基于多分类器投票组合的语音情感识别

为了提高语音情感的正确识别率,提出一种基于多分类器投票组合的语音情感识别新方法.在提取情感语音的韵律特征和音质特征基础上,利用投票方法将支持向量机、K近邻法和人工神经网络三种分类器构成组合分类器,实现对汉语生气、高兴、悲伤和惊奇4种主要情感类型的识别.实验结果表明,与使用单一分类器相比,组合分类器对语音情感的识别取得了87.4%的平均正确识别率,识别效果优于单一分类器.     

基于生物特征的身份识别技术

生物特征识别技术是通过对人体各器官的特征以及差异明显行为动作进行分析研究来实现身份识别的一种手段。通过对各种不同的生物特征识别方法的优势和不足进行介绍和分析，并针对不同的应用领域提出了相应的生物特征组合的识别方法。     

基于多普勒组合特征的空中目标识别

针对基于毫米波雷达多普勒频谱的旋翼、固定翼识别难题,从理论上分析了直升机旋翼探测的必要条件,结合中心矩、统计量等特征提取方法,提出了利用组合特征进行分类的识别思路,并选取支撑矢量机作为分类器.外场试验数据表明该方法具有良好的识别性能.     

基于多线性核主成分分析的掌纹识别

提出运用多线性核主成分分析(MKPCA)的一种新方法进行掌纹识别.首先MKPCA通过非线性变换,将输入样本图像向高维特征空间F上投影,运用多线性主成分分析(MPCA)直接对掌纹张量进行降维,得到低维的投影张量;然后掌纹图像向张量子空间上投影提取特征向量;最后计算特征向量间的余弦距离进行掌纹匹配.运用PolyU掌纹图像库...     

基于形态特征和KPCA融合特征的ECG身份识别

ECG信号由于其唯一性,在身份识别中得到了越来越广泛的应用.但以往的研究基本只讨论在平静状态或不同情绪下的身份识别,没有考虑个体在运动中及运动后的识别情况.本文针对这个问题,研究在平静和运动状态混合下ECG身份识别的特征向量选取问题.实验分别提取QRS等特征点组成的形态特征、核主成分以及两者的融合特征,利用支持向量机(SVM)进行识别测试.其中训练使用平静状态下的数据,测试则使用平静与运动状态混合的数据集.实验结果显示当ECG身份识别扩展到平静和运动状态混合的情况下,形态特征和KPCA融合的特征有最优的识别效果,识别率达到98.7342％.     

应用-种组合优化算法提取场效应管模型参数

提出一种将模拟退火法与基于主成份灵敏度分析的空间坐标变换相结合的优化算法，用以精确提取微波场效应管小信号等效电路参数。该法具有快速收敛，能够消去模型坏条件等优点，从而提高了低灵敏度元件Ｒｉ、Ｒｇ、Ｒｄ等的提取精度，使各个模型参数均能得到精确、快速提取。     

多模态生物识别中生物特征组合的最优化设计

如何在预算一定的情况下挑选出最佳的生物特征组合,通常是多模态生物特征识别技术中首先需要解决的问题。该文运用最优化技术中的“多目标规划”与“0-1线性整数规划”方法建立出一套简洁、实用的数学模型,并给出运用MATLAB的具体求解方法。经试验数据对比证明,该文提出的方法能在一定约束条件下快速、有效的找到满足用户要求的最优的多模态生物特征组合方案。     

基于改进二维主成分分析的在线掌纹识别

掌纹识别是生物特征识别技术的新热点,论文提出使用二维主成分分析算法(2D PCA)提取掌纹图像的统计特征,实验表明其泛化能力优于传统主成分分析算法(PCA).在此基础上,论文提出且定义了改进的二维主成分分析,并证明它在保持训练样本图像总体散度的同时更有效的提取样本特征.改进的算法在得到99.72%高识别率的同时,大幅降低了原算法的特征维数、识别计算的复杂度,使系统的实用性进一步提高.     

基于鲁棒听觉特征的说话人识别

 为了提高噪声环境中说话人识别系统的性能,本文提出了一种鲁棒听觉特征提取的算法,并将其应用到说话人识别系统中.运用自适应压缩Gammachirp滤波器组模拟人耳耳蜗的听觉特性,对输入的语音信号进行频域子带滤波,将得到的对数子带能量作为听觉特征参数.分别运用离散余弦变换和核主成分分析方法,对提取的特征参数进行特征变换,降低特征参数的维数,提高特征参数的噪声鲁棒性和个性表现力.实验结果表明,将提取的新听觉特征参数应用到说话人识别系统中,新特征参数在鲁棒性和识别性能上均优于梅尔倒谱系数和基于Gammatone的听觉特征参数.     

