一种新的基于分形特征融合的图像目标识别算法

提出了一种基于多分形特征融合的目标识别算法.在此算法中,将分形理论与D-S证据融合理论相结合,提取或构造了分形特征,设计了合理的概率分配函数,并对所提出的算法进行了仿真研究,并将此算法的识别结果与基于单分形特征的识别算法、基于神经网络的目标识别算法进行比较,结果表明本算法是可行的和有效的.     

一种通用数码快速识别算法

本文给出一种通用（手写与印刷体）数码快速识别算法，其中包括库存标准数码模式算法ＷＨＩ、识别算法ＷＨⅡ，细化算法ＷＨＳ，最后给出最佳数码快速识别算法ＷＨⅡ。     

利用数据融合来解决目标识别问题

提出了一种用于目标识别与分类的改进算法,以模糊数学和D－S证据理论作为其数据融合的工具,通过比较基于融合信息进行分类与单传感器分类的结果,说明多传感器数据融合的优越性。     

基于三级信息融合结构的多平台多雷达目标识别算法

为了解决多平台多雷达目标识别时空信息融合过程中存在的时效性不高,识别特征信息模糊和雷达识别结果高冲突等问题,提出了一种基于三级信息融合结构的多平台多雷达目标识别算法。一级特征融合中,基于模糊评判法解决了多特征识别信息模糊问题。二级空域融合中,基于DS融合规则和折扣融合规则,提出了以平均证据距离为阈值的自适应证据融合算法。三级时域融合基于多雷达序列信息,给出了时域自适应融合算法。仿真计算结果表明文中提出的融合结构能够在保证结果正确的同时,每个周期都能输出结果,时效性较之以往的融合结构有了明显改善。文中的自适应证据融合算法能够克服证据间可能存在的高冲突性,并且与采用折扣证据融合算法相比计算量显著减少。     

一种调频连续波地面侦察雷达目标识别算法

针对线性调频连续波（LFMCw）便携式地面侦察雷达对地面运动目标的识别问题,提出了一种简单有效的行人与车辆目标识别算法．该算法利用行人与车辆目标的微多普勒特征不同,将其多普勒谱进行功率谱转换后,通过功率谱信息来完成对行人与车辆目标的分类识别．仿真实验验证了该算法的正确性．与基于时频分析类方法相比,该算法计算量小,且在动目标检测（MTD）之后进行数据处理时,不需要再对信号进行复杂的时频变换分析,因而具有较大的工程应用价值．     

一种高性能数据融合算法在无线传感器网络中的应用

无线传感器网络对信息的安全性和可靠性比较敏感,在数据融合过程中易受到节点生存期短和数据被伪造或篡改等方面的威胁,为了提高融合结果的真实性与可靠性,本文提出一种针对网络路由和节点的优化改进策略,路由方面应用流量分布加权算法最大化网络的生命周期;节点方面,应用BP神经网络算法融合簇头节点和基站的数据,最后采用信誉度评价机制对网络的整体性能进行分析。实验表明,改进后的融合方法可靠性提高,较大程度减少了数据的冗余度、降低了能量的消耗,提高了整个网络的性能。     

基于神经网络融合的目标识别技术研究

采用人工神经网络和数据融合技术设计了一种图像识别分类器.采用单层感知机网络、BP网络、径向基网络对汽车目标的特征数据进行识别,最后分别运用多数投票、平均Bayes、专家委员会三种融合算法把对各网络识别结果进行融合,得出最终判别结果.仿真结果证明了融合分类器用于图像目标识别/分类的有效性和可行性.     

一种红外可见光图像融合及其目标识别方法

为结合红外图像和可见光图像对目标检测识别的优点,提出了一种红外可见光图像融合及其目标识别方法.该方法根据数学形态学算法获得局部感兴趣区域,减少图像特征点生成范围,提高效率;通过使用基于多模态图像尺度与部分灰度不变图像特征算法建立合适的特征点定位和描述;最终根据局部不变性匹配原则,实现图像误匹配消除,得到配准关系.实验结果表明,本文方法能实现融合图像多目标的检测识别,其精度好,有一定的应用前景.     

一种Chirplet神经网络自动目标识别算法

针对飞机目标的自动识别问题,提出一种联合特征提取与分类的Chirplet神经网络方法,实现一维高分辨率距离像的识别。Chirplet神经网络将Chirplet原子变换用于多层前馈神经网络结构的输入层,替换传统的激励函数对距离像序列进行特征提取;网络的分类部分由隐层和输出层组成。在训练过程中调整神经网络权值的同时,完成对Chirplet原子时频参数的自动调整,协调优化特征参数和分类器参数,使Chirplet神经网络同时实现特征提取和目标分类。对4类飞机目标的仿真测试结果表明,相比时频变换和Gabor原子网络等方法,具有四特征参数的Chirplet神经网络方法具有较高的识别率和抗噪性能。     

改进的多目标多传感器数据融合相关算法

数据融合是利用计算机对数据进行一定处理，得出目标状态及势态估计的多层次多平台过程，详细讨论了对目标的跟踪算法，此算法不仅对多目标，而且对新出现目标和机动目标均能进行识别和跟踪。