一种基于模糊融合的遥感图像目标识别方法

数据融合利用多传感器的信息,克服了单一传感器信息不完整、不精确、不确定的缺点,因此广泛应用于目标识别中,该文提出了一种基于模糊融合的遥感图像目标识别的新方法。首先在单源图像上提取可疑目标,然后根据目标在不同类型图像上的成像特点,选择合适的目标特征,充分考虑到各特征的重要程度,把模糊隶属度函数和模糊密度结合起来,最后利用特征层模糊融合对目标的身份进行判定。此方法应用在实际目标的识别中,取得了很好的效果。     

一种基于模糊密度动态调节的融合目标识别方法

针对工程应用的需要,给出一种根据实时动态数据确定模糊密度调节系数的方法,并建立了基于模糊密度动态调节的融合目标识别算法.最后通过仿真实验给出了各种模糊积分用于目标融合识别时的识别结果,验证了所提出方法的有效性.     

一种模糊自动机的新模型

通过对秃头悖论的讨论分析,对传统自动机模式是否适用于模糊自动机进行分析论证,指出传统自动机模型的缺陷在于没有模糊性,不能处理模糊的事物,并对模糊自动机的旧模型提出质疑,因为旧模型固定的隶属度无法表达模糊事物的变化过程,最后从量变和质变角度提出一种模糊自动机的新模型。     

基于模糊理论的地面三维目标识别方法

本文就模糊理论在模式识别领域中的应用 ,对地面三维目标进行模糊模式识别的实现做了一些研究工作 .利用成熟的二维图像识别技术与多对一模型和目标类型建库方法的结合 ,完成对三维目标的识别     

一种模糊自动机的新模型

通过对秃头悖论的讨论分析,对传统自动机模式是否适用于模糊自动机进行分析论证,指出传统自动机模型的缺陷在于没有模糊性,不能处理模糊的事物,并对模糊自动机的旧模型提出质疑,因为旧模型固定的隶属度无法表达模糊事物的变化过程,最后从量变和质变角度提出一种模糊自动机的新模型。     

确定有穷自动机的最小化问题探讨

本文针对DFA最小化时可能遇到的各种情形,给出最小化的通用算法,并通过具体实例加以验证。此算法有利于学生对编译原理课程中DFA最小化的学习和理解,同时让学生进一步了解此知识点在其他问题求解中的应用。     

基于形状特征的小波神经网络目标识别方法

利用小波神经网络整合小波分析提取信号局部奇异特征和人工神经网络自适应学习分类的优点,提出了一种基于目标边界形状特征的时频特性可调的小波神经网络识别方法.该方法根据目标边界曲率连续小波变换的模极值在多尺度下幅值及分布情况,确定边界奇异点,利用小波神经网络自动提取、调整奇异点的特征信息并完成分类.实验结果表明,与时频特性固定的小波神经网络,普通人工神经网络和传统的基于Fourier描述子的最近邻分类器相比,时频特性可调的小波神经网络具有更好的分类性能和抗噪能力.     

一种基于广义Radon变换的目标识别方法

Radon变换已经成为一种图像处理的基本方法,成为图像重建技术的基础,可以将直线与变换域的点相对应,将数据降维,便于进一步处理。但经典的Radon变换方法对于非直线情况处理效果不好,图像中的多样性信息无法充分利用。文中基于广义Radon的思想,考虑到识别目标的多样性,提出了一种利用物体形状信息的比较通用的目标识别方法,图像点映射改善了实际运算方面的性能,当目标信息比较准确时,新方法的效果比较理想。根据该方法进行的相关实验,也得到了较好的印证。     

一种基于广义Radon变换的目标识别方法

Radon变换已经成为一种图像处理的基本方法,成为图像重建技术的基础,可以将直线与变换域的点相对应,将数据降维,便于进一步处理。但经典的Radon变换方法对于非直线情况处理效果不好,图像中的多样性信息无法充分利用。文中基于广义Radon的思想,考虑到识别目标的多样性,提出了一种利用物体形状信息的比较通用的目标识别方法,图像点映射改善了实际运算方面的性能,当目标信息比较准确时,新方法的效果比较理想。根据该方法进行的相关实验,也得到了较好的印证。     

一种基于小波的模糊建模方法

为克服一般Takagi-Sugeno模糊模型的局限性,提出了一种新的用于复杂系统建模的模糊模型．理论分析表明该模型可表示任何一个紧集上的连续函数．该模型的一个显著特点是,模糊模型的输入输出关系与使用特殊母波函数的小波变换的形式相同．基于该性质,可方便地运用小波变换理论确定模糊模型的结构并初始化模型参数．本文详细地介绍了辨识该模糊模型的算法．通过对一个复杂非线性系统的建模并与以前的结果进行比较,验证了本文方法的有效性．     

