手写体数字识别与认证的小波特征提取

本文提出了基于Kirsch边缘增强的二维小波特征与二维复小波特征的提取技术。这两类特征与几何特征融合识别手写体数字。此外,对所提取的小波特征提取方法的优点进行了讨论。最后进行的手写体数字识别与认证实验表明,这两类混合特征的集合能获得很好的识别与认证性能。     

基于小波和RBF神经网络的手写体数字识别

针对传统的手写体数字识别技术的局限性，本文提出了基于小波和RBF神经网络的手写体数字识别方法，即利用小波较强的去噪功能以及RBF神经网络学习快速、容错性较好等优点来解决手写体数字识别的问题。实验表明，该方法的识别正确率较高。     

基于小波支持向量机的P2P网络流量识别算法

对等网络技术引起了广泛关注,其典型的应用有文件共享、即时通信等.为了更好地合理使用、规划P2P网络资源,建立P2P流量识别模型具有十分重要的理论意义和现实价值.提出了一种基于小波支持向量机相结合的P2P流量识别模型,将小波分析中多尺度的学习方法和SVM的优点结合起来,通过小波分析与SVM方法紧致结合,引入满足小波构架和Mercer定理的小波基函数来构造SVM的核函数,建立小波支持向量机的P2P识别算法.实验结果表明该算法能够有效地提高P2P网络流量识别的精度.     

动态小波在变压器励磁涌流识别中的应用研究

电力变压器的励磁涌流识别一直是变压器保护的一个重要问题。动态小波是小波函数和傅里叶函数的组合,固此与常规小波变换相比。检测故障突变信号的能力更强。文中将动态小波运用于励磁涌流识别中,通过仿真实验证明了该方法提高了勋磁涌流鉴别的可靠性。     

基于小波变换Hopfield神经网络的手写体数字识别

手写数字识别是模式识别的一个分支,手写数字识别的方法很容易推广到其他一些相关问题,因此在模式识别领域中占有重要地位.虽然数字只有十种且笔划简单,但由于不同人书写习惯不同,上下文联系较小,要获得较高的识别率并不容易.本文提出了一种基于小波和Hopfield神经网络的手写体数字识别方法.该方法首先提取字符的小波特征,以它们作为神经网络的输入向量,然后用Hopfield网络进行识别.对字符样本的识别结果显示,此方法在识别错误率和识别效率等方面均有较好效果.     

基于小波分析的RFID信号调制识别

小渡分析提取数字调制信号的调制特征是一种有效的识别方法.本文讨论了在RFID中常用调制制式(2ASK、2FSK、2PSK)的识别问题,研究了小波变换后信噪比增益与载波频率、抽样速率及小波缩放尺度之间的关系,提出了对抽样速率和小波缩放尺度的优化;对高斯白噪声中的通信信号的识别进行了计算机仿真,实验结果表明,用小波分析方法具有较为理想的识别能力.     

基于融合能量代价函数的水声信号识别算法

提出了融合能量代价函数的概念及基于代价函数的小波包能量法,并将其应用于水声信号的识别。新算法以融合能量代价函数为标准,在整个小波库中构造最优小波包基,从小波包基上提取信号最有价值的特征值。由于从分类最佳的角度选择特征,所以与固定尺度小波包能量法相比,算法对分类特征模糊的信号有较好的识别效果。     

小波包在蚕茧无损质量检测中的应用

本文介绍了小波包在蚕茧无损质量检测中的应用。针对所处理的信号的特点合理的选择小波函数,利用熵的准则对信号进行分解以及提取有用的信号,并计算各分解信号的小波能量来构造特征向量,最后将小波包的理论应用到蚕茧无损检测的质量识别中取得了较好的效果。     

一种水声信号识别算法及仿真

应用小波包技术,提出了融合能量代价函数的概念及基于此函数的水声信号识别算法。算法以融合能量代价函数为标准,在整个小波库中确定特征空间及特征值。在MATLAB仿真环境下进行的BP神经网络实验显示：与固定尺度小波包能量法及最大距离小波包能量法相比,算法对特征模糊的信号有较好的识别效果。     

小波包在蚕茧无损质量检测中的应用

本文介绍了小波包在蚕茧无损质量检测中的应用.针对所处理的信号的特点合理的选择小波函数,利用熵的准则对信号进行分解以及提取有用的信号,并计算各分解信号的小波能量来构造特征向量,最后将小波包的理论应用到蚕茧无损检测的质量识别中取得了较好的效果.     

基于神经网络的数字识别

本文介绍了神经网络、数字识别的相关内容及其概念,在此基础上重点研究了基于神经网络的数字识别系统。本文对基于神经网络的数字识别系统包含的功能,以及每个功能模块所使用的技术进行了阐述。最后对基于神经网络的数字识别系统所具有的优点进行了分析和讨论。     

A wavelet neural network for the detection of heart valve diseases

An expert system is presented for interpretation of the Doppler signals of heart valve diseases based on pattern recognition. We deal in particular with the combination of feature extraction and classification from measured Doppler signal waveforms at the heart valve using Doppler ultrasound. A wavelet neural network model developed by us is used. The model consists of two layers: a wavelet layer and a multilayer perceptron. The wavelet layer used for adaptive feature extraction in the time–frequency domain is composed of wavelet decomposition and wavelet entropy. The multilayer perceptron used for classification is a feedforward neural network. The performance of the developed system has been evaluated in 215 samples. The test results show that this system is effective to detect Doppler heart sounds. The classification rate averaged 91% correct for 123 test subjects.     

