AIC准则在数据融合中的应用

提出了一种利用AIC准则来确定信息源信任度系数的方法,并以此衡量信息源的质量.实验结果表明,利用AIC准则确定的信任度系数可以得到较好的图像识别结果,同时也证明了将该方法应用在数据融合中的可行性.     

遥感数据和多源地学数据的融合研究

随着遥感和地面勘探技术的发展,用于矿产和石油等资源调查的信息源和信息种类越来越多,多源数据的融合可以弥补单一信息源的不足,减少地质解释的多解性。因此,多源数据融合技术成为勘探学界研究的热点和难点。本文对遥感数据的地学应用、多源数据融合概念、流程、融合方法及评价方法进行分析和讨论,认为图像处理技术可以使遥感数据进一步揭示隐伏信息,同时图像融合技术对于解决多源数据融合的问题具有较大的应用前景。     

综合集成赋权法在数据融合能力评估中的应用

基于系统的方法和理论,分析了影响数据融合能力评估指标权重系数的各要素,给出了应用综合集成赋权法确定数据融合能力评估指标权重系数的数学模型和方法、步骤,解决了高层次上的指标样本数据的获取问题。通过实例分析,给出了3种赋权方法在某防空武器数据融合能力评估试验中所确定的权重系数的比较结果,进一步说明了综合集成赋权法适合应用于该类型系统的评估指标权重系数的确定。     

基于D-S证据理论的障碍目标身份识别

以越野环境中典型的障碍物为识别目标,选用单目视觉与激光扫描仪建立融合系统,基于D-S证据理论融合多传感器信息,实现UGV对障碍目标的身份识别。首先将每个传感器的观测数据从观测空间变换到证据空间,对每种身份分配一个基本概率赋值;融合系统再根据Dempster组合规则计算各个命题组合后的概率赋值函数和相应的信任度区间,然后计算综合概率赋值函数和信任度区间;最后根据计算结果和决策规则进行障碍身份识别。试验表明:该方法优于利用单个特征识别障碍物身份,能大大提高系统对于障碍物的识别分类能力。     

一种复杂环境下多传感器数据融合方法

针对现有方法没有利用证据数据采集源头的可靠性信息这一问题,结合温度数据采集,提出一种复杂环境下多传感器数据融合算法。从多传感器采集的原始数据出发,通过原始数据分析当前传感器节点的信任度,对当前传感器证据进行相应的修正,从证据源层面修正冲突证据。在证据融合阶段引入支持度修正证据迭代融合思想,比较融合证据与原证据的差异冲突等属性来评估原证据的支持度并修正原证据,将修正后的证据再次融合,多次迭代至最终融合结果收敛。试验仿真与现存的多种融合方法进行比较,仿真结果验证了本研究方法在解决证据冲突问题上的有效性。     

一种复杂环境下多传感器数据融合方法

针对现有方法没有利用证据数据采集源头的可靠性信息这一问题,结合温度数据采集,提出一种复杂环境下多传感器数据融合算法。从多传感器采集的原始数据出发,通过原始数据分析当前传感器节点的信任度,对当前传感器证据进行相应的修正,从证据源层面修正冲突证据。在证据融合阶段引入支持度修正证据迭代融合思想,比较融合证据与原证据的差异冲突等属性来评估原证据的支持度并修正原证据,将修正后的证据再次融合,多次迭代至最终融合结果收敛。试验仿真与现存的多种融合方法进行比较,仿真结果验证了本研究方法在解决证据冲突问题上的有效性。     

利用AR模型解决全相位技术数据长度限制

针对在建筑结构领域全相位技术中对数据长度的限制问题,提出使用基于自回归（AR）模型的数据外推方法（AREX）,给出适用于全相位技术的AR模型定阶算法. 提出以有效频段最大能量集中为原则确定AR模型阶数的算法（ECC）,与最终预测误差（FPE）、阿凯克信息准则（AIC）、贝叶斯信息准则（BIC）及奇异值差分谱准则（SVD）进行对比. 结果表明,ECC算法更适合AREX方法. 将原始信号及AREX方法与常见数据扩展方法的估计信号进行全相位处理,结果表明,AREX估计信号的波形和频谱的相似程度均优于其余方法. 将AREX方法用于建筑结构有限元分析数据和振动台试验信号的全相位数据处理,结果表明,AREX估计信号基本上可以等效原始信号结果,表明AREX可以解决全相位数据长度的限制问题.     

