基于对角切片谱的小波神经网络水下目标识别

目前水下目标识别技术识别率与实时性两难现状的解决,对舰船水下辐射噪声的正确提取具有实际意义。为了使水下目标识别更切合作战实际需要,在得到稳定、可靠的目标识别率的同时,实现高效与实时性,提出了基于对角切片谱的小波神经网络水下目标识别系统。系统充分利用高阶谱既能抑制高斯噪声又包含丰富识别信息的特点以及小波神经网络具有自适应、自学习以及逼近特性和自动收缩平移功能的优点,对三类舰船的实测数据进行仿真,结果表明,三类舰船目标的平均识别率达到90.4%,同时收敛速度也比普通神经网络提高16.9%,证明系统在水下目标识别中具有很好的应用价值。     

基于小波和双谱的脉冲星信号识别

为了提高脉冲星光信号识别效果,提出了一种基于小波变换和双谱分析的脉冲星信号识别算法．首先,本文提出了一种小波域双谱的概念,即对信号进行小波分解后再计算各级小波系数的双谱．然后,采用主分量分析（PCA）提取低频系数的双谱特征;根据最大类间误差平方和准则,用选择双谱的方法抽取高频系数的双谱特征,这些双谱特征构成特征向量．最后,采用最小距离分类器对脉冲星信号进行分类．实验结果表明了该脉冲星信号识别算法在识别效果和特征降维方面的有效性．     

基于特征的江面轮船识别算法*

本文提出了一种江面轮船目标的特征识别方法。首先对江面轮船图像进行预处理,然后通过二维小波变换,提取出边缘轮廓,将目标物体与背景分离开来。结合本文提出的FE（Feature Extract）算法提取出轮船图像的四个特征,根据这些特征建造一个知识库,通过选取适当的知识,采用产生式规则对目标物体进行判别,排除干扰目标,从而识别出轮船目标。最后本文从图片库中抽取几张图片进行实验,相比于之前的单特征方法和Adboost方法可以看出,该方法在识别率上要高于单特征方法,在识别速度上要快于Adboost方法。     

基于部件融合特征的车辆重识别算法

针对车辆型号相同但车辆个体不同的重识别问题,提出一种新的车辆重识别算法。运用部件检测算法获取不同车辆之间差异较大的车窗和车脸区域,对检测到的车窗和车脸区域进行特征提取并进行融合,生成新的融合特征,计算图像特征之间距离度量进行分类识别。在中山大学公开数据集VRID-1上进行测试,结果表明,该算法的Rank1匹配率达到66.67%,明显优于经典的传统特征表征算法,从而验证该算法是可行且有效的。     

基于特征融合的掌纹识别算法应用研究

研究掌纹准确识别问题,由于光照强度、位置移动、采集设备等影响,采集掌纹图像的分辨率较低。单一掌纹特征提取方法难以全面描述掌纹信息,导致掌纹识别率低。为了提高了掌纹识别率,提出一种基于Gabor滤波和LBP算法相融合的掌纹识别方法。首先对采集掌纹进行预处理,然后分别采用Gabor滤波和LBP算法进行特征提取,最后采用神经网络建立掌纹识别器。仿真结果表明,相对于单一特征提取算法,融合特征算法不仅提高了掌纹识别率,同时加快掌纹识别速度,能够很好满足实时掌纹识别系统的要求。     

基于静电信号的人体动作识别

提出一种通过检测人体行为动作产生的静电信号进行人体动作识别的方法.在分析人体荷电特性的基础上,设计静电信号检测系统采集被测人员的5种典型动作（行走、踏步、坐下、拿取物品、挥手）的静电感应信号.对采集的5种动作的静电信号进行特征参量提取和显著性差异分析,优化用于分类的特征参数.基于Weka平台使用3种分类算法（支持向量机、决策树C4.5和随机森林）分别对采集到的250组样本数据通过10折交叉验证进行了分类识别,结果显示随机森林算法的识别效果最好,正确率可达99.6%.研究表明本文提出的单人环境下基于人体静电信号的动作分类识别方法能够有效地对典型人体动作进行识别.     

基于卷积神经网络的钢琴音频信号识别算法

为提高钢琴音频信号的识别准确率,在传统音符特征提取的基础上,再将音符特征叠加到频谱样本中得到音符频谱.然后提出基于卷积神经网络的钢琴音乐分类方法,将各个分类的钢琴音乐的频谱作为卷积神经网络的输入图像进行训练,通过图像识别来间接实现对钢琴音乐的分类.结果表明,改进后的自相关法的识别方法识别准确率更高,且将音符频谱作为训练...     

