基于神经网络融合的语音人脸身份识别方法

传统的身份识别系统利用单一的生物特征作为依据,在复杂背景下,系统性能往往会大幅下降。基于数据融合的多生物特征身份识别技术可以提高生物识别系统的准确率等性能。该文利用特征脸和矢量量化方法建立人脸识别和语音识别两个子系统,在决策层用神经网络融合子系统的输出来进行身份识别。实验证明该方法比单个子系统识别率高,在噪音环境下,优势明显。     

一种基于数据融合的多话筒语音识别方法

识别率和对环境的适应能力是一个语音识别系统的两个重要性能,常见的提高语音识别率的方法大多通过改进声音模型来获得较高的识别率,这往往造成声音模型的复杂化以及模型训练的困难。另外,在说话人和麦克风位置不固定等情况下,这些方法识别效果往往很差。文中提出了一种用多话筒分别识别一个语音,并用数据融合技术对识别结果进行处理的语音识别方法。初步的实验结果表明该方法不仅可以提高系统对环境的适应能力,而且在单个声音     

基于特征融合的多模态身份识别方法研究

研究了多模态身份识别问题,结合人脸和掌纹两种不同生理特征,提出了基于特征融合的多模态身份识别方法。对人脸和掌纹图像分别进行Gabor小波、二维主元变换(2DPCA)提取图像特征,根据新的权重算法,结合两种模态的特征,利用最邻近分类器进行分类识别。在AMP、ORL人脸库和Poly-U掌纹图像库中的实验结果表明,两种模态的融合能更多地给出决策分析所需的特征信息相比传统的单一模态的人脸或掌纹识别具有较高的识别率,更具安全性和准确性。     

一种基于神经网络的力传感器的数据融合方法

电阻应变式测力传感器是目前国内外广泛使用的一种传感器。但它在使用的过程中,经常由于载荷分布不均,造成其精度的降低,使其输出特性呈现严重的非线性。引起这种误差的主要原因有：传感器的高度不足、斜载、偏心等。人工神经网络是由大量处理单元(神经元)组成的非线性大规模自适应系统,能够表达任意复杂的动态特性。因此,针对传感器的高度不足、斜载这两种情况,该文提出了利用前向多层神经网络进行数据融合。以筒式力传感器为例,阐述了其网络模型的建立过程。结果表明在高度降低和斜载的情况下,利用神经网络传感器仍能保持很高的精度。这在工程实际中是非常有用的。     

人脸和步态特征注意力融合的身份识别方法

真实的身份认证场景往往存在面部遮挡和远距离等难点,给人脸识别等传统识别方法带来挑战.步态识别等新型识别方法助力身份认证.步态识别适用于面部遮挡场景,且远距离时优于人脸识别.为了发挥人脸识别和步态识别在远距离遮挡下的互补作用,本文提出了一种基于人脸和步态多模态融合的身份识别方法.该方法包括面向低分辨率和有遮挡场景的人脸识别模块、基于轻量化模型GaitLight的多视角步态识别模块、融合人脸和步态特征的注意力融合模块.人脸和步态融合数据集上的实验结果表明,提出的多模态方法在面部无遮挡和面部遮挡条件下,识别率均高于单模态方法和现有的多模态方法.两种条件下识别率分别达到98.5%和98.4%,高于人脸识别算法1.2%和7.1%.多模态识别方法既能满足日常识别需求,也适用于远距离遮挡下的身份识别,识别性能优于目前应用的人脸识别方案.     

刍议身份鉴别技术的发展

常见的身份鉴别技术有射频识别技术、指纹识别技术、人脸识别技术、说话人识别技术和虹膜识别技术等,射频识别技术是一种传统的身份鉴别技术,其他几种识别技术均为基于人体生物特征的识别技术.介绍了各项技术的发展过程、核心技术、优缺点和面临的技术挑战.     

基于融合频域和时域特征的说话人识别

针对单一特征参数表征语音信息不够全面的缺点,利用时域特征参数和频域不同特征参数的优点,融合频域特征参数MFCC、GFCC、MFCC一阶差分、GFCC一阶差分和时域特征参数短时能量,然后将多维度的融合特征参数进行主成分分析降维。降维后的特征参数送入双向长短时记忆神经网络模型进行识别训练。仿真实验表明,本文目标参数参与训练的说话人识别模型取得了99.61%的识别正确率,较其他说话人识别模型的识别率更高。     

基于模糊C均值聚类的一种说话人识别方法的改进

模式匹配在整个说话人识别系统中具有重要的作用,其采取的方法将直接影响系统的识别率.本文介绍了一种模糊矢量量化(FVQ)方法,通过对模糊C均值(FCM)聚类算法的分析,提出了基于减法聚类和改进的模糊C均值聚类算法相结合的说话人识别方法,实验表明该方法提高了识别率,是一种行之有效的说话人识别方法.     

