基于图像隶属度的主分量分析人脸识别算法

提出了基于图像隶属度的主分量人脸识别算法.该算法首先用小波变换对人脸图像进行小波分解,形成低频小波子图,然后用主分量分析法构造特征脸子空间.计算训练样本和待测样本在人脸特征空间中的投影向量间的距离.引入图像隶属函数,作为识别分类器进行人脸识别.针对ORL人脸库的实验结果表明该方法具有良好的识别分离能力.     

基于隶属度的人脸图像特征抽取和识别

本文首先从代数理论和模糊数学导出一种新概念，矢量隶属函数，由此构造图像的隶属函数，并证明它具有一些不变性，提出一种基于隶属函数的图像特征抽取和识别方法，并应用于人脸图像识别问题。实验结果表明，隶属函数具有良好的识别分离能力。     

基于回归神经网络的雷达辐射源识别算法

本文在研究带偏差单元内部回归神经网络（Internally Recurrent Net,IRN）算法的基础上,分析了雷达特征参数和雷达威胁类型的内在联系;利用统计分析和特征建模的方法获取先验知识、设计分类器并求取模糊隶属函数,结合IRN自学习特性和模糊隶属函数的分类功能识别出目标雷达辐射源可能的威胁类型,给出识别可信度。     

基于RBF网络和贝叶斯分类器融合的人脸识别方法

提出一种基于径向基函数(RBF)网络和贝叶斯分类器的人脸特征分类与识别算法,以提高小样本人脸识别精度.通过基于聚类方法的RBF神经网络和贝叶斯分类器融合设计实现人脸图像的分类识别.实验数据分析表明,该方法在人脸骨骼特征突出情况下具有较高的识别率.文中提出的分类器融合的识别方法具有良好的学习效率和识别精度品质指标.     

适用于组合特征识别的最近邻模糊分类器

在用多种特征进行简单的串联组合识别时,不同特征具有不同的特征类型和衡量尺寸,针对串联组合特征的这种特点,提出了一种最近邻模糊分类器.该分类器首先把待识别目标的组合特征与训练模板中的组合特征样本一一进行比较,从而得到了一个特征差矩阵.提出用模糊分布函数在同类特征差之间进行处理,生成一个隶属度矩阵,然后用算术平均法对隶属度矩阵进行处理,并用最大隶属度准则来进行分类判决.识别框架表明最近邻模糊分类器对组合特征中的各种不同特征的特征类型和衡量尺寸没有一致性要求,也无需对串联组合特征矢量做任何预处理.最后,用外场实测数据进行验证,结果表明,最近邻模糊分类器能够有效地解决多种特征串联组合的雷达目标识别问题.     

一种基于模式类特征空间统计分布的离散模糊隶属度函数模型

本文提出了一种基于模式类特征空间统计分布的模糊隶属度函数模型,可有效地反映模式在特征空间中的真实分布,用于模式分类器输入特征的模糊化可获取更好的识别性能。作者以带钢表面缺陷检测系统为应用对象,以采自上海宝山钢铁公司冷轧带钢生产线的实际样本为训练集和测试集,对本文提出的模糊隶属度函数性能进行了测试,并与基于模糊C均值的隶属度函数进行了比较,测试结果显示,本文提出的基于模式类特征空间统计分布的模糊隶属度函数模型抗噪能力强,在提高分类器识别率和降低错误率上有明显优势。     

基于Lawson范数的通用lncosh稀疏自适应算法

该文提出一种通用稀疏系统识别Lawson-lncosh自适应滤波算法,该算法采用系数向量的Lawson范数和误差的lncosh函数构建代价函数.Lawson范数约束引入参数p,实现稀疏约束滤波动态调整,所提算法可以提高稀疏系统识别时的收敛速度,减小了稳态误差.误差的lncosh函数具有良好的抗脉冲噪声性能.然后,算法分...     

多分量相移键控信号调制识别技术

为解决单通道接收机在多信号环境下的调制识别问题,提出了一种不经信号分离直接提取各信号分量的特征不变量以实现多个相移键控信号的调制识别算法.首先给出了多信号特征不变量提取原则,进而提出了融合二、四阶循环累积量的特征不变量提取方法,推导了所提特征不变量的理论值,最后设计了适合于这里模型的分类器.仿真实验表明:该算法能不受干扰地提取各分量的特征不变量,进而分类器能有效地识别调制组合内任意的双分量相移键控信号.同等实验条件下,所提算法的识别性能优于现有的基于四阶循环累积量的算法.     

基于Fisher判别和GKF-RELM算法的多特征步态模式识别

为提高下肢表面肌电信号步态识别的识别精度和计算效率,采用一种基于高斯核函数优化正则化超限学习机(GKF-RELM)算法,对肌电信号提取时域、频域和非线性动力学三类特征并分别计算步态识别率,运用Fisher判别函数分析所提特征的可分性,得到多类特征的融合特征作为输入数据对分类器进行训练,再用训练好的分类器进行步态识别,从识别率和计算时间两方面,分别与支持向量机(SVM)和深度神经网络(DNN)方法进行了对比分析.结果表明,基于Fisher判别可分性指标确定的多类特征组合,能得到最优识别效果,并在提高分类精度的同时,优化了计算效率.此外,GKF-RELM方法的识别率也优于传统的ELM方法.     

