基于最近邻方法的雷达辐射源信号识别研究

在分析最近邻方法理论的基础上,提出了一种新的雷达辐射源信号识别结构,引入了一种新的距离贴近度度量方式。建立了基于最近邻方法的雷达辐射源信号识别模型,并分别在大样本和小样本数据集合对不同噪声背景下的雷达辐射源正确识别率和识别时间进行了比较分析。仿真表明,基于最近邻的雷达辐射源信号识别方法简单易行,快速简洁,有较高的正确识别率。     

最近邻法用于雷达发射机识别

雷达发射机的识别问题就是要利用接收到的雷达信号来进行目标电子系统的识别。基于时频分析的性质，提出了一种雷达发射机的识别方法，即利用模糊函数对多个雷达发射机的信号进行时频分析。在本试验中取每一个雷达信号的几个样本模糊函数的均值作为目标特征向量，用最近邻法对其他样本信号做了识别试验，利用此方法能够得到很高的识别率和很好的识别效果。本方法在军事应用上有很重要的意义，可以对敌机进行识别、跟踪。     

用于特征筛选的基于目标值的最近邻法

用传统的最近邻（KNN）法找出最近邻点后,利用曲面平滑化原理,按照这些点的目标值分布情况进行模式识别识别的特征筛选,与基于分类的最近邻法比,减少了人为的分类过程。     

基于核的最近邻特征重心分类器及人脸识别应用

本文提出核最近特征线和特征面分类器,可直接对高维人脸图像进行识别.为解决计算量大和可能失效的问题,提出(核)最近特征重心和(核)最近邻特征两种解决方法,前者降低了计算特征线和面距离的复杂度,后者减少了特征线和面的数目,两种方法均避免了可能失效的问题.将二者结合得到的(核)最近邻特征重心分类器,在获得相近识别率的条件下,使计算复杂度降到了最小.所得方法无需预先抽取人脸图像特征,因此避免了在较多样本数时,特征抽取存在计算量大的问题.基于ORL人脸数据库的实验验证了本文方法的有效性.     

一种改进的精确最近邻PDA（IENNPDA）算法

近二十年来，人们提出了许多关于多目标跟踪的方法，其中精确最近邻ＰＤＡ方法计算量小、性能较好、易于工程实现。但ＥＮＮＰＤＡ方法在密集多回波情况下性能不够理想，文章对此进行了探讨：将“Ｃｈｅａｐ”ＪＰＤＡ方法与ＥＮＮＤＡ方法及航迹分裂方法相结合，给出了一种改进的精确最近邻ＰＤＡ，即ＩＥＮＮＰＤＡ。仿真表明，ＩＥＮＮＰＤＡ的效果比ＥＮＮＰＤＡ有明显改善。     

一种用于语音转换的区域最近邻迭代训练算法

针对非对称语音库情况下的语音转换,该文提出一种新的改进的语音转换训练算法ILNCA。与原有的训练算法INCA不一样的是,ILNCA首先利用高斯混合模型(GMM)分别对源、目标语音特征参数空间进行分类。然后根据KullbackLeibler(KL)距离最小原则对源、目标GMM模型的子空间进行匹配,最后利用最近邻准则在相对应的子空间中进行源、目标语音特征参数矢量的对齐。客观测试和主观听觉实验都表明由于该文算法采用了更加精确的矢量对齐方法,能取得比INCA算法更优异的转换性能。     

基于改进的K-最近邻算法的病毒检测方法

由于计算机病毒检测的不可判定性，提出了一种基于改进的K-最近邻检测方法来实现对计算机病毒的近似判别。此方法成功地克服了现有的特征码扫描技术只能检测已知病毒的缺点。首先改进了原始的K-最近邻检测方法，使其更适合于对计算机病毒进行预测。并在此检测方法上，设计了一个病毒检测系统。此系统既可查杀已知病毒，也可分析评判可疑程序．诊断出被感染病毒以及病毒类型。     

