0.1,网络迭代次数为1000,显示间隔为100,均方误差为0.001,索力预测模型的预测效果良好,但还有进一步优化的空间;广义回归神经网络索力预测模型的最佳spread值为0.00215,索力预测模型的预测效果优于BP神经网络和已有索力计算公式,且预测误差基本控制在5%以内。利用广义回归神经网络对桥梁索力进行预测,避免了索的边界条件判别错误对索力识别结果准确性的影响,提高了索力的识别精度,具有良好的工程应用价值。     

一种深度神经网络SAR遮挡目标识别方法

提出了一种利用深度神经网络的合成孔径雷达图像部分遮挡目标的特征提取和目标识别新方法.该方法首先对合成孔径雷达图像进行预处理,然后提取预处理后合成孔径雷达目标的小波域低频子带图像作为训练数据,最后利用深层稀疏编码模型进一步提取合成孔径雷达遮挡目标的有效特征向量作为目标的特征以完成目标识别.采用MSTAR数据库中的3类目标进行目标遮挡模拟及识别实验.结果表明,新方法可以综合利用遮挡目标的局部和整体结构信息以提高目标的正确识别率,是一种有效的合成孔径雷达遮挡目标特征提取和目标识别方法.     

结合对比度信息与LBP的分块人脸识别

基于局部二值模式(local binary pattern,LBP)的特征提取方法忽略了图像灰度值变化的强度。针对这一问题,提出了一种结合对比度信息和LBP进行人脸识别的方法。首先采用LBP算子、VAR方差(variance,VAR)算子分别提取分块人脸灰度图像的LBP直方图序列(local binary pattern histogram sequence,LBPHS)和VAR直方图序列(variance histogram sequence,VARHS),然后将LBPHS和VARHS串联成LBP／VARHS,最后根据最近邻原则进行人脸识别。该算法能够提取有效的人脸纹理信息,而且能够大幅度地降低训练数据量,并且数据量的维数与原始图像大小无关。在ORL和YALE标准人脸数据库上的实验表明,该方法应用于人脸识别中,具有较高的识别率。