基于地磁感应的新型无线车辆检测器设计

为了顺应智慧交通技术的发展需求,进一步提高车辆检测的准确率,提出了基于地磁感应的新型无线车辆检测器设计思想,该设计集成传感网ZigBee、时钟同步以及地磁感应等技术;检测器硬件以ZigBee芯片MC13213为核心,外围扩展无线高频模块,并通过IIC接口与地磁芯片MAG3110支撑电路相连;软件则是通过在主控芯片中植入具有地磁检测算法,运用时钟同步、无线网等技术从而实现车速、车长等重要数据估算;经过应用测试分析,该检测器器能针对不同车型、不同车速等作出正确响应,准确率可达97%以上,应用前景十分广阔。     

基于改进型GLVQ算法的车型分类研究

学习向量量化（LVQ）和泛化学习向量量化（GLVQ）算法都是采用欧氏距离作为相似性度量函数, 忽视了向量各维属性的数据取值范围,从而不能区分各维属性在分类中的不同作用。针对该问题,使用一种面向特征取值范围的向量相似性度量函数,对GLVQ进行改进,提出了GLVQ-FR算法。使用视频车型分类数据进行改进型GLVQ和LVQ2.1、GLVQ、GRLVQ、GMLVQ等算法的对比实验,结果表明：GLVQ-FR算法在车型分类中具有较高的分类准确性、运算速度和真实生产环境中的可用性。     

一种复合自适应分类算法

本文提出一种具有监督特性的复合自适应分类算法.模拟结果表明,该算法比非自适应的直接分类算法在识别性能上有较大提高.     

基于模糊模式识别的车型分类研究

根据目前中国路桥车辆收费标准，提出了一种基于模糊模式识别的车型分类系统。车辆经过环形线圈传感器时，形成感应曲线，提取感应曲线的特征并进行特征分离，利用模糊模式识别方法对车型进行匹配分类。研究结果已在路桥收费系统以及交通流量统计中得到应用。     

基于地磁感应的矿用机车位置检测传感器的研究

针对采用RFID等方法不能精确检测胶轮车位置的问题,提出了一种基于地磁感应的矿用机车位置检测传感器的设计方案,分析了地磁感应的检测原理,详细介绍了矿用机车位置检测传感器的硬件及软件设计。实际应用表明,该传感器不但适合无轨胶轮车的位置检测,也适合轨道电机车的位置检测。     

一种基于线性最小平方映射的目标分类算法

介绍了一种基于线性最小平方映射的目标分类识别新方法。该方法先用自相关函数抽取目标图象特征，再用线性最小平方映射技术（ＬＬＳＭＴ）将所得特征向量映射到决策空间，在决策空间中用投影方法完成目标分类识别。作者用三类小汽车的二维二值图象进行实验，得到了比传统的Ｋ近邻、聚类等方法更好的分类结果。     

一种新的基于完整相位分析的虹膜分类算法

将预处理后的虹膜图像分成64幅子块,并分别进行特征提取,然后按顺序提取每幅子图像完整的相位信息,建立相位特征向量,最后通过对特征向量进行内积运算获得虹膜样本之间的归一化分类距离。实验结果表明,该算法思路简洁,识别效果好,为虹膜分类研究提供了一种新的参考途径。     

基于侧面轮廓的实时车型分类系统

设计了一种基于侧面轮廓的实时车型分类系统。该分类系统分为3个部分:侧面轮廓处理、车型模板建立和实时车型匹配。轮廓处理部分介绍了一种用于实时测量移动车辆轮廓数据的采集仪器以及数据处理的方法。车型模板建立部分使用拟合算法构建不同车型的模板。实时车型匹配部分则采用修正豪斯多夫距离作为距离算法,用于衡量待测车辆与模板间的匹配程度。该模式识别系统能够完成准确快速的车型分类。     

一种新型ARTII无监督分类算法

ART是一种典型的、无监督的、能够对复杂输入模式实现自稳定和自组织识别的神经网络。该文针对标准ARTII算法的预处理信号畸变问题,提出了新的非线性变换函数和竞争学习算法,该新型ARTII算法的输入域由原来的非负实数域扩大到整个实数域,且分类性能良好,以多种分类问题对该算法的性能进行验证,结果表明该算法性能优良,能自适应地识别未知故障模式,分类准确。     