基于trace特征的ISAR像空间目标识别

论文提出了一种基于trace特征的逆合成孔径雷达（Inverse Synthetic Aperture Radar,ISAR）像空间目标识别算法.首先将ISAR像进行分割与归一化处理,利用Canny边缘检测、Hough变换方法提取空间目标ISAR像最长轴,确保所提特征具有旋转不变性;然后仅对最长轴所在局部区域进行Trace变换生成空间目标ISAR像的局部trace矩阵,使得所提trace特征满足低维要求;再将trace矩阵每一列向量进行移位对准操作以消除ISAR像平移对识别带来的影响并将其作为空间目标识别的特征向量;最后在特征空间内以最小欧氏距离作为不相似度,采用集成分类器AdaBoost.M2-KNN完成了5类空间目标的分类识别.通过5类空间目标的ISAR数据对该方法进行目标识别验证,并与现有的几种ISAR像特征提取方法进行了对比.结果表明论文所提算法可行有效,可以明显地提高识别率.     

Adaptive membership functions for handwritten character recognition by voronoi-based image zoning

In the field of handwritten character recognition, image zoning is a widespread technique for feature extraction since it is rightly considered to be able to cope with handwritten pattern variability. As a matter of fact, the problem of zoning design has attracted many researchers who have proposed several image-zoning topologies, according to static and dynamic strategies. Unfortunately, little attention has been paid so far to the role of feature-zone membership functions that define the way in which a feature influences different zones of the zoning method. The result is that the membership functions defined to date follow nonadaptive, global approaches that are unable to model local information on feature distributions. In this paper, a new class of zone-based membership functions with adaptive capabilities is introduced and its effectiveness is shown. The basic idea is to select, for each zone of the zoning method, the membership function best suited to exploit the characteristics of the feature distribution of that zone. In addition, a genetic algorithm is proposed to determine-in a unique process-the most favorable membership functions along with the optimal zoning topology, described by Voronoi tessellation. The experimental tests show the superiority of the new technique with respect to traditional zoning methods.     

用模糊数学方法识别舰船红外成像目标

从分析成像特性入手，提出了３类识别特征（位置特征、形状特征和辐射特征），以及描述这３类特征的６个模糊隶属度函数．用这６个模糊隶属度函数，采用模糊综合评判技术，对前视船红外成像目标进行识别，并用采集的实际舰船红外图像进行仿真实验，其结果证明本文算法是可行的和实用的．     

神经网络自动生成模糊系统

在模糊系统的生成过程中，最主要的任务是隶属函数和模糊规则的提取和调整，但用传统方法，其工作量往往随变量数的增长而爆炸性地增加。为了解决这一问题，本文提出了一种新颖的，利用神经网络来自动地撮模糊系统 隶属函数和规则。     

基于多特征参量模糊数据融合的辐射源识别

针对多特征的辐射源识别,采用对辐射源信号特征参数的模糊化表征,建立了多特征、多目标的模糊评价矩阵以及模糊属性综合评判函数,提出了多属性判决函数的融合判决方法进行二次评判的综合识别,从而提高目标识别的准确率和可靠性。仿真结果证实了本文提出方法的有效性。     

径向基函数神经网络的软竞争学习算法

本文构造了径向基函数(RBF)神经网络的一类软竞争学习算法(SCLA).该算法的主要思想是首先在高斯基函数中心向量的训练过程中引入了隶属度函数,对每个输入样本,所有中心向量根据该样本属于其代表的类的隶属度值的大小进行自适应地调整;第二,把隶属度函数的模糊因子的倒数与模拟退火算法中的温度等同起来,在迭代过程中采用递增的方式来调整它.SCLA是RBF网络基于k-均值方法训练中心向量的学习算法的软竞争格式,它可以克服后者对初始值敏感和死节点的问题.仿真实验论证了SCLA是有效的.     

A Fully Programmable Analog CMOS Rational-Powered Membership Function Generator with Continuously Adjustable High Precision Parameters

This paper presents a novel structure for implementing rational-powered membership functions (RPMFs), which are the extended forms of triangular/trapezoidal membership functions and those functions which are generated by applying linguistic hedges. The hardware realization of an RPMF consists of a triangular membership function generator circuit followed by a rational-powered generator module (RPGM). A novel fully programmable compact triangular/trapezoidal/s-shaped/z-shaped membership function generator with the ability to continuously change parameters is presented which is compatible with the proposed RPGM. A new method is introduced to implement the RPGM based on the approximation of the function “x ^a ” by the functions square and square-rooter which are simply implemented in a current-mode analog approach based on the translinear principle, which leads to a design that is simple, and has high accuracy and less hardware usage, with a resulting lower chip area and lower power consumption. The designed circuit was simulated by an HSPICE simulator with level 49 parameters (BSIM3v3), and the simulation results show that the maximum power consumption of the RPGM is 800 μW, while the maximum RMS error is 1.25 %. Finally, layouts of the circuits prepared using Cadence software are presented.     

用Hopfield网络实现二元串码滤波器

根据Ｈｏｐｆｉｅｌｄ神经网络的优化功能设计二元串码滤波器，对于识别同样数目的物体，本方法所需要的滤波器数目较少，且容错能力较强，对适当的编码方法识别准确率可达１００％。     

一种战场电磁信号识别技术

电子技术的突飞猛进让越来越多的电磁设备应用于战场,从而使电磁信号的识别成为摆在广大指战员面前的难题。通过对电磁信号特征进行建模、利用模糊理论构造隶属度函数计算综合模糊隶属度、用证据理论对样本的信息进行合成,从而设计了一种基于模糊集和D-S证据理论的电磁信号识别技术。最后,通过实验仿真证实了该方法的可行性。