证据理论在相似图像识别中的应用

在图像识别中,由于样本集数量有限,导致所提供的信息不完整,从而增加了正确识别的困难,特别是对于相似图像的识别.对此,可以利用多信息源提供的信息,应用证据理论的方法,对相似图像做出识别.实验结果表明,证据理论的应用可以在相似图像的识别中取得较好的识别效果.     

基于BP神经网络和D-S证据理论的损伤识别方法

目的有效利用结构健康监测系统中的多源传感器数据信息，进而提高复杂结构健康状况的正确诊断率.方法将BP神经网络与数据融合理论中的证据理论有机融合，提出一种决策级数据融合损伤识别新方法.为了验证所提方法的有效性，用1栋7自由度剪切型建筑模型的6种损伤进行了检验.结果研究发现，将BP网络和D-S证据理论相结合的综合诊断模型，可以有效地提高一些损伤模式的诊断率，具有良好的适应性.结论笔者所提方法优于单一信息建立模型的识别能力，表明它具有较好的容错性和识别精度，用于健康监测和损伤检测是可行的、有效的.     

激光雷达测量系统的现场精度评价方法

针对激光雷达测量系统在大尺寸测量空间下的高精度、高效率的需求,对测量任务开始前需要进行的现场精度评价进行方法研究.通过对测量距离的控制,数据处理方法的改善以及测量网的系统站位设置等,实现了测量任务的精度预评估.首先通过蒙特卡洛仿真实验确定系统的合适测量距离,然后利用多站位数据融合技术对测量结果进行优化.根据国际标准的量值传递原则设计评价准则,确定了单站位和多站位两种现场精度评价方法.最后在实际测量现场中进行精度标定实验,验证方法的有效性.实验数据表明单点测量误差可以根据测量要求的不同,通过改变测量距离来控制.转站后的公共点误差通过多站位数据融合技术最大可以将误差缩小54％,证明方法具有理论正确性和实际可行性.     

数据融合技术在集员辨识中的应用

集员估计算法是一种新型的、有效的系统估计方法,在控制领域越来越受到重视.通过多传感器数据融合的方法,可以减少单一传感器辨识目标的不确定性和模糊性,可以进一步提高辨识结果的准确性和精度.文中提出了一种新型的基于数据融合的集员估计算法可以用来减少各种检测误差带来的影响,提高辨识的速度和精度.得出一个更优的集员估计集.     

基于深度学习产品质检命名实体识别研究

产品质量检测 (pruduct quality inspection, PQI) 是维护市场秩序和保障健康安全的一项重要工作, 通过自然 语言处理技术对质检文本数据实体识别, 能够有效监督和控制产品质量。为了提高 PQI 文本数据命名实体识别效 果, 提出一种融合注意力机制的 CNN-BiGRU-CRF 模型, 在 CNN 层将字词向量和词长特征向量联合输入, 充分获 取文本特征。使用注意力机制重点关注目标信息特征, 抑制无用信息, 将输出序列进行加权后得到标注分数值, 以 提高识别精度。以人工构建的 PQI 数据集作为实验数据, 并与其他模型对比。实验结果表明, 该模型在 8 种实体类 型的实体识别中准确率和 F₁ 值达到 74.7% 以上, 优于其他传统模型, 在 PQI 数据的实体识别上达到了较好的识别 效果。     

基于方向场信息的指纹图像质量评测

指纹图像的质量严重影响指纹识别系统的性能,指纹图像质量评测在指纹识别系统中的指纹分割、匹配等环节有重要应用,对指纹识别算法的研究具有重要意义。利用指纹图像的方向场信息,提出了一种基于指纹方向场信息连续性的指纹图像质量评测方法,评测结果将指纹图像分成质量较好和较差两类。该评测方法对于指纹图像的每个分块,分别计算原始方向场信息和低通滤波平滑后的方向场信息,根据统计的整幅图像低通滤波平滑前后原始方向场的变化率,评测指纹图像的质量。实验结果表明该方法能够较为有效地提高低质量指纹图像质量评测的正确率。     

