基于最小二乘法拟合直线的研究

文章针对二值图像中直线方向的检测问题,提出了基于最小二乘法的检测算法。给出了最小二乘法的基本原理,并以Visual C++为开发平台,用C∕C++编程实现了原始图像的输入和拟合直线图像的输出。     

自适应迭代最小二乘支持向量机回归算法

 基于最小二乘支持向量机回归算法,本文在前期工作的基础上进行了扩展,提出了更加详尽的自适应迭代最小二乘支持向量机回归算法. 与标准的LSSVR相比,本文提出的算法在学习新样本的时候利用了已有的学习结果,可以快速获得新的学习机. 模拟结果表明,自适应迭代最小二乘支持向量机回归算法能够自适应地确定支持向量的数目,保留了QP方法在训练SVM时支持向量的稀疏性,在相近的回归精度下,该算法极大地提高了标准LSSVR学习的速度.     

一种求解支持向量回归波束形成的算法

在对传统求解支持向量回归算法研究与分析的基础上,针对支持向量回归模型,结合支持向量回归的波束形成技术,提出了一种利用迭代重加权最小二乘支持向量回归波束形成的算法,并对具有严重干扰的接收信号进行了数值仿真试验和对比分析。结果表明：基于迭代重加权最小二乘支持向量回归波束形成的算法不同于传统的标准二次型算法,收敛速度快,干扰抑制强,计算量小,降低了计算复杂度,避免了二次规划技术的高计算成本,提高了算法效率,并保持了良好的泛化能力,具有一定的参考价值。     

基于LabVIEW晶体生长检测系统的圆弧拟合技术

在基于LabVIEW晶体生长检测系统中,基于最小二乘法曲线拟合原理和单晶硅生长特性,运用图形化编程语言对采集的单晶硅生长信息图进行图像处理,对部分＂释热光环＂进行圆弧拟合,由拟合出的圆进行晶体生长直径检测。实验表明,该设计能够很好地完成圆弧拟合,实现对单晶硅的生长直径检测,符合系统检测要求。     

基于最小二乘隐空间支持向量机的IDS检测算法的设计

在基于支持向量机的基础上,提出一种新的利用最小二乘隐空间支持向量机设计IDS的检测算法,解决了网络入侵检测系统中检测算法的分类精度不高、训练样本数需要较多,及训练学习时间较长等问题.仿真实验结果表明,本算法较基于支持向量机的检测算法具有更快的收敛性、更快的迭代速度、更高的检测精度和更低的误报率.     

最小化支持向量数分类器的云检测

针对。感卫星图像的云检测,提出了基于最小化支持向量数分类器的云检测方案,解决传统分类器训练样本多、易陷入局部最优的问题。使用该分类器对QuickBird高分辨率。感图像进行云检测,检测正确率达99%以上。实验表明:在确定分类器内部结构参数过程中,与传统的交叉验证法相比,基于支持向量数的方法不仅能够准确预测分类器推广性能的变化趋势,从而确立最优化的参数组合,并且实现简单,大大减少了计算的复杂度。与传统的BP神经网络相比,该方法所需训练样本少,分类性能好。     

一种基于二值粒子群优化和支持向量机的目标检测算法

针对复杂场景下目标检测和目标检测中特征选择问题,该文将二值粒子群优化算法(BPSO)用于特征选择,结合支持向量机(SVM)技术提出了一种新颖的基于BPSO-SVM特征选择的自动目标检测算法。该算法将目标检测转化为目标识别问题,采用wrapper特征选择模型,以SVM为分类器,通过样本训练分类器,根据分类结果,利用BPSO算法在特征空间中进行全局搜索,选择最优特征集进行分类。基于BPSO-SVM的特征选择方法降低了特征维数,显著提高了分类器性能。实验结果表明,该文算法不仅有效提高了复杂场景下目标姿态、尺度、光照变化和局部被遮挡时的检测准确率,还大大缩短了检测时间。     

基于拟合型弱分类器的AdaBoost算法

针对AdaBoost算法通过最小化训练错误率来选择弱分类器造成的精度不佳问题以及单阈值作为弱分类器训练过程较慢难以收敛问题,提出了一种基于拟合型弱分类器的AdaBoost算法。首先针对每个特征,在特征值与标记值之间建立映射关系,引入最小二乘法求解拟合多项式函数,并转换成离散分类值,从而获得弱分类器。其次从获得的众多弱分类器中,选择分类误差最小的弱分类器作为本轮迭代的最佳弱分类器,构成新的 AdaBoost 强分类器。与传统训练算法相比,极大地减少了待选弱分类器的个数。选取 UCI 数据集和MIT人脸图像数据库进行实验验证,相较于传统Discrete-AdaBoost算法,改进算法的训练速度提升了一个数量级,人脸检测率可达96.59%。     

基于聚类支持向量机的入侵检测算法

针对支持向量机应用到入侵检测中训练时间长的特点,提出了一种基于聚类的支持向量机的入侵检测算法。该方法可以对训练数据进行剪枝,以靠近判别边界的聚类中心集合作为有效的训练样本集合对支持向量机进行训练,减少了样本的训练时间,提高了算法的效率。实验结果表明该方法对入侵检测是有效的。     

基于支持向量回归的无线传感器网络定位算法

针对一些增量定位中误差容易累积和集中式算法通信开销较大问题,提出了一种基于支持向量回归的半集中式定位算法,中心节点收集锚节点位置和网络连通信息作为训练样本,使用支持向量回归技术得到连通信息到节点位置的映射函数,分发到普通节点后即可使用此函数完成自身定位.为增加训练样本,对邻居锚节点达到3个的普通节点,使用基于RSSI测距的最小二乘法进行定位,升级为锚节点.分析和仿真表明,算法减少了通信开销,减轻了测距误差影响,并获取了较高的定位精度.     

