绵羊毛与山羊绒的鉴别

利用扫描电镜法测试分析６６＾Ｓ的绵羊毛与一级除毛山羊绒，得到了以直径，表面鳞片高以及表面鳞片厚为指标的绵羊毛与山羊绒各自的频率分布，并计算出以这３个指标为判定依据的独立误判概率。在验证了３个指标为线性无关后，将３个独立误判概率相乘，从而大幅度降低了绵羊毛与山羊绒之间的误判概率。实验结果也证实了这一结论。     

山羊绒及绵羊毛变温红外光谱研究

采用变温傅里叶变换衰减全反射红外光谱技术(ATR-FTIR),分别研究了山羊绒和绵羊毛的变温红外光谱(包括:变温一维红外光谱和变温二阶导数红外光谱)。研究发现:山羊绒和绵羊毛同时存在着CH_3不对称伸缩振动模式(ν_(asCH_3)),CH_3对称伸缩振动模式(ν_(sCH_3)),CH_2不对称伸缩振动模式(ν_(asCH_2)),CH_2对称伸缩振动模式(ν_(sCH_2)),酰胺Ⅰ带对应的红外吸收模式(ν_(amide-Ⅰ)),酰胺Ⅱ带对应的红外吸收模式(ν_(amide-Ⅱ)),酰胺Ⅲ带对应的红外吸收模式(ν_(amide-Ⅲ))和S=O伸缩振动模式(ν_(S=O))等。研究发现:在293K~393K测定温度范围内,绵羊毛的热稳定性较差,并进一步解释了其热变机理。本项研究拓展了变温红外光谱技术在天然毛纺织材料分析方面的研究范围。     

一种基于分块的虹膜识别方法

为了解决低质量虹膜图片识别效果不好的问题,提出一种基于分块的虹膜识别算法。该方法并不像常规算法一样对整个图片进行识别,首先将虹膜区域均等地分割为无重叠的分块,对每一个分块提取低秩矩阵作为特征,使用稀疏分类器进行分类,依据稀疏浓度指数,将各分块识别结果进行贝叶斯融合。由于虹膜图片不同区域的质量不一样,该方法能够降低质量不好的虹膜区域对最终识别结果的影响。在标准虹膜数据库CASIA-Iris-Interval和IIT Delhi V1上的实验结果显示该算法拥有较高的正确识别率,且对于低质量的虹膜图片具有较强的鲁棒性。对分块和训练图片数量的研究表明,将虹膜区域分为8个分块较为合适,使用7张训练图片就能够很好地表示一类。     

基于神经网络的一种曲线识别方法

提出了一个新的曲线性识别算法,它利用神经网络的分类辨识特性,对边缘点进行分类识别。实验结果表明：这种方法具有速度快,省空间的优点。     

一种基于CSI的人体动作计数与识别方法

WiFi信道状态信息（CSI）被广泛应用于被动式（非侵入式）人体行为判断,为使用现有商用设备实现人体连续动作计数与识别,提出了一种Wi-ACR方法.先利用阈值和活动指标检测出一组连续动作发生的区间和时间,再通过peak-find算法统计出动作的数量,并确定每个动作的开始和结束时间;再分别采用基于波形特征的动作识别模型和基于统计特征的动作识别模型,得到动作识别结果.实验评估结果表明,Wi-ACR对动作计数的准确率可达95%,两类识别模型对于2个动作（深蹲和走）的平均识别精准率为90%.     

一种基于EEMD的异常声音识别方法

为了优化组合特征在异常声音识别中的效率,提出一种用集合经验模态分解（EEMD）对异常声音帧信号进行有效性检测和提取多层特征的算法.首先对异常声音帧信号进行集合经验模态分解,得到固有模态函数;然后根据给定的固有模态函数层数阈值,对该帧信号进行有效性检测;再对有效帧信号的每一层固有模态函数提取梅尔频率倒谱系数、翻转梅尔频率倒谱系数、线性预测倒谱系数、短时能量和能量比,并将它们归一化后拼接成多层特征.根据提取的特征,用深度卷积神经网络实现异常声音识别分类.仿真结果表明,提出的新方法在4类异常声音识别中的识别率可以达到98.65%.     