基于语义特征的文本情感倾向识别研究*

由于网络评论用语的多样性,常用的文本主题分类方法并不能完全适应情感倾向识别。针对这个问题,从语义理解的角度出发,提出一种基于语义特征的情感倾向识别方法,通过增加语义特征使得原始文本表现出更加明确的情感倾向,并且更加容易区分。实验结果表明了该方法的有效性。     

基于特征提取与SVM的多乐器信号快速识别

针对当前我国乐器音频识别系统识别精度低的问题,提出一套基于特征提取与SVM的多乐器信号分类识别方法。其中,音频信号的去噪处理采用改进的VMD重构去噪方法;音频数据的降维处理采用改进的核主成分分析法;分类识别系统采用基于改进的PSO-SVM模型。仿真结果表明,相较于改进优化前的音频分类识别方法,基于改进KPCA+改进PSO+SVM的乐器音频分类识别方法的分类识别准确率得到了明显提高,对六种乐器唢呐、古筝、琵琶、钢琴、吉他、小提琴的识别准确率分别达到了100%、78.32%、91.23%、94.13%、100%、100%。以上实验结果验证了设计的多乐器信号分类识别方法的可行性和优越性,对乐器分类识别系统的设计有一定的参考借鉴价值。     

基于特征融合的步态识别算法研究*

提出一种融合步态运动中的人体形状信息特征和下肢运动信息特征的步态识别算法：利用边界跟踪算法获取人体轮廓边界线,并采用傅里叶描述子表达人体轮廓特征;依据人体解剖学的知识定位下肢关节点,并提取下肢角度特征;分别对两种特征进行匹配,然后采用特征融合的方法对匹配结果进行处理。实验结果表明,本算法的性能较基于单个特征的步态识别算法有明显的改善。     

基于三阶累积量对角切片的信号特征检测

提出了一种基于三阶累积量对角切片的特征检测方法。该方法既不需待检信号做高斯和平稳的假设,也不需要有信号的先验知识。其原理是首先通过滤波器组将检测信号在频域上进行分离,选取输出能量较大的一组子频带信号近似给出信号的时频描述;然后在各个选中的子频带内分别计算三阶累积量的短时估计,从而抑制有色噪声,将信号的特征检测出来。仿真信号验证了该方法的有效性和适应性。     

基于类别距离和Bhattacharyya距离的雷达信号特征评价

从瞬时自相关法、小波变换法和时频原子法提取的脉内特征比较分析入手,提出了一种新的最优特征评价准则。以类内距离、类间距离和Bhattacharyya距离为基础,从特征的空间分布和错误识别率的上界等方面对不同算法提取出的脉内特征进行分析,实现了最优特征的选择。实验的仿真结果表明,这种最优特征评价准则是有效的,为雷达辐射源信号的特征评价提供了有意义的参考。     

基于全双谱和卷积神经网络的信号分类方法

为解决电磁频谱中的未知信号分类和身份识别问题,提出一种基于改进卷积神经网络（CNN）LeNet-5模型的信号分类方法。该方法使用信号全双谱做为CNN的输入,然后通过改进的LeNet-5模型学习信号特征并完成信号分类和身份识别。实验结果表明,算法对未知信号调制类型识别率达97%以上,对信号身份属性识别率达96%以上。相比传统方法,该算法对信号身份属性识别率提高6.5%,具有更好的泛化性能,并有效解决了全双谱应用的二维模板匹配和Loss函数值下降缓慢问题。     

焊接缺陷超声检测回波信号的双谱分析

针对焊接缺陷超声检测中信号处理的特征提取问题，应用高阶谱方法对三类压力容器焊接缺陷的超声回波信号进行了分析，在焊接缺陷超声检测中，回波信号的相位携带有被检对象重要的结构特征信息。高阶谱方法与常规的功率谱分析方法不同，它不仅有振幅而且包含有相位，能揭示常规功率谱分析所不能表现的重要信息。本文应用高阶累积量技术对缺陷回波信号进行双谱分析，提取出缺陷回波基于双谱的平均相位信息作为特征参量，取得了较好的识别结果。     