时空道路网络连续最近邻查询的新方法

时空道路网络里连续最近邻查询在时空数据库查询的领域是一个新的重要课题，本文提出一个有效的方法（IE）以处理道路网络里的移动对象的k个最近邻居（k-NN）查询问题。     

一种基于密度网格索引的k-最近邻查询算法

基于位置的服务的迅速发展对服务响应的效率提升和成本控制提出了更高的要求,本文提出了一种基于密度网格索引的k-最近邻查询算法,该算法首先利用矩形的几何特点获取一系列候选搜索半径,随后根据移动对象的密度分布情况选择适当的候选搜索半径进行距离过滤,尽量减少不必要的内存索引单元和磁盘索引单元的访问.实验表明,实现了本文算法的密度网格索引在k-最近邻查询的查询效率上与ST²B-tree不相上下,而查询的I/O代价与其他索引结构相比有明显的优势.     

近似最近邻搜索中投影增强型残差量化方法

为了降低图像特征向量量化的近似表示和高维向量带来的码书训练时间开销,提出了一种投影增强型残差量化方法。在前期的增强型残差量化工作基础上,将主成分分析与增强型残差量化相结合,使得码书训练和特征量化均在低维向量空间进行以提高效率;在低维向量空间上训练码书过程中,提出了联合优化方法,同时考虑投影和量化产生的总体误差,提升码书精度;针对该量化方法,设计了一种特征向量之间的近似欧氏距离快速计算方法用于近似最近邻完全检索。结果表明,相比增强型残差量化,在相同检索精度前提条件下,投影增强型残差量化的只需花费近1/3的训练时间;相比其它同类方法,所提出方法在码书训练时间效率、检索速度和精度上均具有更优的综合性能。该研究为主成分分析同其它量化模型的有效结合提供了参考。     

基于K-最近邻的C克隆代码重构方法

在软件开发过程中,克隆代码已经成为引起软件缺陷的一个重要因素.针对现有的方法不能很好地处理内聚度低、功能交叉的克隆代码的问题,提出了一种基于K-最近邻的克隆代码重构方法.首先,对克隆代码进行静态分析,搜集控制依赖信息和数据流信息,再经过K-最近邻聚类方法,形成便于提取、功能独立的代码片段,然后对代码片段进行过程提取,使...     

基于BP神经网络的自适应伪最近邻分类

在伪最近邻(PNN)分类算法中,待分类样本点与每一类样本集中各个近邻的距离加权系数都是主观确定的,这就使得算法得不到最优距离加权值。针对这一问题,该文提出一种基于BP神经网络的自适应伪最近邻分类算法。首先通过计算待分类样本点与每一类样本集中各个近邻的距离值,并将其作为BP神经网络的输入。然后根据BP神经网络输入与输出之间的映射来自适应确定相应的距离加权值。最后由BP神经网络的输出值判别样本类别号。实验结果表明,该算法能够自适应地调节距离加权系数,同时还能有效地改善分类准确率。     

K-最近邻分类技术的改进算法

该文提出了一种改进的K-最近邻分类算法。该算法首先将训练事例集中的每一类样本进行聚类,既减小了训练事例集的数据量,又去除了孤立点,大大提高了算法的快速性和预测精度,从而使该算法适用于海量数据集的情况。同时,在算法中根据每个属性对分类贡献的大小,采用神经网络计算其权重,将这些属性权重用在最近邻计算中,从而提高了算法的分类精度。在几个标准数据库和实际数据库上的实验结果表明,该算法适合于对复杂而数据量比较大的数据库进行分类。     

动态联合最近邻算法

“最近邻算法”(NN)是SLAM领域中广泛使用的一种数据关联算法,它的优点是计算复杂度低,其缺点是关联准确度易受环境影响。为提高“最近邻算法”对环境的鲁棒性,对其进行两处改进：一是从所有观测值之间的相关性出发,消除所有观测值配对结果之间的干涉情况;二是采用多帧观测数据的关联结果动态滤除观测特征中的伪特征。此外,根据机器人的位姿和传感器的有效量程将数据关联限定在局部可能区域中,从而极大地提高了算法的计算效率。仿真和实际实验结果表明,提出的“动态联合最近邻算法”(DJNN) 在准确度和计算复杂度方面的性能都很好,具有极强的应用价值。     