基于多示例多特征的人体动作识别

随着视频数据的海量增长,在人体动作识别领域,单一特征的运用已经不能满足现有的对复杂动作,复杂环境的识别问题。基于此,提出了一种利用多示例将多种动作特征融合来识别人体动作的方法,通过利用传统的多示例学习中包的概念,将同一个样本的不同的特征表征作为在同一个包下的示例.将同一类动作的所有包作为正包,其它种类的动作作为负包,来学习模型进行分类。通过在常用数据库上的测试取得了较好的结果。     

基于多特征SSA-ELM的调制识别

针对当前通信信号调制识别算法在低信噪比环境下识别率不高、训练速度慢、识别类型受限等问题,提出了一种基于多特征麻雀搜索算法-极限学习机(Sparrow Search Algorithm-Extreme Learning Machine,SSA-ELM)的信号调制识别方法。该方法基于四阶和六阶累积量构造两个特征参数,引入分数阶小波变换,利用分数域小波系数构造特征值,组成三维特征向量后输入SSA-ELM网络进行分类。仿真及USRP(Universal Software Radio Peripheral)采集数据验证结果表明,所提特征参数具有较好鲁棒性,且SSA算法优化后的ELM网络分类性能得到明显提高,在SNR等于6 dB时两种方法识别率均达到90%,且最高识别率达到94%。     

利用多特征融合的运动员人体姿势识别算法

针对现有姿势识别算法不能全面反映运动员运动姿势的动态特性问题,文中提出了一种多特征融合的运动员姿势识别算法。首先,通过光学图像采集器采集运动姿势图像,然后将采集到的图像进行灰度变换提高图像质量,进一步基于阴影消除技术和帧间差分法获得身体轮廓和运动姿势区域,最后,基于Radon变换和离散小波变换提取运动姿势区域和身体轮廓,并通过将两种互补性的特征融合实现最终的姿势识别。实验表明,提出的方法识别精度高于其他的较新方法。     

基于多特征融合的弱小运动目标识别

利用单个特征识别强噪声中的弱小运动目标,常因所提取的目标特征与噪声特征易混淆而导致高的虚警率.提出一种新的基于多特征融合的弱小运动目标识别方法.分析了弱小运动目标的连续相关性、面积及质心位置偏移这三个特征的可靠性及提取方法,对获取的特征值进行归一化后采用多特征融合的方法构造更具有鲁棒性的联合特征,确定了以具有最大多特征融合值为真实目标的决策方法.通过与采用单一特征的目标识别方法进行比较,证明了提出的多特征融合方法能更准确地识别弱小运动目标.     

基于简单证据的目标多特征综合识别

针对目标多特征数据,提出了一种基于简单证据的综合识别算法。首先,利用模糊理论将接收的特征参数与知识库中的特征参数进行比较,匹配求出目标模糊隶属度;然后,根据模糊隶属度和特征参数可信度构造包含“未知”的简单证据;最后,用简单证据组合规则进行证据合成,求出识别结果。经过数字算例验证,该算法既能处理冲突证据又能减少证据合成时间。     

基于多特征融合的交通标识实时分类与识别

针对交通标识分类识别过程中因样本类别之间的不平衡常使分类器性能减弱且实时性较差的问题,提出一种基于多特征融合的交通标识实时分类识别方法。首先,选取具有较强鲁棒性的HSV颜色空间对标识图像进行阈值分割处理,分割出交通标识所在的感兴趣区域;其次,提出一种HOG-MBLBP特征融合算法,通过支持向量机分类算法,实现交通标识的精确分类识别;最后,针对视频图像中交通标识识别实时性问题,采用自适应卡尔曼滤波算法进行交通标识的跟踪识别。实验结果表明该方法具有97.88%的分类准确率且具有较好的实时性。     

基于多特征决策融合的SAR飞机识别

针对高分辨率SAR图像的飞机目标识别问题,提出了一种基于飞机几何特征、PCA特征、Hu不变矩等多特征决策融合的自动目标识别方案。针对飞机样本特点,分别提取飞机的几何长宽特征、PCA特征和Hu不变矩特征,使用三个支持向量机分类器分别对样本的三类特征进行预分类,然后采用基于等级的决策融合方法将预分类结果进行决策融合,输出最终的目标类别。实验过程中,随机选取一定百分比的样本进行训练,获得分类器模型,对全部的样本进行测试识别。通过实验发现,将几何特征、PCA特征和Hu不变矩特征的分类结果进行决策融合后,克服了单一特征决策的不准确性,有效地提高了每一类样本的识别准确率。     

基于多组合内容的图像识别机制

针对多组合内容图像的识别问题,提出了一种基于模糊推理融合机制的相似性距离度量算法的图像识别机制。首先,在分析现行图像识别方法的基础上,提出了薄板样条曲线TPS与模糊推理相结合的相似性距离度量机制的总体思路;其次,描述了基于形状上下文的变形图像的特征提取过程;而后讨论了薄板样条曲线TPS与模糊推理相结合的相似性距离度量机制,并将其应用在变形多组合内容图像的识别算法中。实验结果表明所提出的方法是有效的。     

Mandarin tone recognition based on wavelet transform and hidden Markov modeling

This paper presents a method of tone recognition for Mandarin speech by using combination of wavelet transform and hidden Markov modeling techniques. A pitch detector based on singularity detection and multi-resolution analysis of wavelet transform is employed for estimation of pitch periods, and hidden Markov modeling with partition Gaussian mixtures probability density function is used for the tone recognition. The algorithm can provide recognition accuracy of 97.22% and 94.47% for speaker-dependent and speaker-independent tone recognition, respectively.     

基于特征融合的人体行为识别

为克服单个行为表达方法有效性上的不足,提出了一种基于多特征融合和支持向量机(SVM)的人体行为识别(HAR)方法。首先,利用背景差分提取运动显著区域;然后提取运动显著区域的剪影直方图和光流直方图,并采取一定的融合策略,构建融合特征结合SVM识别人体行为。实验以广泛使用的公开数据集Weizmann为研究对象,正确识别率达到99.8%以上。结果表明,提出的特征融合及识别方法能有效地对人体行为进行识别;而且,由于规避了比较耗时的序列匹配操作,减少了计算量。