基于图像处理技术的天然气表检测

针对传统天然气检测系统存在的检测效率低和准确性不高的问题,提出了基于显著形状特征的天然气表数字图像识别方法,通过对数字外轮廓进行简洁、高效的编码,并辅助数字长宽比、内腔等其他形状特征,从而能同时识别整字和半字出现的情况,即而实现了气表检测过程中读数的自动化。实践证明,新系统的检测效率大为提高。     

一种自由手写体数字识别方法研究

提出了一种识别自由手写体数字的新方法。该方法综合利用手写字符的几何拓扑特征进行分类，然后再用自适应浮动模板描述其细特征，并进一步分类，直至识别为止。该方法对不同人书写的３０００个手写数字识别精度达９８％，识别速度为２０字／秒。     

基于支持向量特征筛选方法的想象动作识别

引入了支持向量特征筛选方法,以克服基于想象动作诱发脑电特征的脑-机接口识别中,由于特征维度较高而训练数据有限、不易获得理想识别效果的问题.支持向量特征筛选方法采用扰动支持向量机代价函数的方法测量特征的分类贡献度,进而建立特征序贯指数,以递归方法进行特征排序和优化筛选.对14例受试者的左右上肢想象动作诱发脑电信号进行分析,提取6类246维特征,采用支持向量递归筛选方法进行特征优选,利用支持向量机对优选特征进行识别,结果显示,支持向量递归筛选得到的优选特征可显著提高识别正确率.研究表明,支持向量特征筛选可以降低无效特征干扰,提高分类器效率,适用于特征维度较高的脑-机接口任务识别.     

基于成形过程的钣金特征识别与工序排配

目的在工序排配中引入特征识别技术,提高工序排配的自动化水平。方法提出了一种基于成形过程的钣金特征识别与工序排配的方法,先在最终的产品零件上进行钣金特征识别,然后按照工序步骤反向逐步进行中间工序设计,形成最终工序排配方案。结果在NX11平台上,以微波炉门体为例进行测试,该方法完成工序排配大约耗时5min,每序设计结果能用于辅助该序数字化模具的生成。结论基于成形过程的钣金特征识别与工序排配,显著提高了工序排配的效率,降低了钣金模具设计的周期。     

轴类零件二维工程图的特征识别方法

提出了轴类零件特征识别的方法.首先对特征进行了分类,接着建立了轴类零件的特征树模型,并且给出了实现该特征树模型的类结构;然后确定了主特征、辅助特征的识别原则和特征识别过程中的图形调整方法;最后描述了建立特征树的算法.在AutoCAD 2006环境下,以ObjectARX为开发工具,开发出了特征浏览器,实现了文中提出的原理和方法,以某典型轴类零件图为例进行了特征识别,识别效果良好.     

基于矩特征的水下目标识别研究

对大量水下获得图像的判读,采用人工识别,工作量大时效性差,不利于信息的及时获得.根据图像中目标的矩特征,引入小波变换,利用小波矩不变量来表示目标特征,提出结合离散度和浮动搜索算法的特征选择方法,选择最优特征组.经过仿真实验,证明了用小波矩不变量来识别不同形状的目标,识别效果很好.     

基于机器学习方法的汉语名词隐喻识别

把机器学习方法引入汉语隐喻识别的研究.隐喻识别过程被描述成隐喻义与字面义的分类问题,通过最大熵和朴素贝叶斯两种方法的隐喻建模,在综合上下文词语、词性等多项特征的基础上,最后初步确定了最大熵识别的理想窗口,进而又引入左右位置特征来提高实验效果.在两种模型的比较实验中,最大熵模型在隐喻识别方面有明显的优势.     