结合最近邻图模型的稀疏ISAR成像方法

逆合成孔径雷达（Inverse Synthetic Aperture Radar,ISAR）稀疏成像方法可提供图像对比度高、旁瓣干扰少的成像结果 .稀疏成像以场景或目标散射率分布具有稀疏性为前提,待成像目标场景的稀疏特性决定了最终成像质量. ISAR目标场景的自然稀疏特性着重刻画点状特征,变换域稀疏表示可增强目标图像的纹理等通用特征.通过学习获得的稀疏变换字典,可自适应于待成像的ISAR目标场景,找到面向ISAR目标图像块的特有稀疏表示.但是,图像块的特有稀疏表示中忽略了待成像目标场景中目标的几何特征信息.最近邻图模型可建立给定数据的几何特征描述算子,刻画出给定数据的几何特征信息.本文利用最近邻图模型来刻画待成像目标场景中目标的几何特征信息,并映射到待成像目标场景的特有稀疏表示中;提出结合最近邻图模型的ISAR稀疏成像方法,用于不同类别实测ISAR数据成像.相比已有的ISAR稀疏成像方法,所提成像方法可获得目标轮廓更清晰的成像结果,成像所需时间平均减少10.4%.     

基于最近邻-拓扑图的异类传感器目标关联算法

针对雷达和高动态平台上的红外传感器构成的异类传感器信息融合系统中的目标关联问题,该文提出了一种基于最近邻-拓扑图的目标关联算法。该算法避免了系统误差补偿环节,有效地克服了最近邻方法对系统偏差敏感和拓扑图方法运算量大的不足,显著提高了存在系统误差条件下的关联成功率,且具有很强的稳健性。数值实验结果表明了该方法的有效性,目标关联正确率在90%以上。      

相互最近邻聚类应用于轮廓提取算法

传统的神经网络算法用于轮廓提取时,存在计算量大,需预设参数多等问题。现提出了一种基于相互最近邻聚类结合神经网络的方法,克服了传统K均值聚类时需要预设类数的缺点。该算法通过角点检测器获取图像特征点;然后,通过特征点的相互最近邻聚类建立一组基函数,把图像像素点的像素值和梯度作为输入向量,利用网络的预测功能来表示物体轮廓曲线方程。     

基于最近邻比较和中值滤波的拉曼光谱spike自动检测及剔除方法研究

激光拉曼光谱技术具有原位、实时、多物质同时探测的优点,在实验室内已经得到了广泛研究,并逐渐应用于深海海底等极端环境下的原位探测。由于CCD等光谱探测器可能受到宇宙射线的干扰,会在拉曼谱图上形成位置随机的spike,对拉曼光谱分析造成干扰。将最近邻比较和中值滤波相结合的方法应用于海水实测拉曼光谱spike的检测剔除,首先将原始拉曼光谱分为拉曼峰区域和非拉曼峰区域,对拉曼峰区域使用最近邻比较法处理,对非拉曼峰区域使用中值滤波方法,结果显示该方法能将非拉曼峰区域和拉曼峰区域的spike完全剔除,没有出现误检和漏检,且不会对拉曼特征峰强度产生影响,有助于提高拉曼光谱定性定量分析的精确性和稳定性。     

基于仿生模式识别与传统模式识别的 人脸识别效果比较研究

本文实现了一种基于仿生模式识别的人脸识别系统,并将其识别效果同最近邻分类器与不同核函数的SVM进行了分析比较.以ORL人脸库为识别对象,针对有"拒识"的情况下,通过改变不同识别算法的可调参数,在保证参与训练人的正确识别率在大致相同水平的条件下,分析了参与训练人的错误识别率(错识别为参与训练的其他人)与未参与训练人的错误接受率(错识别为参与训练的某人)的优劣.比较结果表明,基于仿生模式识别的方法明显优于其它模式识别方法.