部件字典结合时分方向特征的手写维吾尔字符识别

针对联机手写维吾尔128类变体字符,提出了一种基于部件字典和时分方向特征的识别算法。该算法首先结合连笔分析,将字符分解为主体、附加和点三类部件,建立手写维吾尔字符的部件字典,有效解决联机手写维吾尔字符的笔顺连笔自由问题;然后,为减轻手写字符拓扑变形造成的干扰,对单个部件提取一种新的联机特征-时分方向特征,该特征在模糊域提取方向链码然后按时序划分统计,并通过检测和调整短时变动进行抖动校正;最后,设计不同分类器对各部件进行匹配,利用匹配测度分布估计各部件权重,并通过加权朴素贝叶斯融合得到字符识别结果。实验结果表明,该算法能有效地识别128类无约束手写维吾尔字符,在包含13 056个样本的手写体维吾尔字符数据库上的平均识别率为93.15%。     

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。     

多传感器数据融合技术在火灾报警中的应用

针对目前火灾报警中存在的问题,提出了一种基于神经网络和D-S证据理论的多传感器数据融合技术,并通过模拟实际输入信号的仿真结果进行了证明.这种采用神经网络BP算法和D-S证据理论的多传感器数据融合技术,能够显著提高火灾的识别能力,有效降低火灾误报率.     

基于改进D-S证据组合规则的目标识别算法

为了更好地解决高冲突证据的融合问题,提出一种3条证据直接融合的改进D-S算法.该算法首先根据证据支持贴近度函数给出识别框架下各焦元支持度的计算方法;其次根据三维证据直接融合产生的冲突因子的性质及各焦元的支持度,提出一种基于D-S证据组合规则的冲突信息加权分配算法;最后以多传感器多目标识别系统为背景进行仿真实验.理论分析和仿真结果表明,基于三维证据直接融合的改进D-S算法具有较强的抗干扰性能,能有效融合各种冲突信息,提高目标识别概率.     

NSST与引导滤波相结合的多聚焦图像融合算法

为进一步提高融合图像的对比度和清晰度,提出一种非下采样剪切波变换(简称NSST变换)与引导滤波相结合的多聚焦图像融合算法.首先,利用NSST变换对多聚焦源图像进行多尺度、多方向分解;然后针对低频子带系数,通过计算局部区域改进拉普拉斯能量和进行加权映射,构建初始融合权重,利用引导滤波修正初始融合权重,提出一种基于局部区域改进拉普拉斯能量和的引导滤波加权融合规则;针对高频子带系数,结合人眼视觉特性,通过计算显著信息、局部区域平均梯度、边缘信息和局部区域改进拉普拉斯能量和来构建初始融合权重,利用引导滤波修正初始融合权重,提出一种基于人眼视觉特征的引导滤波加权融合规则;最后,进行NSST逆变换,获得融合图像. 4组多聚焦源图像的仿真实验结果表明,无论是从主观评价还是客观评价上,与其余4种融合算法相比,本文算法均较好地保留多聚焦源图像的边缘轮廓、细节和纹理等信息,也无细节信息缺失,提高融合图像的对比度和清晰度.     

基于形状上下文的车牌字符识别

针对车牌字符识别问题,该文提出一种基于形状上下文的识别算法,对分割好的车牌字符进行识别。对分割字符进行边缘检测,提取部分边缘点作为样本点,计算每个边缘点的形状上下文描述算子;再对分割字符和字符模版进行相似度比较,得到相应的对数极坐标图,计算相似度是否达到预设的阈值来判定分割字符是否可识别,并判别结果。实验表明,此算法在二维目标的不变性中,具有精确的匹配效果。     

基于PCA和LBP的自适应加权融合人脸识别算法

人脸识别技术易受光照、姿态和表情等影响,为增强人脸识别算法的鲁棒性,提出了一种基于PCA和LBP的自适应加权融合识别算法。首先,采用PCA和LBP算法提取人脸图像的特征;然后,利用CRC-RLS算法分别计算不同特征对应的协同表示误差;最后,提出一种基于L2范数的CCI指标,自适应地计算融合权重,并采用分数层加权融合策略实现对人脸图像的识别。实验结果表明,相对于传统的基于PCA或LBP特征的人脸识别算法,本文算法不仅具有较好的鲁棒性,而且可以显著提高人脸图像的识别率。     

