基于等价型模糊神经网络的战场辐射源识别算法

针对多变量、环境干扰复杂的现代战场电子对抗辐射源识别非线性系统,应用早期的识别方法已经无法满足辐射源识别系统的精度要求,采用等价型模糊神经网络,产生模糊规则和隶属函数,再基于这些规则产生模糊逻辑推理来构造模式识别算法.仿真结果表明:该算法与传统模式识别方法相比具有更高的识别能力和较强的抗干扰能力,大大提高了战场辐射源识别的正确率和可靠性.     

一种雷达信号识别算法的探讨

对雷达信号模式识别技术进行了讨论,在传统模式识别算法的基础上提出了基于图形的雷达信号模式识别算法,对其中的BARC图形匹配算法进行了介绍。并在Matlab软件平台上实现了该算法。并针对实际雷达信号对该算法的性能进行了分析。     

模式识别统一熵理论

本文提出的模式识别统一熵理论包括;对模式识别中存在着两种信息源的分析、利用信息熵概念定义模式识别信息熵系统、论述学习和识别过程中信息熵的变化和传递以及提出模式识别信息熵三定理.统一熵理论揭示了模式识别信息过程中特征选择和模式识别性能极限间的内在连系,对模式识别理论研究和系统设计都具有一定指导意义,这一理论在汉字识别的研究和实践中得到了验证.     

复杂环境下激光雷达信号的模式识别研究

为了解决当前激光雷达信号出现错误识别结果概率高的难题,设计了一种复杂环境下激光雷达信号的模式识别技术。首先将激光雷达信号识别看作为是模式识别中的一个多分类问题,然后从信号提取分类特征,最后引入模式识别技术对激光雷达信号进行建模与识别,并在Matlab 2017平台上进行了激光雷达信号识别仿真实验,结果表明,激光雷达信号正确识别率超过92%,激光雷达信号识别的时间缩短为11. 87 ms,识别整体效果明显好于传统方法,具有十分广泛的应用前景。     

基于8位单片机的玩具控制器的研究与实现

针对特定音频信号的时延估计,设计了一种基于8位单片机实现声源识别与测向功能的玩具控制器,传声器阵列用来接收声音信号,单片机用来对声音进行检测、前后识别、模式识别、测向.系统采用变采样率与交替采样能够提高声源模式识别和测向性能,实验结果表明,控制器硬件性能良好,软件算法精简,运算量小,可以应用在实时系统中.     

模式识别技术在雷达侦察信号分类识别中的应用

本文介绍了模式识别技术的基本原理及组成，重点论述了模式识别技术在雷达侦察信号分类识别中的具体应用。     

基于云计算的光通信系统状态模式识别研究

光通信系统状态模式识别是当前的一个研究热点问题,而当前光通信工作状态识别方法存在识别误差大、识别时间长等不足,为了获得理想的光通信系统状态模式识别效果,提出了基于云计算的光通信系统状态模式识别方法.首先搭建用于大数据分析和处理的云计算平台,并采用光通信系统状态数据,然后引入模式识别技术对光通信系统状态识别进行建模,建立...     

数字图像处理在光学相关识别中的应用

光学模式识别信息处理容量大,运算速度快,但精度不高,存储不灵活,不易判断控制和分析.联合变换相关器在光学图像相关识别中得到了广泛的应用.为提高联合变换相关器的性能,将数字图像处理技术引入光学相关识别中,主要体现在对联合图像进行预处理以及对联合功率谱的滤波处理.详细阐述了国内外常用的联合图像预处理算法和功率谱滤波算法,并对这些算法在光学相关识别中的应用效果进行了比较研究.     

基于生物特征的模式识别自主学习系统研究与实现

本系统采用Matlab语言作为开发工具,结合Web技术及其相应功能,设计并实现了基于生物特征的模式识别自主学习系统.系统以当前国内外的研究热点--生物特征识别技术为主体,贯穿了模式识别的基本原理、方法和理论.系统的设计与实现采用基于Matlab Webserver组件的方式和基于Matcom组件的方式.在生物特征识别过程中,将模式识别、数字信号处理和数字图像处理等相关课程的知识有机结合,给教学、实验和学习带来了便利.     

边际谱和多重分形在调制模式识别中的应用探究

由于边际谱和多重分形下的调制模式具有一定的差异特征,将其应用在调制模式识别中能够提高识别正确率。因此文章针对边际谱和多重分形原理展开了分析,并加大其在调制模式识别中的应用,从而确保其在工程中有更好的应用。     

汉字识别研究的回顾

本文回顾了汉字识别研究的历史。根据模仿人类视觉模型，基于文字图像的统计模式识别方法是文字识别取得瞩目进展的基础。模式识别信息熵理论揭示了模式分类的信息过程和理论极限，本文讨论了从汉字图像中提取特征以及文字识别分类器设计和学习的各种方法。介绍了文本识别必须解决的文字切分，版面分析、理解和重构，及提高识别性能等重点问题，最后，总结了文字识别研究的重要进展和对今后的展望。     

孤立词语音识别算法研究与设计

语音识别在非接触式控制系统中的应用普遍,基于数字化平台的孤立词语音识别技术是一项重要的研究方向。文中介绍了短时能零差断点检测算法,采用MEL频率倒谱系数特征参数提取算法和动态时间规整的模型匹配方法,并用Matlab进行仿真,仿真结果表明,系统具有较强的实时性和较高的识别率。     

