基于离散小波变换的水下回波信号尾波包络特征提取

提出一种水下目标回波的特征提取方法．该方法在离散小波变换的基础上。基于回波信号中的散射成分可以对水下底质进行分类的理论基础，提取水下回波信手尾波包络特征作为识别特征矢量，构成基于尾波包络特征的特征空间，再采用最佳鉴别矢量法将特征空间进行特征压缩，最后利用最小距离分类器对目标回波进行分类．实测数据结果表明，采用这种方法得到的包络特征是一种稳健、有效的特征，能够获得较高的正确识别率．     

基于离散小波变换的水下回波信号尾波包络特征提取

提出一种水下目标回波的特征提取方法.该方法在离散小波变换的基础上,基于回波信号中的散射成分可以对水下底质进行分类的理论基础,提取水下回波信号尾波包络特征作为识别特征矢量,构成基于尾波包络特征的特征空间,再采用最佳鉴别矢量法将特征空间进行特征压缩,最后利用最小距离分类器对目标回波进行分类.实测数据结果表明,采用这种方法得到的包络特征是一种稳健、有效的特征,能够获得较高的正确识别率.     

基于小波包分析特征的直升机识别新方法

旋转部件的多普勒调制信息具有良好的姿态角稳定性，是雷达识别直升机的主要信息来源．为了从直升机主旋翼（含叶毂）回波中提取与直升机主旋翼结构和运动参数有关的分类特征，提出了一种基于小波包分析的主旋翼回波特征提取新算法，并进行了计算机仿真．仿真结果表明，该算法具有较好的目标识别性能．     

水下目标特征提取方法研究

目标特征提取目标识别和关键问题,良好的特征提取方法应该是用较少的特征存储量表达目标准确的物理意义,水下目标回波特性既可以由时间域的冲击响应描述,也可以由频率域上的系统函数描述,无论那种描述都是不全面的,本文通过对回波亮点谱特征的研究,提出了一种有效的特征提取方法－频域离散小波变换法（FDWT法）,其优点是能从复杂的目标回波中提取目标的弹性特征,并且特征维数低,将此方法用于三种目标的湖试数据,采用三层BP算法的前向神经网络对目标进行分类,得到了较高的识别率。     

水下目标回波信号的分形Brown运动随机特征矢量与分类

在研究水下目标回波信号的统计性质的基础上，给出以分形Brown运动小波均方展开式中随机系数的方差作为目标回波信号随机矢量特征，以模糊竞争网络作为分类器对目标进行分类的方法；并给出了该方法的计算方法和计算步骤。大量模拟计算结果和实测目标回波信号的分类结果表明，新方法具有较好的实时性和较高的识别率。     

机动车声信号特征提取方法及在目标识别中的应用

使用谐波集法和小波子空间能量法，对目标识别中的声信号特征量提取技术进行了较为深入的研究，介绍了两种用于被动声信号特征提取的方法——谐波集法和小波子空间能量法，谐波集法是提取不同的频域特征作为特征矢量，小波子空间能量法是将不同尺度小波子空间能量作为目标识别的特征矢量；并采用k近邻(kNN)分类器对机动车目标的声信号和非机动车目标的声信号进行分类,经过对实测数据的计算机仿真结果表明，这两种方法都能达到较高的正确识别率，且小波子空间能量法性能更优。     

水下目标特性特征提取及其融合

为解决基于回波法水下目标分类与识别问题,从水下目标回波的弹性亮点特性、多分量特性和能量积分特性出发,利用频域离散小波变换(FDWT)、希尔伯特谱(Hilbert谱)、希尔伯特边际谱、分数阶傅里叶变换(FRFT)4种时-频分析方法从不同角度对目标回波与混响进行分析.对所提取的特征进行压缩与融合,利用支持向量机完成对水下目标和混响的分类与识别.文中给出了发射换能器以不同掠射角工作时4种时-频特征及其融合特征的识别率.实验结果表明,随着掠射角的增大,总体识别率呈现升高的趋势,融合特征可以有效提高识别率.     

一种多特征提取的脑电情感识别方法

针对如何有效地缩小不同受试者脑电信号之间的波动和差异,提高分类精度的问题,提出一种多特征提取算法用于脑电情感识别.首先,采用数据空间自适应算法对脑电信号数据进行空间线性变换,使目标空间与源空间之间的差异最小化.再采用共空间模式将数据空间自适应变换后的信号变换到一个最优子空间,使两类之间的方差差异最大,将共空间模式处理后的数据作为数据空间自适应算法的输入数据,反复迭代多次.然后提取功率谱能量特征和小波包能量特征,最后采用Bagging tree、SVM、线性判别分析和贝叶斯线性判别分析进行情感分类.实验结果表明,所提算法相比于主成分分析算法在分类精度上提高了0.151 4;相比于只进行DSA-CSP迭代和提取小波包能量,在分类精度上提高了0.103 4;相比于只进行DSA-CSP迭代和提取功率谱密度,在分类精度提高了0.095 8,所提算法有效缩小了不同受试者脑电信号的波动和差异,提高了分类精度.     

