基于多特征决策融合的SAR飞机识别

针对高分辨率SAR图像的飞机目标识别问题,提出了一种基于飞机几何特征、PCA特征、Hu不变矩等多特征决策融合的自动目标识别方案。针对飞机样本特点,分别提取飞机的几何长宽特征、PCA特征和Hu不变矩特征,使用三个支持向量机分类器分别对样本的三类特征进行预分类,然后采用基于等级的决策融合方法将预分类结果进行决策融合,输出最终的目标类别。实验过程中,随机选取一定百分比的样本进行训练,获得分类器模型,对全部的样本进行测试识别。通过实验发现,将几何特征、PCA特征和Hu不变矩特征的分类结果进行决策融合后,克服了单一特征决策的不准确性,有效地提高了每一类样本的识别准确率。     

基于深度学习网络的光通信系统非法入侵行为识别研究

为了检测多种光通信系统非法入侵行为，保障光通信系统运行安全，提出了基于深度学习网络的光通信系统非法入侵行为识别方法。采用光栅传感技术检测光栅传感器反射波长偏移量，感知光通信系统非法入侵行为频率特征信号。利用小波包分解方法将频率特征信号分解成多个频带后，提取各频带小波包能量，将其作为卷积神经网络输入。经小波包能量特征提取、处理、融合操作后，通过Softmax分类器完成光通信系统非法入侵行为数据特征的分类，实现光通信系统非法入侵行为识别。实验证明：该方法可迅速挖掘出光通信系统中非法入侵行为的时域、频域特征信号。所提取小波包能量可准确反映光通信系统中非法入侵行为特点。该方法可实现多种光通信系统非法入侵行为精准识别，助力管理人员针对入侵行为做出对应防御措施。     

一种基于多分类器融合的双色红外成像目标识别方法

针对双色红外成像系统中的自动目标识别问题,提出了一种基于多分类器融合的红外目标识别方法.该方法首先提取目标的形状特征和面貌特征,并设计多个基于不同特征的分类器对目标进行分类;然后对各个分类器的目标分类结果进行决策级融合处理,并采用所提出的决策规则对多分类器融合分类结果进行处理得到最终的目标识别结果.该方法充分利用了目标在多传感器图像中的多种分类特征信息,提高了系统的目标识别效率和精确性.实验结果证实了该方法的有效性.     

基于集成学习的SAR图像农田区域识别与检测方法研究

旨在综合利用特征提取、多种分类器、图像融合、相关判决等方法,实现对SAR遥感图像中农田种植区域的精确识别与检测。首先论述了相关研究与应用现状,然后分析了SAR图像农田种植区域的特征提取、多种分类器训练与检测的效果,及采用基于PCA的SAR图像融合、多种检测结果的相关,最后综合以上提出了一种基于多分类器集成学习的SAR图像农田区域识别与检测方法。通过实验验证了文章所提出方法的有效性。     

一种基于二代Curvelet和2D Log-Gabor滤波器的多模特征层融合识别方法

针对单模生物特征识别在实际应用中易受干扰、识别率低且无法达到零错误识别的问题,提出一种基于二代Curvelet和2DLog-Gabor滤波器的人脸与虹膜特征层融合识别算法.该方法利用二代曲波变换提取人脸特征,用2DLog-Gabor幅值法提取虹膜特征,通过PCA降维单模特征向量,在特征层进行融合,通过SVM分类识别融合特征向量.在ORL人脸库和CISIA虹膜库构成的多模生物特征库上进行测试.实验结果表明:该算法正确识别率能达到100%,较单模人脸、单模虹膜识别方法的识别率均提高3.33%,为多模生物特征识别提供了一种有效模型.     

激光雷达硬件故障数据的模式识别研究

利用当前方法对激光雷达硬件中的故障数据进行识别时,没有对数据进行预处理,导致准确率低、误报率高,识别时间长,因此,提出激光雷达硬件故障数据的模式识别研究方法。通过分析噪声和野值在小波变换域上的不同特性,利用双阈值小波变换法处理数据中的噪声点、野值,缩短方法的识别时间;对处理后的数据进行高维特征融合处理,提取数据的关联规则特征量,并利用故障诊断分类器的特点构建多故障分类器,将提取的数据特征量输入到分类器中,进行聚类分析、输出聚类结果,完成识别。实验对比结果表明,所提方法的准确率保持在80%以上,误报率始终低于0.5%,识别时间最高仅为0.4 s,提高激光雷达硬件故障数据提取与应用质量。     

基于粗糙集特征级融合的肺结节检测算法

以肺结节的检测为研究目标,针对肺结节特征级融合检测算法中存在特征结构不合理和特征表达不紧致两个问题,提出了一种基于粗糙集特征级融合的肺结节检测算法,该算法首先分析肺部CT影像的医学征象,提出了六个新的三维特征,并综合其他二维和三维特征共42维特征分量共同量化ROI;然后基于粗糙集对提取的特征集合进行5次特征级融合实验;最后利用网格寻优算法优化核函数的SVM作为分类器进行肺结节识别.以70例肺结节患者的肺部CT影像为原始数据,通过4组对比实验验证算法的有效性和稳定性,实验结果表明,经过粗糙集特征级融合的肺结节检测算法识别肺结节的能力得到了有效提升.     

基于模糊积分多分类器融合的人脸表情识别

本文提出了一种基于模糊积分多分类器融合的表情识别方法.首先采用离散余弦变换进行特征提取,然后分别用最近邻分类器、最近特征线分类器和余弦距离分类器三个子分类器对生气、厌恶、恐惧、高兴、中性、悲伤、惊讶七种表情进行识别,最后利用模糊积分对子分类器的识别结果进行融合.在JAFFE人脸表情静态图像库上进行了实验,取得了比较高的识别精确度.     

加权联合降维的深度特征提取与分类识别算法

为了降低卷积神经网络计算的复杂度,改善特征提取过程中的过拟合现象,解决经典网络模型不能有效处理大尺寸图片的问题,采用了加权联合降维的特征融合与分类识别算法,根据两特征的识别贡献率对主成分分析法（PCA）降维处理和随机投影（RP）处理结果进行加权融合,然后将结果提供给卷积神经网络进行处理,提取图像分类的高层特征,使用欧氏距离分类器对识别对象进行分类,并进行了理论分析和实验验证。结果表明,经过加权联合降维对数据进行预处理,PCA矩阵与RP降维矩阵之比重达到6:4,识别率高达96%以上。该算法有效提高了准确率,使大尺寸图片在深度学习网络中有良好的识别效果,改善了网络的适应性。     

基于PCA和LDA融合算法的性别鉴别

结合主元分析(PCA)与线性鉴别分析(LDA)的特点,利用PCA-LDA算法进行性别鉴别.通过PCA算法求得训练样本的特征子空间.并在此基础上计算出LDA算法的特征子空间.将PCA算法与LDA算法的特征予空间进行融合,获得PCA-LDA算法的融合特征空间.训练样本与测试样本分别朝融合特征空间投影,从而得到识别特征.利用最近邻准则即可完成性别鉴别.实验中利用三种预处理方法(PCA+LDA、HG+PCA+LDA、RHG+PCA+LDA),得出各自的实验结果,并进行比较.实验结果表明,利用RHG+PCA+LDA方法预处理后,使用PCA-LDA算法进行性别鉴别可以得到理想的效果.