一种欠完备自编码器调制识别技术

基于信号特征进行模式识别的调制识别方法需要先计算信号的高阶特征、高阶累积量再进行模式识别,整体设计复杂,特征不易计算。机器学习技术由于其强大的特征提取能力和分类能力,被广泛应用到模式识别领域中。针对调制识别问题,提出了一种基于欠完备自编码器的调制识别技术,使用欠完备自编码器进行调制信号的特征自动提取,再使用神经网络分类器进行分类识别。整体模型更为简洁,运算复杂度较低,有利于部署在硬件上进行实时识别。对常见的BPSK、QPSK、2ASK、2FSK、16QAM数字调制方式进行的识别实验表明,算法在信噪比10 dB时平均识别率高于0.97,并且在信噪比为0 dB时仍然有0.92以上的平均识别率。     

基于Gabor幅值特征和相位特征相融合的ISAR像目标识别

该文提出一种基于Gabor小波变换幅值特征和相位特征相融合的ISAR像目标识别算法。首先将ISAR像进行Gabor多尺度分析,对不同尺度、不同方向的Gabor幅值图像划分为若干矩形不重叠的子块,分别计算每个子块的直方图分布,将其联合起来作为Gabor的幅值特征;然后结合象限二进制编码和局部异或算子提取Gabor相位信息的局部相位模式,对得到的局部相位模式同样提取分块直方图特征;再把提取的幅值特征和相位特征相融合作为ISAR像最终的Gabor特征;最后在2统计量作为不相似度量计算的特征空间里,采用最近邻分类器完成5类目标的分类识别。通过使用Greco电磁软件仿真的5类目标的ISAR数据对该方法进行目标识别的验证,并与目前已有的几种Gabor特征提取方法进行了对比,结果表明,该方法是可行且有效的,能够明显地提高识别率。     

基于PCA与Fisherface互补双特征提取的人耳图像识别

人耳识别目前是一种新的生物特征识别技术,特征提取是模式识别技术中的关键环节,决定着分类结果正确率的高低,单特征提取方法需要在一定的条件下才能取得较高的识别率,但是采用双特征提取却可以克服单特征提取的这一局限性.为了提高分类结果的正确率,提出了一个全新的方法,即基于主成分分析(PCA)与fisherface的互补双特征提取方法,并将其运用于人耳图像识别中,在北京科技大学提供的人耳图像库上的实验结果表明,该方法的人耳识别率明显高于PCA、fisherface、ICA单特征提取的人耳识别率.     

计算机图像处理与识别技术的研究

随着社会的快速发展，计算机电子信息工程技术也在不断发展，其作用越来越明显，已经成为促进我国高科技发展的重要力量。但在实践中，该技术仍有很多地方需要改进。基于这一背景，文中全面探讨了计算机电子信息工程技术应用中的安全问题。     

嵌入式人脸识别系统的设计与实现

对嵌入式人脸识别系统的设计原理进行研究,重点探讨了人脸识别的特征提取、特征降维和识别技术等问题,并给出嵌入式人脸识别系统的完整设计方案.采用具体人脸库数据对设计的人脸识别系统进行仿真对比实验,实验结果表明,相对于PC构架的人脸识别系统,嵌入式人脸识别系统提高了人脸识别平均正确率和效率,携带方便,具有很高的商业价值.     

基于曲面类型与深度学习融合的三维掌纹识别技术

传统的2维掌纹识别在图像采集时容易受到干湿度、残影和压力等影响,使得其鲁棒性和准确性降低。为解决这些问题,3维掌纹识别技术应运而生。现有的3维掌纹身份认证技术需要将掌纹的特征提取与匹配识别分开进行,不仅延缓了识别时间,更增加了不同方法优化组合的难度。该文提出一种基于曲面类型(ST)与深度学习融合的3维掌纹识别方法。该方法利用ST图像表示3维掌纹特征,并将其作为卷积神经网络(CNN)的输入,实现网络的训练。测试图像可自行提取掌纹图像特征信息并在网络中直接完成识别。实验结果表明,该文方法在公开数据集上得到了99.43%的准确率和28 ms的识别时间,与传统3维掌纹识别方法相比均有提高,实现了3维掌纹的快速高精度识别。     

基于几何特性的目标识别

目标自动识别技术是模式识别与图像处理领域非常活跃的研究课题,其应用领域十分广泛。介绍了基于遥感图像的特定目标的自动识别技术,并分别以桥梁和油库为例,介绍了线状目标和面状目标的自动识别方法及其在工程中的实际应用。结果表明:该目标自动识别方法具有识别速度快和识别准确率高等优点,且整个过程完全自动,不需人工干预。     

An Optical Flow-Based Approach to Robust Face Recognition Under Expression Variations

Face recognition is one of the most intensively studied topics in computer vision and pattern recognition, but few are focused on how to robustly recognize faces with expressions under the restriction of one single training sample per class. A constrained optical flow algorithm, which combines the advantages of the unambiguous correspondence of feature point labeling and the flexible representation of optical flow computation, has been developed for face recognition from expressional face images. In this paper, we propose an integrated face recognition system that is robust against facial expressions by combining information from the computed intraperson optical flow and the synthesized face image in a probabilistic framework. Our experimental results show that the proposed system improves the accuracy of face recognition from expressional face images.