利用小波互谱的体目标识别研究

阐述了双通道小波变换的互谱理论,给出了目标回波模型,利用体目标回波的亮点结构,采用阵列信号处理中的两阵元模型,对尺度目标作了识别,并给出了仿真结果与分析。     

箔条干扰下的一种雷达目标小波识别方法

研究了雷达目标受到箔条干扰时，雷达目标信号和箔条干扰信号的特点及其在小波变换不同尺度上的不同表现形态、目前信号的任一小波系数与其周围以及父代的小波系数之间存在着较强的相关性，而箔条干扰信号的小波系数与其周围以及父代小波系数之间的相关性较弱．在灰色理论、小波变换和相关算法的基础上，提出了箔条干扰的一种新的识别方法和在箔条干扰背景下一种新的雷达目标识别方法．利用灰色关联度可以进行箔条回波检测，对雷达回波信号进行Mallat快速分解，计算相邻尺度上小波系数之间的相关系数，根据相关系数大小，对小波系数进行门限处理，然后由Mallat重构算法重构信号，得到目标信号，由此进行雷达目标检测、仿真结果表明，这两种方法能够有效检测箔条干扰和在箔条干扰下的雷达目标。     

高职校园文化建设要突出四大特色

高职教育是面向基层、面向生产、面向特定行业和特定区域培养实用型、技能型专业人才的职业教育形式。随着近年来高等教育事业的快速发展,一些高职院校发展呈现趋同化趋势,影响了高职院校的特色发展和品牌培育。因此,有必要在高职校园文化建设中突出职业特色、企业特色、行业特色和区域特色,最终形成高职院校自身的特色,实现学院的可持续发展。     

一种引入冗余控制的特征排序模型

针对特征排序方法较少考虑特征之间的相关关系,导致选择的特征子集存在冗余的问题,提出一种引入冗余控制的特征排序模型。将特征子集判别能力最大且冗余程度最小作为模型的目标函数,以降低特征之间的冗余;使用贪心方法和非线性规划方法对模型进行求解。在9个开源数据上的实验及与特征排序方法比较表明,本模型在大部分数据上,所选择的特征子集能够获得更好的分类准确性且个数更少;使用非线性规划方法求解时,能够直接得到特征子集,有利于确定特征个数。本模型可用于特征之间存在冗余时的特征选择。     

语义特征造型系统中特征相互作用分类的研究

针对特征造型系统不能很好维护特征语义主要是由于特征相互作用概念不完整造成的这一问题,依据特征相互作用的定义,提出了全新的特征相互作用的分类方法,方法中引入的面向对象技术最终保证了语义特征造型系统中特征语义的一致性和有效性。     

多领域特征模型有效性维护机制的研究现状分析

针对当前CAD/CAM集成系统中多特征造型的有效性问题,在分析相关专家学者大量研究成果的基础上,从特征识别、基于设计特征模型的特征转换、基于任意应用特征模型的特征转换三方面对研究现状进行评价与分析,指出了研究成果在实际应用中的应用特点。     

人脸识别特征抽取方法的研究进展

人脸识别属于生物识别的研究领域,是模式识别的一个重要研究方向,特征抽取是解决人脸识别的关键问题。通过对各种特征抽取技术和方法的分析比较,认为光照和姿态是影响人脸识别效果的两个主要因素,提出了人脸识别的解决思路和今后的研究趋势。     

一种基于单片机技术的半导体激光器特性参数测量仪

针对目前国内半导体激光器测量仪器系统庞大、操作复杂、测量周期长、价格昂贵、不易于推广的情况，研制了较低成本的半导体激光器特性参数测量装置．它能够方便、准确地测量激光器的重要参数，并能根据测得的电压一电流和功率一电流特性曲线对器件的质量和性能作出评价．     

特征建模技术在产品设计中的应用

针对ＣＡＤ技术中特征参数化问题,采用逐级分类的方法,给出了特征在产品设计领域的定义及其分类,对特征建模技术及处理方法进行了研究,同时采用面向对象技术对特征模型进行了描述,并结合加速度传感器的产品设计实例验证了基于特征的造型设计方法的可行性．     

基于图像的三维人体特征参数提取方法

为了解决三维人体建模中人体参数和尺寸提取的问题,提出基于图像的人体特征参数提取方法,进而对人体图像的各特征区域进行定位,并给出计算流程.对采集的图像进行预处理,再对人体正面和侧面图像特征点进行识别,从而识别出人体特征区域,提取出人体特征尺寸.阐述用模型法和参照法计算特征尺寸的方法与原理,推导出由图像像素计算特征尺寸的公式,分析模型法和参照法的优缺点,并结合两者的优点,提出模型参照法特征尺寸计算方法.利用实际采集的图像,根据模型参照法进行人体参数提取,结果表明,该方法能够方便、准确地从用户照片得到人体特征参数.     

基于显著稀疏强关联的脑功能连接分类方法

针对脑功能连接数据维度过高、冗余特征过多影响神经网络分类准确率的问题,提出一种基于显著稀疏强关联的脑功能连接分类方法. 该方法利用显著特征稀疏模块对原始特征进行筛选增强;采用稀疏强关联特征上下文融合模块对不同感受野内的显著特征信息进行聚合;使用全连接神经网络进行分类预测. 在ABIDE以及ADHD-200数据集上的实验结果表明,所提方法相较于现有的脑功能连接分类算法在准确率上分别提升了10.41%和12.50%. 重要特征的可视化结果表明所提方法能准确定位与疾病相关的脑区,具有一定实际应用价值.     

图像的不变矩特征及NMI特征研究

图像识别的方法及其技术实现系当前模式识别研究领域中最为热门的研究课题之一。本文针对NMI（归一化转动惯量）特征识别和仿射不变矩特征识别二种图像特征识别方法，通过实验分析该二种识别方法在旋转不变性、缩放不变性、随机噪声不变性上的差异。实验数据显示NMI特征识别方法在三种情况中均具有最佳的不变性特征。