基于多源数据融合的掘进机截割岩壁硬度识别方法

针对煤矿井下掘进机截割岩壁硬度识别难度大的问题,利用其悬臂振动信号、升降油缸和回转油缸压力信号、截割电机电流信号,提出了一种基于多源数据融合的截割岩壁硬度识别方法。该方法首先对各类信号进行小波包分解,单支重构各频带信号并组建时频矩阵,通过奇异值分解得到包含时频信息的若干特征奇异值,以构造特征向量;再利用LDA算法实现数据特征级融合,得到类可分性更好的低维特征。为解决概率神经网络(PNN)平滑参数无法确定和网络结构复杂的问题,提出了基于差分进化算法(DE)和QR分解的PNN优化方法,并通过优化PNN对低维特征进行硬度识别。实验结果表明:所提出的特征量提取和模式识别方法是有效的,与目前常用的其它模式识别算法相比,优化PNN在掘进机三种工况下均有更高的硬度识别准确率。     

基于特征检测的数字仪表数码快速识别算法

为对数显类仪表的显示数据进行自动识别与监测,提高该类仪表的自动化水平,需要研究仪表数码快速识别算法。该文提出一种基于特征提取的数字仪表数码快速直接识别算法。将图像进行预处理后,对数显屏幕进行定位。通过列切实现单个数码字符切割,对单个数码字符进行七段特征检测和五线相交检测,实现对正体数码和斜体数码的快速直接识别。实验表明,算法基本可以满足各种仪表数码的识别需求,识别速度快、准度高。     

基于路面特征系数的路面识别方法研究

要使汽车制动时能够充分利用路面的附着条件,需要对当前路面进行识别,同时根据识别结果实时调整系统的目标滑移率。在Burckhardt轮胎-路面模型基础上,引入"路面特征系数"的概念(它表示路面附着系数与附着系数曲线斜率之和),给出7种典型路面的路面特征系数曲线,建立动态识别区间,据此在制动过程中实现路面的动态识别。基于单轮车辆模型进行制动仿真试验,结果表明该方法能够迅速准确地完成路面识别,制动时充分利用路面的附着条件,同时具备自动纠错功能。     

改进的基于人眼结构特征的虹膜识别方法

本文提出了一种改进的基于人眼结构特征的虹膜识别方法,基本思想是:首先,通过图像预处理,确定虹膜的位置和大小,将环形虹膜图像展开成矩形并进行归一化与图像增强;其次,利用局部灰度极小值的方法寻找有效虹膜区域内的特征点,依据纹理长度和方向信息去掉伪特征点,得到虹膜二进制编码;最后根据匹配准则进行识别.大量实验表明,该方法识别率高,识别时间短.     

基于SIFT变换和DWT-SVD的自适应图像水印算法

目的由于传统的自适应水印技术无法实现水印嵌入区域依据图像自身的特征而改变,且抵抗几何攻击的能力较弱,提出一种基于SIFT特征提取,结合DWT-SVD的水印嵌入方法。方法首先对图像进行SIFT特征提取,然后利用RANSAC算法选取出鲁棒性较好的特征点,通过特征点选取合适大小的水印区域,最后结合DWT-SVD算法将水印嵌入原始图像中。结果采用SIFT变换结合DWT-SVD算法嵌入的水印,含水印图像的视觉效果较好。含水印图像在没有受到攻击时,可以无损地提取出水印;在受到攻击时,提取出的水印品质较好,NC值均高于0.96,且算法的时间复杂度和空间复杂度均较小。结论实验证明,此方案在面对任意角度的旋转攻击,以及常规图像处理攻击有很好的鲁棒性,可以达到保护数字产品的目的。     

改进的穿线法的卡尺图像识别

为了提高卡尺显示的数字识别效率及识别精度,提出了一种基于改进的穿线法的数显卡尺图像识别算法。传统的穿线法在数字图像识别时对图中数字垂直方向有倾斜的数字图像的识别会频繁出现错误,实用性差,有缺陷,无法在智能制造现场大范围推广。针对这个问题,先采用Radon变换对数字图像的垂直方向倾斜角进行估计,再利用该估计角度的倾斜直线代替传统穿线法竖直直线,进而通过数字图像分割和处理,实现高效率识别。实验结果表明,该算法识别率约为98%,很好地满足了工业测量中大范围高密集度的数字图像识别的使用要求。     

