基于提升小波和神经网络的超高压电网故障类型识别

电力调度中心为进一步提高故障类型识别率和计算速度,利用提升小波和BP网络构造了新的小波神经网络故障识别模型,应用db5提升小波对故障电流进行分解,将分解到的(0,375)Hz频率段的系数输入到BP神经网络;为了提高算法的收敛速度,采用共轭梯度法训练该神经网络.通过ATP仿真及华东电网实际故障录波数据的测试,结果表明该模型具有很高的识别率和收敛速度.     

基于模板匹配和神经网络的车牌字符识别方法

本文提出了一种基于模板匹配和神经网络的车牌识别方法。该方法具有模板匹配识别车辆字符和神经网络识别车牌字符的各自特点，可有效地提高车牌字符识别的识别率，识别速度和识别系统的泛化能力，实验结果表明，该方法车牌字符识别率超过92%，识别时间不超过1200ms，能较好地满足实际系统的要求。     

粒子群优化算法和最小二乘支持向量机的 雷电过电压识别

为了提高雷电过电压的识别率,满足雷电过电压识别的实时性,提出了粒子群优化算法和最小二乘支持向量机的雷电过电压识别模型。首先提取多种特征作为雷电过电压识别的输入向量,然后采用最小二乘支持向量机设计雷电过电压识别的分类器,采用粒子群优化算法确定最合理的分类器参数,最后通过实验分析其有效性和优越性。结果表明,PSOLSSVM可以描述雷电过电压信号与特征间变化关系,提高了雷电过电压识别率,加快了雷电过电压识别速度,识别结果优于其他模型。     

基于多分类器综合的语音识别方法研究

本文中介绍了一种新的语音识别模型,该模型以BP神经网络、高斯混合模型、矢量量化模型为语音识别基本模型,建立了语音识别多分类器综合模型,用线性加权的综合方法对综合模型的识别结果进行处理.大量的试验和数据证明该方法具有较高的识别率.     

基于矩特征与概率神经网络的局部放电模式识别

局部放电信号检测时易受随机噪声干扰,会影响到局部放电模式识别的识别率和识别速度。为了提高局部放电模式识别的识别率和识别速度,提出了一种基于矩特征与概率神经网络的局部放电模式识别器。该识别器首先从放电类型的三维谱图中提取矩特征,然后,将矩特征作为概率神经网络的输入对局部放电模式进行识别。采集了尖板放电和球板放电两种放电类型,将所提识别器与反传神经网络、贝叶斯分类器、极限学习机进行了对比。实验结果表明,所提基于矩特征和概率神经网络的局部放电模式识别器的分类效果令人满意。     

DCT变换在车牌定位中的应用

车牌识别技术主要包括车牌定位，车牌分割和字符识别三种关键技术，其中车牌定位是最关键的一步，车牌定位的准确与否直接影响着整个系统的识别率和识别速度，本文运用的是一种基于DCT变换的车牌定位方法。实验结果表明这种方法具有速度快，定位准的特点。     

基于PCA的管道缺陷导波信号特征优化方法

针对超声导波管道缺陷检测中存在的识别率低、鲁棒性差等问题,应用了主成分分析对管道缺陷回波信号进行特征优化.首先,通过对超声导波缺陷回波信号进行处理,提取了信号在时域和时频域内的特征参数,构成联合特征向量.然后使用主成分分析法(principal component analysis,PCA)对联合特征向量进行降维处理,通过提取累计贡献率达到89％的主成分得到融合特征.最后用BP神经网络对融合特征进行训练和识别.这种方法可以有效的识别管道缺陷,与联合特征向量相比具有更高的识别率.     

巴克豪森信号希尔伯特黄变换分析及特征提取

为了提高巴克豪森信号的分析精度,首先分析了巴克豪森信号传统特征提取方法的不足,在希尔伯特黄变换理论分析的基础上提出了一种新的巴克豪森信号特征提取方法,该方法同时包含了时间和频率信息,理论上具有很高的分析精度.通过新特征与传统特征的对比实验发现新特征的用于分类的识别率远远高于传统特征值,而且需要的训练样本量比传统特征值的更小.本文还通过实验发现单个传统特征值用于分类识别的识别率很低,而将传统特征值融合到一起可以明显提高识别率.     

基于人体通信的生物特征身份识别方法研究

由于人体通信技术发展迅速且应用前景广阔,提出一种基于人体通信技术的生物特征身份识别方法。在适合人体通信的UWB频段和HBC频段下,将人体通信链路的路径损耗作为生物特征。首先根据不同链路的测量值,使用支持向量机进行身份识别;再使用带有不同核函数的C-SVM和Nu-SVM方法在11条链路的数据集下进行身份识别;最后选取8～10 GHz的UWB子频段进行识别提高计算速度。结果表明,链路通信距离越长,识别率越高。带高斯核的C-SVM在UWB频段下的识别效果最好,识别率达96.41%、AUC为0.999 1以及0.017 2%的EER。通过选取子频段将计算时间降低到0.142 s,速度得到明显提高。     

地铁闸机控制系统中人体识别技术的研究与应用

在对现有闸机控制系统分析的基础上,指出了现有闸机控制系统中的不足,设计了一种新的智能人体识别方法对通过闸机的人和物体进行识别。并采用多传感器进行实时检测,通过建立人体知识库、结合人类判别经验的规则集合解决了以往识别技术简单、识别率不高的问题,摆脱了人体检测对视频图像的依赖,极大提高了识别速度。