基于左右轮廓特征的打印体邮政编码数字快速识别

本文介绍一种基于左右轮廓特征识别打印体邮政编码数字的新方法。字符的左右轮廓特征经归一化处理后形成两组独立的特征值，再将它们用线段矢量表示以形成关于轮廓特征的线段描述，并依此对字符进行分类，然后将两个分类器的结果组合起来实现对字符的识别。我们对从真实信函上采集到的８３７４２个打印体邮政编码数字进行测试，实验结果表明具有识别率高（９７．９３％）、错误率低（０．０９１％）等优点。此外本方法在提取特征的同时进行去噪声、归一化等处理，并采用判决树方法，因而识别速度很快，满足了实时识别的要求。本方法已在中比合作开发的ＯＶＣＳ自动信函分拣机中得到应用，实践证明达到设计要求，具有较高的实用价值     

神经网络法汉语孤立音识别的研究

本文对神经网络法语音识别中的网络结构、特征提取以及学习算法进行了初步的研究.文中提出了一种带非均匀窗形式的金字塔状多层神经网络模型I研究了两种特征提取方法的向量规整问题,改进了Polak—Rjbiere学习算法并证明它能够保证连结权向量不收敛到非稳定局部极小点.特定人方式的试验表明,用神经网络方法识别五个元音和十个数字时,识别率都高于99.0％.用遍布25个省市的90个说话者的数字话音所进行的非特定人方式试验表明;加窗后识别率可以提高1.0％,达到90.3％,说明带预处理窗的模型更加适合于语音识别.     

小波分形分解特征在手写体汉字识别中的研究

文章研究了手写体汉字识别中的一种新的特征提取方法——小波分形分解特征。在该方法中，对手写汉字分别采用小波和分形的方法提取其结构特征和统计特征，并将提取的结构特征和统计特征组合后作为识别器的输入进行识别。实验表明，该方法对训练样本可以达到98．71％的识别率，对测试样本可以达到91.37％的识别率。     

函数链及其在语音识别中的应用

本文根据加权倒变距离测度，提出了一种用于非特定人语音识别的函数链神经网络。此网络与多层感知器相比，不仅具有较高的识别别率，而且大大缩短了网络的学习时间。我们采用６人（３男，３女）的语音数据对汉语十个数字进行了实验，正确识别率为９３．７％。     

极低码率语音编码—汉语识别声码器

本文给出了一个极低码率的６０ｂ／ｓ的主意编码系统－汉语识别声码器，以３２句话共２６７个音节作实验，其音节识别率平均为７４．１４％，句子平均可懂度为９１．９％，介绍了其系统结构，给出了实验结果。     

基于小波和BP神经网络的无线电探测目标识别技术

目标识别是智能弹药研发的关键技术之一，本文采用小波变换和BP神经网络理论对无线电探测目标识别技术进行了研究，给出了分类识别算法，并用实测数据进行了实验验证，结果表明该识别算法具有很高的目标识别率．     

组织协同进化分类算法用于雷达目标一维像识别

针对雷达目标一维像识别问题，提出了一种基于组织协同进化分类算法的识别方法．该方法与现有进化分类方法的不同之处在于它的进化操作直接作用于样本而不是规则，采用了一种自下而上的搜索机制，即先使若干样本的集合得到进化，再从进化结果中提取规则．这样有利于避免在进化过程中产生无意义的规则．该方法不需要进行特征提取；对于高维数据，不需要预先进行降维处理；没有复杂的运算，训练和识别的速度都很快．对3种飞机微波暗室实测数据的识别实验表明，该方法性能稳定，优于基于支撑矢量机与子波核函数的方法，识别率均达到了96％以上．实验中还对算法的抗噪能力进行了测试，获得了良好的效果．     

基于单脉冲的雷达个体识别技术研究

基于单脉冲的雷达个体识别技术首先要对雷达信号进行归一化处理,归一化后的数据通过投影变换映射为一幅图像,然后提取这幅图像的不变矩作为可供识别的特征量。在识别过程中采用了最小距离分类器．利用现有数据所做的实验表明．这种方法在一定信噪比条件下有较高的识别正确率。通过和匹配滤波法的对比实验表明．基于单脉冲的个体识别效果要明显优于单纯利用归一化数据进行匹配滤波的效果。     

电话语音识别中基于统计模型的动态通道

与桌面环境相比,电话网络环境下的语音识别率仍然还比较低,为了推动电话语音识别在实际中的应用,提高其识别率成了当务之急．先前的研究表明,电话语音识别率明显下降通常是因为测试和训练环境的电话通道不同引起数据失配造成的,因此该文提出基于统计模型的动态通道补偿算法（SMDC)减少它们之间的差异,采用贝叶斯估计算法动态地跟踪电话通道的时变特性．实验结果表明,大词汇量连续语音识别的字误识率(CER)相对降低约27％,孤立词的词误识率(WER)相对降低约30％．同时,算法的结构时延和计算复杂度也比较小．平均时延约200ms．可以很好地嵌入到实际电话语音识别应用中．     

一个自训练的数字声控系统

介绍一个抗噪声,脱离计算机的实时话音识别系统,由于该系统具有使用者自行训练功能,因此能够在不认人的情况下达到很高的识别率,该系统采用了先进的智能算法,并以高速数字信号处理器（ＤＳＰ）为核心部件研制而成,不但可以用于电话机进行话音拨号,还可用于其它设备作为声控装置投入实际应用。     