基于模糊特征属性参数最优融合的目标识别

为了实现在不确定环境下的自动目标识别,提高系统的性能和可靠性.首先采用模糊数来刻画传感器的输出报告,将每个传感器报告用三角模糊数来表示;然后提出基于模糊特征属性参数的最优融合算法来实现信息融合,并将其应用到多传感器目标自动识别系统.融合算法以模糊信息相似性测度为基础,最优融合准则是:融合后的数据与各个传感器输入数据冲突应该最小.通过最优准则确定了各个传感器的权重以及融合结果,且融合结果与初始传感器权重向量和传感器报告融合的次序无关.文中给出了具体的算法流程和一个应用实例.     

基于加权证据理论的模糊信息融合目标识别

在异类多传感器信息融合目标识别中,不同传感器对系统提供的证据等级不同。为此,提出一种模糊信息融合目标识别方法。将各证据按证据权进行转化,用Dempster-Shafer(D-S)证据理论进行合成,利用模糊数学模型对传感器测量值和数据库中的数据进行建模,根据证据距离得到各证据的相互支持度,进而获得传感器对系统提供信息量的权重。分析结果表明,该方法具有较高的精度和可靠性。     

基于模糊综合评判的目标识别效果评估

针对目标识别效果评估,选取了评估指标及测度方法,使用模糊综合评判建立了一种开放的评估模型,该模型可以给出客观、定量化的评估结果,最后结合实测数据完成了仿真。     

基于模糊综合评判的目标属性识别模型研究

首先介绍了目标属性识别的方法及模糊综合评判原理,在分析影响目标属性识别因素的基础上,提出了目标属性识别的多级模糊综合评判模型,从而能有效地解决目标属性识别问题。     

基于时间自动机的入侵意图动态识别方法

入侵意图识别是在具体的网络环境下,根据攻击者的攻击行为和系统防护措施来推理和判断攻击者想要达到的最终目标.针对网络安全领域中的攻防对抗和动态特性,提出一种入侵意图的动态识别方法.该方法利用D S证据理论融合入侵检测系统的报警信息来提炼攻击者的行为及其可信度,并结合系统响应信息应用时间自动机来实时描述脆弱性的状态变迁过程.然后在层次化的攻击路径图中,根据节点的状态和节点间的依赖关系计算攻击者真实入侵意图的概率.实验结果验证了此方法的有效性.     

基于多特征融合的敌对目标识别新方法

该文提出了一种基于HSV颜色直方图、一二三阶颜色矩、Gabor小波和SIFT特征描述子的多特征融合方法,以实现防空战争的提前预警和及时打击功能。在目标分类过程,针对SIFT特征描述子,该文使用最新的金子塔匹配核,通过在Caltech 101数据库的实验,采用SVM分类器,证明该方法在目标识别方面性能有很大的提高。     

基于模糊模式识别的车牌识别算法设计

介绍一种基于明暗度二值化的车牌模糊识别的算法.这种算法在车牌识别的使用可以有效避免因光照、车辆运动速度及车牌清晰度、光洁度而带来的误识别.介绍了这种算法的构建、实验平台、实验环境、实验处理结果,并对结果进行了讨论.     

基于kAS特征的目标识别新方法

提出一种复杂背景下目标识别的新方法,利用Canny算子和多边形分别提取轮廓和逼近轮廓曲线,计算k邻接轮廓线段组(kAS)特征,利用ISODATA聚类算法得到kAS码书。提取特征时采用分块加权的kAS直方图,识别过程中采用支持向量机进行训练和分类。实验结果表明,该方法在复杂场景下可以获得较高的识别率,具有平移和尺度不变性等特点。     

基于AdaBoost的雷达目标HRRP识别

针对雷达高分辨一维距离像(HRRP)特征维数高的特点,采用线性判别分析(LDA)和核Fisher判别分析(KFD)方法进行特征压缩和提取。分析了基于AdaBoost算法的分类器的设计思想和实现步骤。构造了高斯型弱分类器,利用AdaBoost算法集成高斯弱分类器实现了一强分类器,利用此分类器对降维后的HRRP数据进行分类识别,并同K近邻分类器(KNN)、支持向量机(SVM)分类器进行比较,得到一些有价值的结论。