模糊融合分类器在水雷识别中的应用

当目标的类别多时会使分类器的精度和稳健性大受影响,用神经网络分类器去完成复杂的目标分类任务是难以保证其可靠性的。引入信息融合条件下一种新型的分类器,即模糊融合分类器,该分类器可以自动“过滤”无效和冗余特征的负面影响,实现有效的特征层融合识别。采用4种特征提取方法,利用三个模糊融合神经网络作为分类器进行特征层的融合,再将分类器的输出作为决策层的融合,提高系统的分类性能。通过处理水雷实体回波数据得出的识别率表明,所选取的特征提取和分类器算法是有效的。     

子类独立分量分析在声目标识别中的应用

针对已有的特征提取方法在多目标识别中的不足,提出了基于高阶统计分析的独立分量分析法特征提取方法,通过对多种目标的声音信号进行子类特征提取,并应用决策导向无环图支持向量机实现对多目标的有效分类。结果表明该算法在通过声音信号对多目标识别上,具有很好的应用前景。     

海洋平台油气管道疲劳裂纹AE信号特征提取及识别研究

为了将声发射(AE)技术实际应用到监测海洋平台油气管道疲劳裂纹中,需要解决管道振动干扰以及疲劳裂纹AE信号有效特征提取的问题,而问题的关键在于对管道结构疲劳裂纹AE信号特征提取及识别算法的研究。在已有研究的基础上,提出了一种基于经验模态分解(EMD)为特征提取的疲劳裂纹识别方法,将管道振动干扰问题和疲劳裂纹AE信号有效特征提取问题联系在一起,对特征元素进行优化并剔除无效噪声干扰信息,通过概率神经网络(PNN)对疲劳裂纹信号进行识别。试验结果表明,PNN结合基于EMD为特征提取的疲劳裂纹识别法能够取得良好的效果,为声发射技术监测海洋平台油气管道疲劳裂纹提供了试验和理论依据。     

基于统计学方法的水面目标特征提取

在使用统计学方法对水面目标进行特征提取时,由于传统的方法进行自动目标识别的效果与RO(I感兴趣区域)定位算法有直接的关系,因此当ROI定位算法不准确时,目标的识别将很难完成。本文提出了一种基于目标特征的逐块二维Hadamard变换的特征提取和高斯混合模型分类器的局部特征轮廓识别方法。实验表明该方法对于复杂条件下的水面目标识别(如:部分超出视野范围以及比例变换等)具有很好的鲁棒性。     

多视角几何三维重建法识别工程结构缺损与变形

裂缝等工程结构表面缺损与弯曲等构件变形是既有工程结构安全性检测鉴定与监测的重要指标,采用数字图像法可有效改善当前人工检查技术的缺点,但在工程实践中显现出定量检测中图像几何变形修正困难、局部损伤难以在整体结构中定位、无法测量钢结构空间变形等问题。结合多视角几何三维重建法的研究与应用可有效解决上述问题。该文对多视角几何三维重建的方法原理与算法实现进行讨论,列举方法实践的经典算法与高效算法;围绕数字图像法检测在工程实践中存在的问题,提出表面投影法解决成像几何变形与损伤定位、逆向工程建模与特征提取识别几何变形损伤;通过结构表面裂缝识别、大型构筑物表面损伤定位、钢结构构件变形识别等3个应用研究,阐述多视角几何三维重建法在结构表面损伤与变形识别中的具体操作方法与比较优势。多视角几何三维重建法具有设备要求低、操作方便快捷、模型色彩丰富、点云精度较高等特点,与数字图像法结合后在工程结构检测监测领域的研究与应用潜力巨大。     

一种基于YOLOv3算法的3D打印点阵结构缺陷识别方法

针对3D打印点阵结构中缺陷目标因尺寸小、缺陷特征微弱而难以准确自动识别的问题,提出了一种基于YOLOv3算法的点阵结构缺陷智能识别新方法.该方法利用深度学习网络模型在特征提取方面的优势,采用多尺度网络进行预测,将缺陷的分类和定位问题作为回归问题处理.实验结果表明,所提算法实现了一种3D打印点阵结构内部典型缺陷的识别,缺...     