高分类率水下目标特征量提取方法研究

根据人眼分类双谱图时的特点,在双谱对称性所确定的三角形区域内提出了两种双谱幅值矩阵元素抽取方案,即沿平行于副对角线方向的抽取方案和沿列向量方向的抽取方案。对所抽取的元素,采用简单的求和或最大值操作进行特征提取,形成4种特征向量。利用支持向量机的一对一多分类方法进行目标分类,实验表明：在由双谱对称性确定的三角形区域内,采用沿平行于副对角线方向的元素幅值抽取方案,对所抽取元素幅值使用求和方法得到的特征向量具有非常高的正确分类率。由此方法获得的特征向量对于A、B、C三类水下目标辐射噪声的分类率达到了100%,得到的其他特征向量的平均分类正确率均稳定在95%以上。     

基于Bhattacharyya距离准则的核空间特征提取算法

提出了一种新的以Bhattacharyya距离为准则的核空间特征提取算法．该算法的核心思想是把样本非线性映射到高维核空间．在核空间中寻找一组最优特征向量,然后把样本线性映射到低维特征空间,使类别间的Bhattacharyya距离最大。从而保证Bayes分类误差上界最小．采用核函数技术,把特征提取问题转化为一个QP(Quadratic Programming)优化问题．保证了算法的全局收敛性和快速性．此算法具有两个优点：(1)该算法提取的特征对数据分类来说更有效;(2)对于给定的模式分类问题,算法可以预测出在不损失分类精度情况下所必须的特征向量数目的上界,并能够提取出分类有效特征．实验结果表明,该算法的性能与理论分析的结论相吻合,优于目前常用的特征提取算法．     

基于微结构特征的维吾尔文笔迹鉴别

对离线的文本无关的笔迹鉴别进行研究,结合维吾尔文文字连写多、字形复杂等特点,采用基于概率分布函数的微结构特征笔迹鉴别,提出一种维吾尔文的笔迹鉴别方法。该方法对笔迹中局部细微结构的书写变化趋势进行描述,运用欧氏距离和Manhattan距离度量方法进行笔迹特征匹配。对120份维吾尔族学生的笔迹样本进行测试,结果表明,该方法能有效提高维吾尔文笔迹鉴别的正确率。     

基于支持向量机的抽油机井功图识别研究

抽油机的异常情况会使油田的产油效率降低,而不同的异常类型对应的抽油机示功图特征也各不相同,因此造成的损害程度也不同。针对以上问题,文中提出了一种抽油机井功图识别模型,该方法将支持向量机（ SVM）用于抽油机井功图识别。首先利用改进的矢量曲线数据压缩方法（ICVDC）对抽油机井下示功图进行特征数据提取,在此基础上,采用“一对一”分类法建立基于支持向量机的井下示功图分类模型,进而对不同特征的示功图进行分类识别,并与其他识别分类模型进行了识别分类效果对比。实验结果表明,该方法分类准确度高,有效地解决了示功图的识别和分类问题,方便对油井设备等进行进一步的故障分析处理,从而大大提高抽油机的性能与效率,以此来达到油田提高采收率的目的。     

面向情感倾向性识别的特征分析研究

随着互联网和信息技术的迅速发展,网络上用户的评论信息越来越多。利用计算机技术分析网络中大规模文本的情感倾向,在政府的舆情分析和企业的产品评价智能回馈等应用中有着非常巨大的发展前景。文中着重研究了选取不同的文本特征对文本情感倾向性分类精度的影响。实验中所研究的不同文本特征主要包括情感词、形容词、副词、语气词和标点符号等。实验结果表明,选取情感词、形容词、副词作为特征项对情感分类具有较好的效果,在此基础上添加语气词和标点特征可以有效地提高情感分类的精度。该研究成果可用于社会舆情分析、垃圾博客过滤、商品评论与推荐、影视评价等领域。     

改进的基于FPFH特征配准点云的方法

ICP(Iterative Closest Point)算法是点云配准中最常用的算法,而点云的FPFH(Fast Point Feature Histograms)特征可在点云配准中为其提供初始匹配信息。针对该方法的初始匹配中距离测度等问题,提出一种改进的基于FPFH特征配准点云的方法。点云配准时首先计算2个点云的点的FPFH特征之间的巴氏距离,以k-d树检索巴氏距离最小的对应点,然后利用奇异值分解计算初始转换矩阵,进行ICP算法精细匹配,求得最终变换矩阵。实验结果表明,改进的基于FPFH特征配准点云的方法能为ICP算法提供良好的初始变换矩阵,在同等迭代次数下该方法具有更高的精度。