一种基于3D-CNN的微表情识别算法

微表情是一种持续时间很短暂的面部表情。针对其识别率低的问题,提出了一种基于三维卷积神经网络（3D Convolutionnal Neural Network,3D-CNN）的微表情识别算法。使用Keras作为网络框架,在3D-VGG-Block(3Dimension Visual Geometry Group Block,3D-VGG-Block)的基础上加入批量归一化算法以及丢弃法,提升网络深度与训练速度的同时有效地防止过拟合;针对数据集稀少的问题,采取随机设置起始帧的位置,提前设定每次读取帧序列的长度,循环操作,在将所有数据均遍历的同时,达到数据增广的目的。该算法在CASME II数据集上的识别率最高达68.85%,在识别率上有一定优势。     

几种光照归一化方法的比较研究及其在表情识别中的应用

本文介绍了两种基于直方图修正技术的光照归一化方法和一种基于仿射变换光照模型的光线归一化方法,分析了这三种算法的基本原理,将算法应用到表情识别系统中,并对其识别结果进行比较和分析.实验结果表明,应用光照归一化进行预处理有利于提高人脸表情识别系统的识别率.     

中国VSAT通信市场现状与发展趋势(三)

（一）VSAT小站用户发展状况 全国已投入运营的31个VSAT运营企业，2005年底拥有VSAT小站用户总数为43535个，比上一年增长了33．6％。其中单向数据小站33385个，同比增长了32.9％；双向数据小站7457个．同比增长了1．7％．话音小站2693个．比2004年增加了2550个，增长幅度比较大。     

基于改进AlexNet的双模态握笔手势识别

本文提出了一种基于改进AlexNet的双模态握笔手势识别方法.该方法根据握笔手势特征自建了 8 100张握笔手势数据集,对数据集进行了手势分割获取二值图像、骨架提取获取包含原图的骨架图像等处理,并将处理后的2种类型图像构成双模态图像输入至改进的AlexNet中.针对AlexNet提取握笔手势特征不充分的问题,本文将AlexNet第一层的卷积核大小修改为3×3,并在卷积层之后添加了批量归一化、注意力机制.通过实验证明,该方法对9种握笔手势的平均识别率达到75.6％,分别高于骨架图像、分割图像、AlexNet网络11％、16％和13％,证明了该模型对握笔手势识别的有效性.     

基于深度卷积神经网络的手势动作识别

针对传统手势识别方法中人工特征提取信息不完整导致的识别率较低以及识别手势类别较少的问题,基于卷积神经网络(Convolutional Neural Network,CNN)的原理,设计了一种深度CNN框架,对多通道的表面肌电信号进行手势动作识别。所应用的表面肌电信号数据来自Ninapro数据库中DB2健康个体数据集,分别识别9种手指动作和49种手势动作(49种手势动作包含9种手指动作),另外40种手势动作是17种基本手势动作和23种手腕动作。对数据集的表面肌电信号数据进行提取均方根值特征,生成12通道的训练集、验证集和测试集。将处理过的表面肌电信号送入到深度CNN中,经过卷积、批次归一化、池化、梯度下降及dropout层处理,仿真测试后,DB2数据集的9种手势动作识别率是99.10%,49种手势动作手势不识别率是64.58%。     

基于BP神经网络的汉语语音识别的研究

本文论述了基于神经网络模型的非特定人汉语语音识别。我们采用24人(12人用于训练,12人用于测试)的语音数据对汉语十个数字和十个孤立字进行了实验,取得了96.3％(10个数字)和97.2％(十个汉字)的识别率。     

目标识别决策层融合神经网络算法研究

该文针对毫米波／红外传感器融合目标识别问题,提出一种新的用于决策层目标识别的神经网络融合算法。该网络结构新颖,网络训练时修改的是门限而不是连接权值,融合后的识别率可比毫米波和红外子源提高９．７％和１１．３％,因此该算法是有效可行的。     

采用离散HMM的孤立词识别系统

探讨了离散马尔可夫模型的基本原理及在孤立词识别中的应用，并且实现了一个文本有关的孤立词识别系统，其正确识别率达到96．3％。     

HMM非特定人连续语音识别的嵌入式实现

嵌入式系统正逐渐成为语音识别实际应用的首选平台。该文在嵌入式平台上研究HMM连续语音识别的计算复杂度要素,提出特征系数屏蔽方法和综合剪枝相结合的瘦身计算方法,降低计算复杂度并保持识别率。该方法在嵌入式平台上研究的实验数据表明,HMM连续语音识别瘦身系统与基线系统相比,计算时间从基线系统的100％降低到27.91％,识别率仅从基线系统的89.65％下降到89.41％。     

一种利用强度信息的雷达HRRP自动目标识别方法

 针对雷达高分辨距离像(HRRP)的幅度敏感性,现有HRRP雷达自动目标识别(RATR)方法一般简单地能量归一化.本文借鉴切空间距离的思想,提出一种利用HRRP回波强度信息提高识别精度的方法,实测数据仿真试验证明与传统方法相比,该方法可提高识别率约5个百分点.