目标地震动信号的特征提取及识别研究

地面目标的地震动信号是目标识别的关键,本文研究了机动目标地震动特性,总结出目标的地震动信号的特征提取规律,并将神经网络方法用于目标的地震动信号的分类识别中。给出了识别结构及改进的BP算法,并将改进的BP算法用于实际目标的地震动信号的分类识别,得到令人满意的结果。     

S变换在水下目标分类识别中的应用

目标特征提取是目标识别的重要部分。介绍了一种较新的时频分析方法——S变换,对莱蒙湖底四类沉积物的反射回波进行S变换,并提出了提取变换后以频谱图的时间能量谱和奇异值为特征的特征提取方法,分析了四类回波的时间能量谱和奇异值特征的差异,并进一步用距离可分性测度检验了所提取的特征性能。最后利用最近邻分类器分类,仿真结果显示,该特征提取方法是一种有效的、稳定的特征提取方法,将在水下目标识别领域有更多的应用。     

流场特征识别的无量纲时程深度学习方法

流场的特征直接影响结构的流致振动状态,对结构绕流流场的特征分析具有重要的研究意义。在中高雷诺数与不同流速的情况下,尾流中隐含的流场特征不同,传统数学物理方法很难对其特征进行提取与识别。该文提出了采用无量纲的物理量时程进行流场特征识别的深度学习方法,消除了不同来流速度的影响,仅通过时程的时变特征进行特征识别,扩大了特征识别方法的应用范围。采用两种不同深度学习模型对三种棱柱的尾流进行了特征提取与识别,通过比较可以发现：归一化的时程中仍包含不同形状物体所引起流场的关键特征,可用于流场的特征提取;使用归一化时程进行流场特征识别可降低模型训练难度,又提高了特征提取的精度,是一种流场特征提取的新方法。     

基于排列熵与多重分形指数结合的特征提取算法在情感识别中的应用

通过对脑电信号的熵分析,进行了情感识别研究,并根据脑电信号的非线性特性以及多重分形特性的特点,提出了一种排列熵与多重分形指数相结合的情感脑电特征提取算法。该算法采用排列熵、Hurst指数、质量指数和奇异谱宽度相结合,实现情感脑电的特征提取,采用支持向量机(SVM))实现情感识别。结果显示,该算法两两情感识别,测试集最高正确率达到92.8%,除去激动对可怕外,正确率均在80%以上;与单独使用排列熵和分形指数特征的方法相比,最高正确率分别提高41.9%和31.2%。进一步分析了对积极和消极两类情感状态的识别效果,测试集平均正确率为78.3%,比排列熵与多重分形特征,测试集正确率分别提高了26.7%和1.6%。结果表明,基于排列熵与多重分形指数相结合的特征提取算法,能够充分挖掘脑电信号的非线性特性与多重分形特征信息,是一种有效的情感脑电特征提取算法。     

一种视听融合的水下目标识别方法研究

特征提取是水下目标识别研究中最为关键的技术之一,特征参数的优劣将直接决定分类识别系统的性能。将声信号的听觉与视觉感知特征结合,应用于水下目标识别,通过实验得出如下结论,相比于单独应用听觉特征,融合特征的平均识别率能提高4%~6%以上,特别是将听觉特征与声谱图的Gabor小波变换特征、灰度-梯度共生特征进行融合后,分类性能较好,平均达到87%以上。     

被动声纳目标识别技术的现状与发展

在现代被动声纳系统中，水下目标的自动识别是关键技术之一。文章对被动声纳目标识别的特征提取、特征选择和分类器设计方面进行了回顾。对LOFAR，DEMON和小波变换等特征提取技术进行了讨论，分析了特征优化的重要性和专家系统和神经网络等分类器的优缺点，并简要分析了该领域的过去、现在和未来。     

基于听觉感知机理的水下目标识别研究进展

水下目标特征提取与识别技术在国防、生产等领域内有着迫切的需求,目前基于听觉感知机理的水下目标识别研究正处于起步阶段,有着较为广阔的研究与应用前景。在简要介绍听觉感知机理研究情况的基础上,对近年来国内外使用听觉感知机理进行水下目标识别的各类研究成果进行了总结与归纳,针对基于听觉感知机理的水下目标识别领域各方面的研究进展给出了相应的客观评价,并从特征提取与目标的自动识别方面提出了对未来研究方向的展望。     