一种基于证据推理的目标识别方法

论文介绍了一种基于证据理论的多传感器目标识别方法。该方法首先建立了一个特殊的辨识框架,它可以合成多传感器的信息,能适应未知假设出现的状况;考虑了传感器检测的不确定性,推导了多传感器证据合成的算法。最后将该方法应用于一个目标识别系统,实验结果验证了方法的有效性。     

基于仿生模式识别理论的高阶神经网络说话人识别方法

根据一种全新的仿生模式识别理论,提出了采用神经网络实现并完成说话人识别的新方法。该方法利用高阶神经网络形成的复杂包络在特征空间中构造不同说话人的覆盖区域达到识别目的。相关实验证明,这种新的说话人识别方法只要通过少量样本的训练即可达到比传统方法更高的识别率。     

基于信息融合的娱乐机器人目标识别

运用电、磁、图像等各种信息的融合,提出了一种比较有效地用于娱乐机器人目标识别的方法,进行了仿真并通过了实际运行的检验。     

基于模糊数据融合的刀具磨损状态辩识

选取能够充分反映刀具磨损状态的振动信号和功率信号作为研究对象,采用正交小波变换技术,提取刀具磨损特征信号,利用该特征信号建立了振动幅值变化与刀具磨损量间的关系,计算出基于振动信号的刀具状态特征值,定性地识别出刀具磨损状态;对功率信号,采用统计分析方法,通过均方根处理提取出刀具磨损特征信号,并以信号强度的变化来表征刀具的磨损情况;为了避免单一特征信号提供刀具状态信息的局限性,采用模糊数据融合方法对振动、功率特征信号进行融合,获得更加全面、准确的刀具磨损状态;实验结果表明,基于模糊数据融合的刀具磨损状态识别比单一传感器系统对刀具磨损状态识别更为可靠.     

一种基于分簇技术的数据融合算法

针对无线传感器网络节点能耗的限制以及通信数据的隐私问题,提出一种基于分簇技术的数据融合算法（Data Fusion Algorithm based on Clustering Technology, DFACT）。算法通过分簇技术解决通信数据的时延,簇内利用算法选择合适簇头,并构造数据融合树结构进行数据融合,减少数据通信量,保护数据隐私;簇间采用基于移动代理模型选择最佳路径提高通信效率。实验结果表明,DFACT算法可以有效地降低大规模无线传感器网络节点耗能,提高数据的安全性,延长网络生命周期。     

基于手写体的身份识别

以前许多文章曾介绍过一些基于手写体的书写人身份识别技术，其中多数都假设所写的文本是固定的。本文中，我们试图通过一种自动的不依赖文本的书写人识别听新颖算法，来消除这种假设，假定不同的人手写体存在明显的区别，我们采用一种综合方法，它基于纹理分析，每个人的手写体都被看成一种不同的纹理。原则上，我们可以采用任意一种标准的纹理识别算法（例如：多通道伽柏滤波器方法）。在对40名书写人的1000份测试文档的分类中，测试结果非常令人满意，识别率最高达到了96%。     

一种基于数据融合的分布式入侵检测系统

入侵检测是网络安全的一种重要手段,为提高入侵检测的准确性,文中提出了一种基于数据融合的分布式入侵检测系统,并详细论述了该系统的网络设计、包采集分析、局部判决、融合中心事件关联和数据融合等各个环节的具体设计与实现方法,分析表明文中提出的事件关联规则和加权表决法决策融合算法对分布式入侵检测系统是十分有效的。     

应用数据融合方法辨识油气两相流流型

基于D-S证据理论和逐步回归方法,结合直管段差压波动信号的功率谱密度分布特征和电容传感器提供的电容信息,给出了一种油气两相流流型辨识的数据融合方法.通过差压传感器和电容传感器分别采集直管段差压波动信号和管道截面相分布信息,利用提取的特征参数和已经建立的与流型相关的电容关联式对各传感器的信任度函数进行分配,再利用D-S证据理论进行融合,得到油气两相流流型辨识结果.单传感器辨识结果与数据融合辨识结果的比较结果显示,数据融合方法具有一定的优越性.     

一种采用多传感器数据融合的目标识别框架

利用Demtpster-Shafer理论进行目标识别并提出了一种战场平台识别的框架。该框架采用模糊方法来解决基本概率分布问题，并利用递推集中化结构来进行时空信息融合。为增加推理过程的鲁棒性和效率，提出了一种解决矛盾的新策略。初步实验表明该框架是有效的，并值得进一步探讨。     

基于数据融合的交通控制

为了更好地解决交通控制的相关问题,提出了一种基于数据融合的交通控制模式.针对交通控制系统的复杂性和多样性,采用数据融合技术来提高交通参数提取的准确性和有效性,并通过构造一个多级控制模型来解决不同路口之间的交通控制信号的区域协调问题.通过大量的仿真研究,初步实现了一个基于数据融合的交通控制仿真系统.仿真结果表明,所提出的数据融合方法和多级交通控制结构是合理、有效的.     

基于多传感器数据融合的鲁棒自适应滤波算法

针对具有多传感器量测的动态系统状态有效估计的问题,给出了一种基于多传感器数据融合的鲁棒自适应滤波算法.引入了虚拟量测的概念,实现对于量测数据的预处理,依据模糊集合理论中隶属度的性质定义了一种无需门限设定的数据间置信度函数,以充分提取于测量数据中互补和冗余信息.最后结合卡尔曼滤波中的贝叶斯递推估计原理,完成对于量测方差的在线自适应估计,进而提高了系统状态的滤波精度,并通过计算机仿真验证了算法的有效性.