基于AMR传感器的行驶车辆检测分类算法*

深入研究了各向异性磁阻（AMR）传感器的数据采集原理及特征波形向量提取方法,提出基于AMR传感器及加权欧氏距离的车辆分类识别算法。道路车辆检测实验数据显示,与感应线圈车辆检测法及视频车辆检测等方法相比,该检测方法基本不受环境路况天气等外在因素的影响,满足长期稳定精确等车辆检测的要求,同时在性能、成本、寿命、实时性、维护和升级等方面整体上有较大的优越性。     

基于ReliefF的层次分类在线流特征选择算法

在图像标注、疾病诊断等实际分类任务中,数据标记空间的类别通常存在着层次化结构关系,且伴随着特征的高维性.许多层次特征选择算法因不同的实际任务需求而提出,但这些已有的特征选择算法忽略了特征空间的未知性和不确定性.针对上述问题,提出一种基于ReliefF的面向层次分类学习的在线流特征选择算法OH_ReliefF.首先将类别...     

基于发现特征子空间模型的文本分类算法*

在非结构化数据挖掘结构模型,即发现特征子空间模型(DFSSM)的运行机制下,提出了一种新的文本分类算法——基于DFSSM 的文本分类(TCDFSSM) 算法。该算法在文本训练及分类阶段的基础上增加了自动反馈阶段,使得TCDFSSM具有自学习能力,并给出了文本分类过程反馈阈值的选取算法。结果表明,该算法分类效果良好,其自学习能力、适应性及鲁棒性更加优越。     

一种提高电阻式传感器灵敏度的双传感器电路

提出一种双传感器电路,其原理是利用1个传感器在气氛变化时电阻的变化,改变通过另1个传感器的电流,使得后一传感器在气氛变化时电流和电阻的同时变化,使灵敏度得到极大提高。以SrFeO3薄膜传感器考察了这种双传感器电路的实际效果。     

基于Q-relief的图像特征选择算法

针对特征选择算法——relief在训练个别属性权值时的盲目性缺点,提出了一种基于自适应划分实例集的新算法——Q-relief,该算法改正了原算法属性选择时的盲目性缺点,选择出表达图像信息最优的特征子集来进行模式识别。将该算法应用于列车运行故障动态图像监测系统（TFDS）的故障识别,经实验验证,与其他算法相比,Q-relief算法明显提高了故障图像识别的准确率。     

电阻型氢气传感器研究进展

该文介绍了电阻型氢传感器国内外研究的最新进展,对该类传感器的工作原理和改进方法进行了详细的叙述,对半导体型和纳米线电阻型传感器的研究作了详细的介绍,并展望了电阻型氢气传感器的发展方向.     

基于SVM算法和纹理特征提取的遥感图像分类

遥感图像分类是遥感图像处理领域中的一个重要的研究方向,传统的遥感图像分类方法根据像素值进行分类,忽视了遥感影像中丰富的纹理特征信息.小波分析通过引入宽度可变的窗口,可以同时对信号的局部信息进行频率域和时间域的变换.小波分析算法可以有效地提取出图像中的纹理特征信息.支持向量机算法是20世纪90年代提出的一种新的机器学习算法,通常被用来进行模式识别和分类.结合小波纹理提取算法,利用支持向量机进行遥感图像分类.研究结果表明,结合纹理特征的支持向量机分类的效果优于直接对灰度图像进行分类.     

基于最近邻域法的气体传感器模式识别技术研究

提出将气体传感器阵列检测与最近邻域法相结合的方法实现气体的模式识别。设计了用该方法进行气体识别的实验系统。该方法具有实验次数少,且识别准确度高的优点。实验以3只金属氧化物半导体气体传感器组成的阵列为例,详细讨论了该方法的实验过程与识别结果。通过对CH4,H,CO 3种气体进行识别实验,结果表明:该方法的正确识别率达到100%,具有很高的实用价值。