时空域信息融合的智能家居入侵检测算法

针对现有智能家居入侵检测算法收敛速度慢及抗干扰能力差进而导致决策系统实时性和鲁棒性差的缺陷,分析了时空域证据融合的特性,得出时域融合存在冲突融合、空域融合更存在去除冲突融合的结论.基于此,提出了基于证据理论的时域自适应加权算法及空域证据修正的3种证据融合入侵检测算法,并将提出的检测算法应用于智能家居入侵检测系统.检测结果表明,提出的算法能够加快融合结果的收敛速度,增强抗干扰能力,并能提高入侵检测系统决策的实时性和鲁棒性.     

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.     

复杂路网的自适应D-S证据理论地图匹配算法

针对传统D-S证据理论地图匹配算法在面对城市密集路网时匹配点易出现波动、准确率下降等问题,提出一种改进的基于D-S证据理论的动态匹配算法,完善了传统D-S证据理论中的候选路段概率公式,可针对不同道路类型自适应调整其权重参数.仿真实验表明:改进后算法的定位点匹配准确率较其他算法提高2％左右,单点匹配时间可减少0.5 ms...     

基于字符特征叠加提取与BP神经网络的字符识别

由于字符的种类繁多,并且同一字符又有多种字体,而传统的字符识别方法不能充分利用字符本身的特征,因此造成识别的字符种类单一、识别效果不理想等问题。提出一种通过字符特征叠加提取结合 BP 神经网络识别字符的方法,从单一字符图像中提取到更多的字符特征,利用BP神经网络自我学习的特点,设计了字符识别系统,再用 VC编程完成识别过程的仿真。结果证明,用本文提出的方法进行字符识别,识别的字符种类多、识别率高、识别时间短。     

A word level segmentation for off-line Arabic characters

0　ＩＮＴＲＯＤＵＣＴＩＯＮＦｏｒｔｈｅ ｐａｓｔｔｈｉｒｔｅｅｎｙｅａｒｓ ,ｔｈｅｒｅｈａｓｂｅｅｎａｎｉｍｍｅｎｓｅｉｎｔｅｒｅｓｔａｍｏｎｇｒｅｓｅａｒｃｈｅｒｓｉｎｔｈｅｐｒｏｂｌｅｍｓｒｅｌａｔｅｄｔｏｍａｃｈｉｎｅｓｉｍｕｌａｔｉｏｎｏｆｈｕｍａｎｒｅａｄｉｎｇ .Ｍｏｓｔｏｐｔｉｃａｌｃｈａｒａｃｔｅｒｒｅｃｏｇｎｉｔｉｏｎ (ＯＣＲ)ｍｅｔｈ ｏｄｓａｓｓｕｍｅｔｈａｔｉｎｄｉｖｉｄｕａｌｃｈａｒａｃｔｅｒｓｃａｎｂｅｉｓｏｌａｔｅｄ ,ａｎｄｓｕｃｈｔｅｃｈｎｉｑｕｅｓ ,ａｌｔｈｏｕｇｈ…     

半连续隐马尔科夫模型脱机阿拉伯手写识别

提出一种基于半连续隐马尔科夫模型的脱机阿拉伯手写识别系统。该系统采用滑动窗口技术直接从数字图像提取像素密度和凹度特征,没有复杂的预处理操作,每个窗口被划分为前景像素数目相同的4个子窗口,前后相邻窗口的重叠为窗口宽度的1/2,且特征的维数仅为36维,节约了系统的计算量。采用半连续隐马尔科夫模型对字符进行建模,而词的模型采用嵌入式训练方法,无需对词进行预先分割,从而避免了切分引入的误差。在IFN/ENIT测试数据库上的测试结果表明,一个最佳输出时平均识别率能够达到86.6%。     

利用小波变换进行遥感 多光谱图像融合的算法及实现

在分析了小波变换的分解与重建方法后,提出了一种基于区域的图像增强算法。先提取出源图的边 缘,以图像的边缘为参考,围绕边缘建立融合窗口,然后结合区域内的图像信息,应用基于窗口的融合规则进行 融合处理。实验结果显示,融合后的图像综合了3幅源图像的不同特征,处理后的图像变得容易识别了。表明 该方法保持了尽可能多的原始信息,算法简单,稳定性好,适合于多光谱遥感图像识别、医学成像等领域。     