MPSK信号循环谱检测与码元速率估计改进算法

利用循环谱理论对MPSK信号进行检测和参数估计,分析了其循环谱包络特征;在有限数据下,为实现更低信噪比情况下MPSK信号的检测与码元速率估计,提出一种改进算法。该算法基于数据分段处理和重叠保留,通过在非零循环频率上一维谱峰搜索实现信号检测与码元速率估计,能够有效地抑制噪声的影响,避免多维搜索,计算量小。分析了算法性能,给出了算法实现的具体步骤,并进行了计算机仿真。仿真结果证明了所提算法的有效性。     

基于相关-循环谱方法的DSSS／BPSK信号检测与识别

在通信侦察、频谱监测等非协作通信领域,直接序列扩频(Direct Sequence Spread Spectrum,DSSS)信号得到广泛应用。但其低功率谱密度发射的隐蔽性,抗干扰能力强等特点增加了通信对抗中信号截获、检测和分析的难度。低信噪比情况下,针对DSSS/BPSK信号与同调制类型窄带BPSK信号的辨别问题,利用直扩信号的循环平稳性、扩频序列的周期性和良好的自相关性,给出相关-循环谱算法,进行直扩信号的检测识别。对该算法进行了仿真实验,并与相关积累法和倒谱法比较,实验结果说明该算法具有更低的信噪比容限和更高的检测识别正确率。     

基于单目视觉的行人检测研究

行人检测系统是目前先进驾驶辅助系统中直接面向行人的保护系统,可最大程度地减少行人所受到的伤害。纹理对称度特征是目前最直观且能够用于表征行人的特征。文中在采用基于纹理对称度特征方法提取感兴趣区域的基础上,提出了一种线检测的方法,可以有效地减少检测过程中阴影、树叶等小纹理对检测结果的影响。最后利用梯度方向直方图特征和支持向量机方法对感兴趣区域进行验证。试验结果表明,该方法在保证检测速度的前提下,可减少检测过程中的虚警和漏警情况。     

窄带干扰下基于循环谱的BPSK直扩信号盲检测

针对窄带干扰中BPSK直扩信号检测,提出了一种基于循环谱的新的检测方法,给出了具体检测流程,分析了检测性能。该方法充分利用了窄带干扰和直扩信号的循环平稳特性,通过峰值搜索检测信号。在不需要知道信号伪码序列和频率参数等先验信息的情况下,该检测方法在窄带强干扰中能有效地实现直扩信号盲检测。仿真实验证明了所提出检测方法的有效性。     

基于SVM的频谱接入准则设计

在以往的认知无线电研究过程中,研究者通常忽略了传播信道的随机性和授权用户位置的不确定性对频谱感知的影响.本文提出了基于概率模型的动态频谱使用策略.并分析研究了支持向量机在频谱接入准则设计中的应用.     

一种基于Zernike矩的直线提取算法

提出了一种新颖的基于Zernike矩(ZMs)的直线提取算法。该算法首先是利用ZMs在局部坐标系中计算边缘点所在直线方程，然后通过坐标变换将直线方程变换到图像坐标系中，从而建立了边缘点和所在直线参数之间的一一映射关系，最后对于所求出的直线参数在参数空间对参数单元投票取阈值提取直线。实验表明，该算法速度快、精度高和抗干扰性强。     

一种基于神经网络算法的频谱分析方法

笔者在"信号与系统"课程教学中,结合频谱分析内容,研究了一种基于神经网络算法的频谱分析方法,并给出了基于Matlab语言的频谱分析应用实例.教学结果表明,将科研意识引入到课堂教学中,能够提高学生的学习积极性,扩大知识面,并增强他们的创新意识和创新能力.     

空间探测红外光谱仪信号处理技术

研究用于空间目标探测的红外光谱仪信号处理技术.采用光路差分调制的方法实时扣除背景红外辐射,并采用锁定放大器进行微弱信号的检测.采用二级跟踪方法对目标像斑进行精密跟踪与定位.实验结果良好,电路噪声水平与动态范围满足要求,系统可行.     

一种基于ITD算法的直扩信号检测算法

固有时间尺度分解(ITD)算法是一种局域波分解算法,该文对直接序列扩频信号ITD分解,提出了一种通过频域粗搜索和细搜索分别检测直扩信号码片速率和载波频率的快速算法。该算法以瞬时幅度作为分析参量,先设置截止频率对信号低通滤波处理,并通过引入伴随频率达到抑制噪声的目的,利用了固有时间尺度分解算法时频分辨率高,运算速度快的优势。仿真结果显示在-15dB信噪比下能够有效地检测出码片速率和载波频率。