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.     

一种基于二代Curvelet和2D Log-Gabor滤波器的多模特征层融合识别方法

针对单模生物特征识别在实际应用中易受干扰、识别率低且无法达到零错误识别的问题,提出一种基于二代Curvelet和2DLog-Gabor滤波器的人脸与虹膜特征层融合识别算法.该方法利用二代曲波变换提取人脸特征,用2DLog-Gabor幅值法提取虹膜特征,通过PCA降维单模特征向量,在特征层进行融合,通过SVM分类识别融合特征向量.在ORL人脸库和CISIA虹膜库构成的多模生物特征库上进行测试.实验结果表明:该算法正确识别率能达到100%,较单模人脸、单模虹膜识别方法的识别率均提高3.33%,为多模生物特征识别提供了一种有效模型.     

基于二维Fisher线性判别的人脸耳组合识别

针对人脸易受到年龄、表情等影响,提出了脸和耳相结合的组合识别方法。利用二维Fisher线性判别(2DFLD)方法分别进行了脸、耳图像层和特征层的组合识别。在北京科技大学人耳库和ORL人脸库上进行实验,结果表明,图像层组合和特征层组合的识别率分别为97.5%、95.0%,分别比人脸识别提高了12.5%和10.0%,比人耳识别提高了5.0%和2.5%;与同样应用于组合识别的主成分分析(PCA)、二维PCA(2DPCA)比较,也取得了较好识别效果。这说明,多生物特征组合识别是一种有效的识别方法。     

面向行人再识别的特征融合与鉴别零空间方法

针对行人再识别技术易受到光照、姿态和视角等因素影响，同一个人外观特征变化明显，较难提取其不变特征，导致识别率偏低的问题，本文提出面向行人再识别的融合特征与鉴别零空间方法。首先利用HSV、LAB、RGB和YCrCb四种颜色特征和Gabor滤波器提取条纹特征， GOG描述子提取块状特征，并将这两种特征融合成一个特征向量，然后将融合后的的特征投影到鉴别零空间，降低特征维数，最后利用欧氏距离计算距离进行行人再识别。本文所提方法在VIPeR、Prids_450s和CUHK01数据库上的rank1识别率分别是52.7%、72.2%和59.7%，实验结果表明所提方法能充分融合行人图像特征，对环境有较强鲁棒性，可有效提高识别率。      

组合特征的联机手写维吾尔字母识别

通过分析维吾尔文字母自身的书写特点，为了进一步提高识别率，在原先的外围轮廓特征基础上，再提取了附加笔划形状特征、字母上下左右密度比例特征、笔画数特征以及主体部分和附加部分的位置关系特征，进行了诸多特征有效组合下的字母识别实验。其中，最高识别率达到了75．7％，比原先在单个特征下的识别率提高了近10个百分点。这表明，不同特征的有效组合是可行的，而且具有继续研究的潜力。     

基于2DPCA+PCA与SVM的人脸识别

为了提高传统PCA与SVM相结合的人脸识别算法的性能,文中提出了一种基于双向压缩的2DPCA+PCA与遗传算法SVM相结合的人脸识别算法。该算法采用双向压缩的2DPCA与PCA相结合的算法来进行人脸特征提取,有效地减少了特征数量和PCA模型的计算时间;在与SVM相结合时,其训练时间和识别时间都有所降低,且提高了识别率;同时为了进一步提高SVM的性能,文中采用遗传算法来进行SVM参数寻优,并使用交叉测试识别率来作为适应度函数。在ORL人脸库上的实验表明,该算法的性能明显高于传统PCA与SVM相结合的人脸识别算法。     

一种面向交通标志识别系统的图像识别算法

目前各类面向交通标志识别系统的机器算法大多存在计算复杂度高、实时性差等问题,文中基于ELM模型,加入改进的PCA方法,提出了一种面向交通标志识别系统的PCA-ELM图像识别算法。该算法依次通过HOG特征的提取、改进的PCA方法降维、ELM模型的特征训练,实现交通标志图像的识别。经过实验测试,发现该算法能够较好地兼顾识别率和计算复杂度,符合交通标志识别系统图像识别的准确性与实时性要求,具有一定的实用价值。     

基于摄像头PTZ控制的人脸识别

提出一种基于PTZ(Pan,Tilt,Zoom)摄像头的人脸识别方法.该方法根据人脸中心位置坐标,计算得到PTZ摄像头的运动参数,控制PTZ摄像头旋转,使人脸中心位置与摄像头的视野中心重合,然后将几何特征和PCA(Principal Component Analysis)提取的特征在特征级进行融合,把融合后的特征作为人脸识别的特征.实验表明,该方法能够减少单一特征的人脸识别的不足,显著提高识别率,且能识别出大范围内的人脸.     

PCA算法在P2P加密流量识别中的研究与应用

传统的应用层协议识别方法均从改进匹配算法的角度来提高识别率,但是随着P2P协议的发展,其特征呈现多维化的趋势,算法复杂度也随之提高。鉴于此,在对P2P流量的多维特征进行分析并提取后,采用主成分分析(PCA)算法将提取到的特征降维处理,并通过实验证明了该方法在网络流量识别上的可行性和有效性。     

基于Fisher判别和GKF-RELM算法的多特征步态模式识别

为提高下肢表面肌电信号步态识别的识别精度和计算效率,采用一种基于高斯核函数优化正则化超限学习机(GKF-RELM)算法,对肌电信号提取时域、频域和非线性动力学三类特征并分别计算步态识别率,运用Fisher判别函数分析所提特征的可分性,得到多类特征的融合特征作为输入数据对分类器进行训练,再用训练好的分类器进行步态识别,从识别率和计算时间两方面,分别与支持向量机(SVM)和深度神经网络(DNN)方法进行了对比分析.结果表明,基于Fisher判别可分性指标确定的多类特征组合,能得到最优识别效果,并在提高分类精度的同时,优化了计算效率.此外,GKF-RELM方法的识别率也优于传统的ELM方法.