基于3D特征动态融合的点云特征提取网络

针对目前用于点云配准的点云特征提取方法并未充分提取点云中的有效信息等问题，提出了一种基于3D特征动态融合的点云特征提取网络（3D feature dynamic fusion and residual u-net,DFRUNet）。该网络通过3DFDF(3D feature dynamic fusion)模块将编码和解码模块的特征动态融合，以充分提取点云中的有效信息；同时采用SE-Res(squeeze and excitation residual)模块来提取点云特征，通过动态调整显著区域的权重，对该区域特征进行重点提取，以提高所提取特征的质量。将网络所提取特征映射到高维空间中，采用随机采样一致性（random sample consensus,RANSAC）算法完成点云配准。实验结果表明，在3DMatch数据集上，该算法特征匹配召回率（feature-match recall,FMR）达到了96.3%，相较于经典的FCGF算法提高了0.011。配准召回率（registration recall）达到了82.2%，提高了0.014。该方法充分提取了点云中的有效信息，达到了更高的召回率...     

基于线性预测能量谱系数的自然语音和耳语音的分类研究

在进行语音识别之前对自然语音和耳语音进行预分类，再分别放入各自的识别系统，可以提高耳语语音识别系统的识别性能。基于此，文中提出一个新的特征线性预测能量谱系数（LPESC），在该特征的提取过程中，对提取到的频谱图进行切分，以便获取到更多的语音信息，并将其用于耳语音分类。此外，还特别设计4种不同的滤波器组，并将提取到的特征应用于7个分类器上。实验结果表明，密集的均匀三角滤波器组更加适合提取该特征，在7种传统分类器上均有较好的分类效果，其中SVM分类效果最好。最后，对比LPESC与传统特征（39维的LFCC和MFCC）在7种分类器上的分类效果，验证新特征的有效性。实验还发现，女生的耳语音有更好的分类效果。     

自动评阅系统中手写英文字母识别算法研究

该文就自动评阅系统中手写英文字母的识别问题提出一种简单高效的识别方法。对预处理之后的图像进行水平和垂直投影,通过提取相关的特征信息对目标字母进行分类,经过几次分类完成对字母的识别。实验证明该方法可以较快的完成识别,并具有较高的准确性。     

核爆地震波的频特征

对地下核爆炸产生的地震波信号进行联合进频分析，旨在研究核爆炸与天然地震信号在时频平面上的差异，为核监测提供鉴别判别。除疳传统的时域、频域特征统一并推广为时频平面上的矩特征和复杂度特征之外，还提出了利用互模糊函数数图像，时频平面上的时频面积比和累积分布等作为特征，对地震波进行更细致的分析。此外，将时频表示直接进行奇导值分解，用得到的少量奇导值作为一种正交变换特征，以减少特征空间的维数。给出了具体应用     

小波变换及其在图像边缘特征提取中的应用

讨论了傅里叶变换的缺点及小波变换的定义,分析了小波变换和加窗傅里叶变换的特点。介绍用传统的4f光学处理系统实现小波变换,它在光学图像的边缘特征提取中能够很好地得到应用。     

光照分布不均的米粒数目统计

通过对光照不均匀的米粒灰度图像进行最佳阈值分割和特征提取,获得时米粒数目的自动检测方法.谈方法具有较强的光照分布不均和面积大小适应性.经仿真试验,检测结果可以达到97%以上.同时,相较于同类算法,该方法算法简单,运行时间较短.     

核主分量分析法提取液体火箭发动机故障特征

某型号液体火箭故障仿真过程中涉及大量描述发动机状态的参数,因此在对该设备进行故障诊断前,需要对监测或仿真数据进行特征提取,以减少存储空间,缩短故障诊断时间.采用主分量分析法及其改进算法核主分量分析法对其故障仿真数据进行特征提取,从多个描述该型号一级火箭发动机故障状态的变量中选取了少量特征,采用这些特征进行故障诊断时,诊断结果正确,同时显著提高了故障诊断的实时性能.     

基于ART2神经网络的汽车车架纵梁模式识别

在研究了汽车车架纵梁图像后,针对汽车车架纵梁上孔的分布特征,提出了多元纵梁图像特征提取的方法.首先,通过小波变换提取图像小波分解系数用作纵梁图像的特征,然后把纵梁图像分成16个子矩阵(4×4)提取纵梁图像的边缘像素数,并作为神经网络的输入,得到纵梁模式识别的基本概率分配,最后根据D-S证据理论的合成规则得到识别结果.试验结果表明,该方法是有效的.     

基于神经网络的一种概率谱特征提取方法

表达了一种概率谱特征提取方法、并行、自组织、分层神经网络（ＰＳＨＮＮ）在训练是在缩文尚未对输入矢量产生最佳分类、可提高精确率。     

模式识别技术用于核电站松动件质量估计模型研究

介绍了一种利用模式识别理论和人工神经网络理论实现对核电站松动件质量进行估计的数学模型。利用模式识别理论的特征提取技术，实现对松动件碰撞玲号的特征压缩，从而形成比较少的特征空间维数，经过神经网络的学习过程，实现对核电站松动件质量大小的估计。实验证明，该方法能够得到比较高的计算精度，其实现过程也比较简单方便，为核电站松动件质量估计提供了一种手段。