基于小波神经网的SAR图像识别算法

针对SAR图像的自动目标识别问题,研究了基于小波分析和神经网络的识别算法.由非线性小波基作为网络中神经元的激励函数,隐层结点数由小波分解次数和处理目标类别数决定,输出层由目标的类别数决定,同时利用目标的方位角来限定被识别目标的范围.实验结果表明,该方法有效降低了训练和识别的难度,取得了优于BP网络的识别结果,具有广阔的应用前景.     

基于BP神经网络的手写数字识别算法研究

讨论了一个手写数字识别系统的原理及其实现。特征提取的方法是:计算字体轮廓的曲率特征,并在计算曲率的过程中使用了B样条函数;对曲率进行了大小和平移规整化,这样得到的曲率具有大小和方向的不变性。为了得到更紧凑的特征,采用了小波对其进行降维。采用了BP神经网络作为分类器,实验结果表明,对于字形相似的数字也达到了较高的识别率。还简介了识别系统的模块设计和界面设计。     

基于小波变换和BP神经网络的人脸识别方法

提出了将人脸图像的小波分解系数和BP神经网络相结合以达到人脸识别的新方法。针对不同的小波基,对人脸图像作小波分解,并将分解低频系数作为人脸特征送入神经网络进行训练。实验表明,选择恰当的小波基能够达到较高的识别率。     

小波网络和RBF网络的抗噪语音识别

针对目前在噪音环境下语音识别系统性能较差的问题,利用小波神经网络融合了小波变换良好的时频局域化性质和RBF神经网络具有最佳分类能力和辨识能力等特性。构建了一个用小波基替代RBF网络中激活函数的小波-RBF神经网络结构,并采用全监督训练算法,实现了基于小波-RBF网络的抗噪语音识别系统。实验结果表明该系统比RBF网络具有更好的识别效果,尤其在噪声环境下,具有更强的鲁棒性。     

sEMG信号采集电路设计及其特征提取算法

表面肌电(Surface electromyography,sEMG)信号直接、客观地反映了神经和肌肉的活动功能状态,已获得广泛应用。本文设计了一种sEMG信号采集电路并以单通道形式采集上肢5种动作的sEMG信号,经小波包变换提取6种特征(其中一种引自基于小波变换的特征提取方法)并分别结合PCA和KPCA进行处理;再分别用BP神经网络和SVM进行动作识别。此外,对比了小波变换的特征提取;讨论了KPCA与PCA在特征变换上的差异。所提取的基于小波包变换的6种特征有5种的识别率均超过95.7%,其中引入的高低频系数组合特征在BP神经网络下平均识别率超过99%。基于小波变换提取的5种特征经KPCA变换后也达到较高的识别率。实验结果表明,本文的sEMG信号采集方法及其特征提取方法均达到较好效果。     

于小波包及小波神经网络的光纤熔接缺陷模式识别

介绍光纤熔接缺陷的识别在光纤通信中的重要意义。应用超声波探伤仪系统对光纤熔接点进行检测,针对缺陷信号特点提出利用小波包分析提取缺陷特征值和应用小波神经网络进行模式识别的方法,实现了从检测到的超声信号中提取出反映缺陷性质的相关信息,并通过这些信息对其进行分析,建立网络模型以实现缺陷定性识别。实验结果表明,小波包分析充分利用了缺陷回波信号的时域、频域信息,将频带进行多层次划分,对多分辨分析没有细分的高频部分进一步分解,并能够根据被分析信号的特征,自适应地选择相应频带,使之与信号频谱相匹配,从而提高了时-频分辨率,而小波神经网络良好的局部放大特性和多分辨率学习特性使缺陷的定性分类获得了较高的准确率。     

基于ARM的嵌入式直升机目标识别系统

设计了一种用于声探测预警的嵌入式直升机目标识别系统。采用嵌入式微处理器S3C44B0X作为系统CPU完成了目标识别平台的设计,在小波包分析法提取直升机特征向量的基础上,训练BP神经网络分类器进行目标分类。实验结果表明,该识别系统对直升机类目标有较高的识别率。     

一种小波特征与深度神经网络结合的信号制式识别算法

针对当前通信信号的制式识别算法在低信噪比情况下识别不准确的问题,提出一种新的小波特征与改进的深度神经网络结合(WL-DNN)的识别算法。该算法将生成的10种{2ASK、4ASK、2PSK、4PSK、2FSK、4FSK、OFDM、16QAM、AM、FM}含有高斯白噪声的通信信号,用小波分解重构算法提取出一类新的小波特征参数。本文测试了含有多层隐含层的改进BP神经网络作为分类器,利用弹性反向传播算法训练神经网络的参数,确定神经网络的最优超参数。仿真结果表明:在信噪比低至0 dB的情况下,单个调制信号最低识别率超过95%,平均识别率超过98%,大幅提高了制式识别在低信噪比下的识别率,由此表明了该算法的有效性和正确性。