结合小波与递归神经网络的低分辨率人脸识别

针对低分辨率人脸图像缺少有效信息而导致识别率较低的问题,提出一种结合哈尔小波与递归神经网络的低分辨率人脸识别方法。首先,通过深层网络直接预测小波系数,经过小波逆变换得到高分辨率人脸图像,可以有效地重建高频信息;其次,在卷积神经网络中加入递归模块,在增加网络深度的同时减少参数冗余,提升模型的映射能力;最后,提出一种优化的重建与感知损失融合方法,将小波系数重建损失与感知损失进行加权融合,用以生成有利于识别的人脸图像。基于公开数据集,对图像重建质量与识别性能进行了对比。实验结果表明,即使在极低的分辨率条件下(8×8,16×16),仍然能够重建出更加锐利的人脸图像。在此基础上,其识别能力优于目前领先的超分辨率重建算法。     

基于Gabor及深度神经网络的葡萄种子分类

种子成熟度需要受过长期训练的专家通过肉眼进行观察和判断。为了改变传统人工经验判断的方式,该文提出了一种基于Gabor小波特征提取及深度神经网络的葡萄种子图像分类识别算法,以便实现高效、准确的分类识别效果。首先,利用背景差分法在背景图像中分割出兴趣目标,从而完成图像的预处理。然后,通过改进的Gabor小波特征提取,使得Gabor滤波后的图像具有更多的细节纹理信息。最后,将深度卷积神经网络和提取到的纹理特征信息相结合进行分类。实验结果表明,基于机器学习的葡萄种子成熟度识别是切实可行的。且相比于其他类似分类算法,本文算法的图像分类精度有了一定的改善。     

基于整体和个体分割融合的双人交互行为识别

在人类交互行为识别领域,基于RGB视频的局部特征往往不能有效区分近似动作,将深度图像（Depth）与彩色图像（RGB）在识别过程中进行融合,提出一种融合Depth信息的整体和个体分割融合的双人交互行为识别算法。该算法首先分别对RGB和Depth视频进行兴趣点提取,在RGB视频上采用3DSIFT进行特征描述,在Depth视频上利用YOLO网络对左右两人兴趣点进行划分,并使用视觉共生矩阵对局部关联信息进行描述。最后使用最近邻分类器分别对RGB特征和Depth特征进行分类识别,进一步通过决策级融合两者识别结果,提高识别准确率。结果表明,结合深度视觉共生矩阵可以大大提高双人交互行为识别准确率,对于SBU Kinect interaction数据库中的动作可以达90%的正确识别率,验证了所提算法的有效性。     

基于Mel子带的鲁棒性说话人识别系统

在分析各个Mel子带抗噪性能的基础上，提出了鲁棒性的说话人识别算法，经实验结果证明，在噪声环境下此算法能有效地提高说话人识别系统的识别率。     

机械工程图的智能输入与识别研究

介绍了一个机械工程图智能输入与识别系统的设计与实现，讨论了系统各模块的功能和算法。为了提高机械图纸的识别精度与范围，引入了直线，圆弧重构及基于人工神经网络的机械标注符号智能识别。     

融合高阶信息增强模块的复杂背景植物叶片图像分类

植物叶片对植物种类分辨与认知具有重大研究作用. 提出了一种充分提取植物叶片特征信息的高阶信息增强模块,使用包含高阶信息增强模块的卷积神经网络模型对植物叶片图像进行多感受野特征提取. 以复杂背景下的植物叶片图像为研究对象,从中国植物图像库中获取样本来源不同的植物叶片图像构成含有9种叶片的PLD_amp数据集,采用添加高斯噪声、数据增广技术平滑和增扩数据集,增强数据的可操作性. 与现有传统卷积网络相比,所提出的包含高阶信息增强模块的CNN模型最佳分类准确率可达88.7%,具有较高可行性与高分类准确率.     

一种基于CSI的人体动作计数与识别方法

WiFi信道状态信息（CSI）被广泛应用于被动式（非侵入式）人体行为判断,为使用现有商用设备实现人体连续动作计数与识别,提出了一种Wi-ACR方法.先利用阈值和活动指标检测出一组连续动作发生的区间和时间,再通过peak-find算法统计出动作的数量,并确定每个动作的开始和结束时间;再分别采用基于波形特征的动作识别模型和基于统计特征的动作识别模型,得到动作识别结果.实验评估结果表明,Wi-ACR对动作计数的准确率可达95%,两类识别模型对于2个动作（深蹲和走）的平均识别精准率为90%.