A broad review about face recognition – feature extraction and recognition techniques

Abstract

Face recognition (FR) throws open a vast horizon of challenging tasks in the arena of facial image processing applications and computer visualisation, and hence has riveted keen interest during the last few years on account of its versatile applications in numerous spheres. Creating a useful facial design from initial face images is a very important gradient for victorious facial expression detection. Here, we furnish a report of several feature extraction and recognition methods which find themselves employed in the method of FR. The major aim of this survey is to assess the diverse FR methods according to their feature extraction and recognition techniques. From the analysis, we come to know about the feature extraction and recognition methods which have been elegant utilised in the FR procedure. They also vividly establish the technique which has performed excellently yielding superior FR precision by detecting face images more exactly. Moreover our study draws a concise picture of the feature extraction and recognition techniques and acts as a lodestar to the incoming intriguing investigators intending to increase their information about this innovative technique.     

HHT与神经网络在舰船目标特征提取中的应用

目标识别一直是水声领域的关键技术之一。将高阶累积量用于希尔伯特变换特征提取中,通过对舰船目标辐射噪声信号进行采集,得到舰船目标噪声信号,进而提取目标辐射信号各阶模态的相邻平均瞬时频率比、相对标准差、中心频率、平均强度、高阶矩和高阶累积量等作为特征,最终利用BP神经网络来实现对两类舰船目标的分类识别。通过对实际舰船目标噪声进行识别,验证了该舰船目标识别系统具有较好的识别效果。     

基于提升小波变换的MFCC在目标识别中的应用

水下环境噪声对被动声呐目标的分类识别影响显著,为了提高水声信号识别系统对环境噪声的鲁棒性,采用提升小波变换方法提取MFCC特征,对水下被动声呐目标进行分类和识别。仿真实验表明,与传统MFCC和小波变换的MFCC相比,在信噪比相近的情况下,提升小波变换方法提取MFCC具有识别率较高、对噪声鲁棒性较好的显著优点。     

目标噪声响度特征提取技术研究

考虑声纳员听音判型过程中,目标噪声的响度变化是其判型的重要依据,计算目标噪声信号的响度,提取其响度特征,基于响度特征对三类目标进行分类识别。设计神经网络分类器,实测数据验证了基于响度的目标特征提取方法是有效的,并分析了响度特征和能量特征的区别,说明了三类目标噪声响度特征较能量特征分布的集中度好,有利于提高分类识别的正确概率。     

水下目标识别的1/3倍频程掩蔽谱方法

在对现有水下目标噪声信号分布研究的基础上,基于声学分析中的1/3倍频程分析和入耳的听觉掩蔽效应,提出了1/3倍频程掩蔽谱特征提取方法,并对水下目标辐射噪声进行了特征提取和特征分析.结果表明,不同类的目标,其主频范围有其固定的区域.Ⅰ类目标的主频一般在100Hz附近,Ⅱ类目标的主频一般在100Hz和200Hz附近,Ⅲ类目...     

嵌入注意力机制的卷积神经网络水声目标识别

针对低信噪比水声目标单一特征识别率低,稳健性差的问题,提出一种基于注意力机制和多尺度残差卷积神经网络（Multi-scale Residual CNN with Attention,MR-CNN-A）进行特征融合的识别方法。该方法根据多尺度卷积核与特征图形成多分辨率分析关系,并以此通过注意力机制实现优势特征权值提取与融合,从而提高模型在文中水声数据集上提取目标噪声特征和分类识别的稳健性与抗噪能力。开展了4类舰船噪声和海洋环境噪声的识别试验、水下和水面自主式水下航行器的识别试验,以及不同信噪比条件下目标噪声的识别试验。结果表明：对于文中所涉及的水声目标噪声和人工高斯白噪声干扰,该网络模型识别正确率明显高于支持矢量机与简单卷积神经网络,且对高斯白噪声的抑制能力远强于支持矢量机与简单卷积神经网络,稳健性好,模型复杂度小。