一种基于运动分析的步态识别方法

步态识别是新近发展的一种用在身份识别、视频监控等场合的生物特征识别技术.文中提出了一种基于运动分析的步态识别方法,采用线性判别分析和离散余弦变换分析从图像序列中提取的步态特征.采用背景减除技术提取了侧影,利用侧影的宽高变化进行了步态周期分析及行走方向判断;采用一种通过分析侧影宽度变化获取角度信息的肢体角度提取方法获取了步态序列特征;用类间散布矩阵和类内散布矩阵对应的行列式的比值确定特征个数,并采用线性判别分析和离散余弦变换分析了步态特征.在几个常用数据库上进行了实验结果表明,该方法行之有效.     

一种基于本体的用户活动识别方法

提出一种基于本体的用户活动识别方法,建立了智能家居的上下文本体模型并定义了用户的活动状态,分析用户活动属性与上下文之间的关联,建立活动本体模型,并搭建测试平台验证了该方法的有效性,测试结果表明。对于相同的复杂活动所提出的方法具有较高的识别率。     

一种基于网络摄像机的火焰识别方法

介绍了一种基于网络摄像机的火焰识别方法。该方法对基于MPEG4格式压缩的流媒体进行处理,将分帧出的BMP图像格式的文件送入图像处理程序,利用火焰的色度特征和频闪特征实现了对火焰的判别和定位能。     

一种基于LBP和马尔科夫特征的细缝裁剪取证方法

针对细缝裁剪图像篡改操作,提出了一种基于局部二值模式(Local Binary Pattern,LBP)和马尔科夫特征的数字图像篡改取证方法。首先利用LBP算子将图像从空域转换到LBP域,对其进行JPEG压缩后提取二维JPEG矩阵,计算该矩阵在水平、垂直、主对角线、次对角线方向上的一阶差分矩阵,最后对各个方向上差分矩阵分别提取马尔科夫特征,通过支持向量机进行分类训练,从而对细缝裁剪篡改进行检测。实验结果表明,该算法优于传统马尔科夫特征算法以及其他细缝裁剪检测算法,特别是在细缝裁剪比例较小时的检测率较已有算法有明显提升。     

一种基于MFCC与PCP联合特征的和弦识别方法

结合乐理理论和信号处理理论,针对传统和弦识别仅考虑音高特性的音级轮廓特征PCP(pitch class profile)造成正确识别率较低的问题,提出一种以反映听觉特性的MFCC(mel frequency cepstral coefficent)与PCP的联合特征和稀疏表示分类器(sparse representation classification,SRC)的和弦识别方法.通过对两特征矢量的叠加构成新的和弦特征,然后利用SRC进行和弦识别.实验结果表明,与传统方法的识别率相比,本方法的识别率大幅提高.     

一种基于灰度共生矩阵的羊绒与羊毛识别方法

羊绒和羊毛非常相似,这两种纤维的鉴别一直是纺织工业的难题。经研究,一些学者提出了一种基于灰度共生矩阵的羊绒和羊毛的识别方法。该方法将纤维图像中的鳞片模式看作一种纹理,并使用灰度共生矩阵描述图像中的纹理特征。从每副纤维图像的灰度共生矩阵中提取了5个特征并使用支持向量机作为分类器进行有监督的分类识别。使用澳洲细羊毛和羊绒作为样本进行实验,识别率超过90%,实验证实了该方法的有效性。     

一种基于时频分析的目标架次识别方法

针对常规窄带雷达无法直接在距离和方位上识别目标架次的缺陷,利用编队目标间距引起的多普勒频率的差异,给出了一种基于时频分析的窄带雷达目标架次识别方法．该方法既有良好的时频分辨特性,同时又能抑制交叉项,因而能对目标架次做出准确的判断．计算机仿真结果验证了该方法的有效性．     