分布式光纤入侵信号检测与识别

分布式光纤声波传感(DAS)技术通过接收相干瑞利散射光的相位信息来探测声波或振动信号,具有灵敏度高、动态范围广等特性,可利用线性定量测量实现对信号的高保真还原。随着实际应用的需求不断提高,光纤入侵检测领域对事件的定位和识别提出了更高的要求,表现为对入侵事件的准确分类,因此将分布式光纤声波传感技术与模式识别(PR)技术相结合是目前研究的热门,有利于推动分布式光纤传感技术的应用发展。本文总结了近年来在分布式光纤入侵检测的模式识别技术中所应用的特征提取和分类算法的研究进展,回顾了几种实现入侵事件信号识别的特征提取方法及其在不同应用场合面临的特征选择难点,同时对特定事件识别算法的优劣进行分析归纳。     

基于非广延小波特征尺度熵和支持向量机的轴承状态识别

摘要：为了对轴承的运行状态进行有效的识别,以便进一步评估和预测轴承的寿命,提出了基于非广延小波特征尺度熵和Morlet小波核支持向量机（Morlet wavelet kernel support vector machine, MWSVM）的轴承运行状态识别的新方法。对采集到的轴承振动信号进行小波分解,得到相应的小波分解系数,在此基础上结合非广延熵理论提出了沿尺度分布的非广延小波尺度熵特征提取方法。但是通过小波特征尺度熵分析后获得的特征信息存在维数较高,特征信息间冗余严重的问题,因此,引入了流形学维数约简算法(locality preserving projection, LPP)进行敏感特征信息的提取,减少在特征信息提取过程中人为因素的干扰。以约简后的特征信息作为MWSVM的输入进行训练,建立轴承的状态识别模型,从而实现轴承状态的识别。通过对某轴承内圈正常状态和几种故障程度不同的状态进行识别,试验结果表明了方法的有效性。     

利用样本向量空间位置关系的目标识别方法

利用样本向量的空间位置关系,对目标识别方法进行研究。根据样本向量最小夹角给出了可分类识别率的定义,且应用样本向量间的夹角对样本向量进行筛选,获得了更有利于分类的样本。在此基础上提出了样本向量最小夹角识别算法,以及对样本向量最小夹角和最短距离进行综合的目标识别算法。为了进一步提高识别效果,将特征线之间的最小夹角引入到识别算法当中。所研究的目标识别算法应用到飞机目标识别,若采用奇异值特征作为样本可以得到90.0%以上的识别率,而采用颜色特征作为样本则可以得到92.5%以上的识别率。     

一种有效降维的特征选择方法及其在水声目标识别中的应用

为在保证目标识别准确率基础上进行有效特征降维,文章以目标识别准确率为特征选择准则,提出一种支持向量机递归特征消除（Support Vector Machine Recursive Feature Elimination,SVM-RFE）快速筛选出部分优质特征子集与猫群算法（Cat Swarm Algorithm,CSO）迭代寻优结合的特征选择方法,并将该方法应用于水声目标识别的特征选择。实验数据处理结果表明：相比SVM-RFE和CSO特征选择算法,文中提出的方法在平均特征维数降低8%的基础上,平均目标识别率提高了1.88%,能够实现有效降维的目的。该方法对判断特征是否适合用于特定的目标识别也有一定应用价值。     

基于BPSO-KNN算法的被动声呐目标分类识别技术研究

以提取得到的被动声呐目标功率谱特征为基础,采用二进制粒子群(Binary Particle Swarm Optimization, BPSO)优化算法和k最近邻(k-Nearest Neighbor, KNN)分类算法相结合的BPSO-KNN算法进行特征选择和参数优化,分别用KNN分类算法和BPSO-KNN分类算法对实际得到的四类海上被动声呐目标进行分类识别。结果表明,BPSO-KNN算法可对提取的功率谱特征进行特征优化选择,并对KNN分类器进行参数优化,提高了对四类目标的分类精度。该算法在被动声呐目标分类识别方面有参考价值。