Datafusion method of multi-sensor target recognition in complex environment

In the complex battlefield environment, the uncertainty of target information causes the target recognition difficulty and misjudgment, which brings about the problem of a low accuracy of target recognition results. This paper proposes a data fusion method for multi-sensor target recognition based on the discrete factor, which can give rise to the output data of the multi-sensor at the multi-period and multi-regions detection, and bring about the discrete factor of obtaining target characteristic corresponding sensors. It can provide the current weight of multi-sensor target recognition according to the discrete factor, establish the relative consistency and the relative weighted consistency function of multi-sensor target recognition, combine the current weight of multi-sensor target recognition and the related consistency function, and construct the data fusion result support calculation model of multi-sensor target recognition. Experimental results show that when the environment is complex, the data fusion method for multi-sensor target recognition based on the discrete factor has more accurate target recognition results, which conforms to the reality in comparison with the data fusion method for target recognition with a given sensor weight in advance. It is shown that the method proposed in this paper is more reliable and has a certain anti-interference ability.     

Improved ultrasonic differentiation model for structural coal types based on neural network

In order to solve the difficulty of detailed recognition of subdivisions of structural coal types, a differentiation model that combines BP neural network with an ultrasonic reflection method is proposed. Structural coal types are recognized based on a suit-able consideration of ultrasonic speed, an ultrasonic attenuation coefficient, characteristics of ultrasonic transmission and other parameters relating to structural coal types. We have focused on a computational model of ultrasonic speed, attenuation coefficient in coal and differentiation algorithm of structural coal types based on a BP neural network. Experiments demonstrate that the model can distinguish structural coal types effectively. It is important for the improved ultrasonic differentiation model to predict coal and gas outbursts.     

智能环境下基于核相关权重鉴别分析算法的多特征融合人脸识别

针对智能会议环境下基于单模特征的人脸识别的识别率低、鲁棒性差的问题,提出了一种在智能会议室环境下基于核相关权重鉴别分析(KRWDA)算法的融合全局和局部特征的多特征融合人脸识别方法。基于相关权重鉴别分析算法并结合核方法,提出了一种核相关权重鉴别分析算法,有效解决了小样本问题。利用全局特征和局部特征在识别时所描述的内容和作用的互补性在特征层融合两种特征,全局信息和局部信息分别采用离散余弦变换和Ga-bor小波变换提取。在AMIES2016数据库上的仿真实验表明,本文所提出的方法可以有效地提高系统身份识别的正确率。     

基于 SoftLexicon 的医疗实体识别模型

为了解决在中文电子病历命名实体识别任务中,基于字符粒度 NER 方法对序列信息遗漏的 问题,以及引入外部词典资源方法所带来的运算效率问题,提出一种基于 SoftLexicon 的医疗实体识别模 型。首先,将输入序列中的每个字符映射到一个稠密向量中;接下来,引入外部词典资源,为每个字符构造 SoftLexicon特征,并将其添加到对应的字向量表示中;然后,将这些增强的字符表示放入Bi-LSTM和CRF层, 以获得最终的识别结果。该模型既能有效捕捉句子序列中字符的特征,提取上下文之间的依赖关系,又能实 现标签预测的顺序性。以 CCKS-2020 医疗命名实体识别评测任务提供的电子病历数据作为实验数据集,实 验结果表明,与基于字符粒度的传统 NER 方法相比,所提方法在实体识别性能和效率上都显著提高。     

基于模式识别的自适应智能控制研究

为了克服基于模式识别的智能控制的不足,提出了一种把神经网络和遗传算法与基于模式识别的智能控制相结合的控制方法。新方法中的神经网络采用遗传算法进行学习和训练,用来预测控制效果,从而修正特征模式集中的控制参数与控制规则。仿真研究表明,新方法由于增加了自适应机构,降低了对特征模式集中的经验数据和控制参数的依赖程度,提高了系统的性能,且便于特征模式集的设计。