一种基于RBM的深层神经网络音素识别方法

为提高连续语音识别中的音素识别准确率,采用深可信网络提取语音音素后验概率进行音素识别.首先利用受限玻尔兹曼机的学习原理,对深可信网络进行逐层的预训练;然后通过增加一个“软最大化（softmax）”输出层,得到用于音素状态后验概率检测的深层神经网络,并采用后向传播算法进行网络权值的精细调整;最后以后验概率为HMM发射概率,使用Viterbi解码器进行音素识别.针对TIMIT语料库的实验结果表明,该系统的音素识别率优于GMM/HMM,MLP/HMM和TANDEM系统性能.     

一种基于特征结构的纸币号码识别方法

为了准确识别纸币号码,对纸币号码图像识别算法进行了研究。在去除噪声、放大、二值化、定位等基础上,利用字符结构特征的识别方法进行纸币号码识别,给出了上交点类字符树形分类方法,并通过MATLAB进行仿真实验。结果表明,所提出的算法具有良好的稳定性,识别率大于95%。     

一种基于动力学特征的机型分类识别方法

针对航迹数据量有限条件下,如何精确、快速地实现机型分类识别问题,提出一种基于动力学特征的机型分类识别方法。首先,分析飞机的运动特性,提取动压均值特征,并结合航迹数据中飞行高度、对地速度的均值特征,构建动力学特征数据集;其次,搭建轻量化BP神经网络作为分类器,使用训练数据集对网络进行训练,得到机型分类识别网络模型,实现机型分类识别。实验结果表明：在航迹数据量有限条件下,动力学特征的引入使机型分类识别的平均正确率提高了16.57%;与现有研究方法相比,分类识别所用时间为对比方法的13.3%。     

一种基于深度神经网络的句法要素识别方法

为改进传统特征方法很难获取中文句子中结构信息的问题,提出一种基于深度神经网络的句法要素识别模型。采用Bi-LSTM网络从原始数据中自动抽取句子中的结构信息和语义信息,利用Attention机制自动计算抽象语义特征的分类权重,通过CRF层对输出标签进行约束,输出最优的标注序列。经过对比验证,该模型能有效识别句子中的句法要素,在标注数据集上F₁达到84.85%。     

一种基于TTRNN的汉语拼音全音节识别方法

递归神经网络(Recurrent Neural Network,RNN)是一种具有时延反馈能力的神经网络,它可以充分利用上下文的信息来提高分类的程度,因而很适合汉语拼音的识别,但在实践中受网络规模的限制,能利用的上下文有限,所以对汉语拼音的分类效果并不理想,为此提出一种改进的RNN－时间标签递归神经网络（TTRNN）来对汉语拼音的整音节进行直接建模识别的方法;初步的实验结果不仅证明了TTRNN方法对汉语拼音这样的时序模式有很好的分类能力,而且在拼音识别方面有很强的顽健性。     

一种基于特征串比较的眉毛识别方法

为了对眉毛这种新颖的生物特征开展识别研究,提出了一种基于特征串比较的眉毛识别方法,其基本思想是采用离散傅里叶变换和K-均值算法进行特征串提取,并通过计算2个眉毛特征串之间的编辑距离来确定所识别的候选人.在22人的小规模眉毛图像数据库上所做的6组实验表明。该方法均达到了95.45%或100%的识别正确率,从而验证了眉毛识别用于个人身份鉴别的可能性和有效性.     

一种基于谱估计的被动声呐目标识别方法

为解决被动声呐目标的特征提取与识别问题，通过对被动声呐目标噪声频谱特性的深入分析，给出了一种基于Welch谱估计的目标特征提取方法．对提取出来的特征采用动态规划的方法进行特征选择，得到用于识别的特征向量．对海上实录的多种型号和多种工况的大量噪声样本进行了特征提取和特征选择．采用BP神经网络和最近邻法对噪声样本进行了分类识别实验，结果证实了所提方法的可行性和有效性．研究结果可以用于被动声呐目标识别．