基于形态学与神经网络的骨髓细胞识别研究

针对骨髓细胞图像的特点，采用数学形态学的方法对图像进行了处理，获得了不同类型细胞核的准确边缘。对于获得的边缘图像，采用两级神经网络，利用基于神经网络的PCA算法获得图象的3个主分量，然后采用模拟退火算法和BP算法进行细胞的分类识别，获得了较好的识别效果。     

基于BP神经网络的货币识别算法设计与实现

神经网络模式识别方法是近几年兴起的模式识别领域的一个新的研究方向,而BP算法是神经网络众多算法中应用最为广泛的一种.BP神经网络已应用于非线性建摸、函数逼近、模式分类等方面,但对解决具体问题而言,其模型结构的确定、每层神经元个数的选择、训练参数的设定等都无现成的规律可供遵循,必需由实验确定,由此,在分析BP算法和收敛性的基础上,设计了基于BP神经网络的货币识别算法,测试证明,其具有良好的识别率,具有一定的理论和实用意义.     

基于ICA的特征不变性目标识别

在图像目标识别中,目标图像平移、尺度和旋转不变性是一个重要前提,而高阶矩特征存在稳定性差的缺点．提出采用主分量分析(PCA)方法确定目标在最大方差意义下主轴的旋转角度,并结合稳定性好的低阶矩特征实现目标的平移、尺度和旋转不变性变换;然后利用独立分量分析(ICA)良好的目标特征抽取能力,在各目标特征空间重建目标模型,并通过对重建模型的误差分析实现目标识别;最后通过PCA确定目标旋转角度测试和ICA目标识别测试两个实验,证实了本文算法的鲁棒性和准确性．     

基于线性分析的特征不变性目标识别

提出采用主分量分析（PCA）方法确定目标在最大方差意义下主轴的旋转角度，并结合稳定性好的低阶矩特征实现目标的平移、尺度和旋转的不变性变换；然后利用独立分量分析（ICA）良好的目标特征提取能力提取目标的特征值；最后在特征空间通过Fisher分类器实现目标识别。实验证实了算法的准确性。     

数字调制信号识别的特征参数优化方法

针对数字调制信号识别中特征参数数目多和特征冗余的问题,提出一种数字调制信号识别的特征参数优化方法。首先利用正交实验对常用的20个特征参数进行优化选择,然后利用RI3F神经网络识别9种数字调制信号,最后分别与主分量分析方法((PCA)和核主分量分析方法(KPCA)进行比较。仿真结果表明,该方法在高斯和多径信道下均能够有效地对特征参数进行优化选择,比PCA方法和KPCA方法有更好的优化能力。     

基于主分量分析的缺陷识别研究

为了解决传统的人工定义方法和小波包分解方法在超声信号特征提取方面的不足,提出了将主分量分析方法应用于信号的特征提取,并据此进行超声检测的缺陷识别.这种方法不但大大降低了数据量,减少了计算复杂度,同时也能够保证压缩后的数据能够有效的代表原数据特性.通过对提取到的特征建立特征向量,利用模糊模式判别方法进行测试,并和现有的两种方法进行对比.与目前采用的方法相比,该方法在识别效率和准确性上都表现非常优秀,能对各种模式有效识别.     

基于二维主分量分析的面部表情识别

提出了一种直接基于图像矩阵的二维主分量分析(2DPCA)和多分类器联合的面部表情识别方法。首先利用2DPCA进行特征提取,然后用基于模糊积分的多分类器联合的方法对七种表情(生气、厌恶、恐惧、高兴、中性、悲伤、惊讶)进行识别。在JAFFE人脸表情静态图像库上进行实验,与传统主分量分析(PCA)相比,采用2DPCA进行特征提取,不仅识别率比较高,而且运算速度也有很大的提高。     

基于小波包与PCA方法对水下目标识别研究

水下目标信号的分类识别一直是信号处理工程领域的研究难点.针对水下信号发声机理十分复杂与成分多样,导致表征其特征的数据量较大且维数较高,目标识别率低.要解决上述问题,需要很大的计算成本,并影响识别特性量的效率,提出了一种采用小波包与主分量分析(Principal Component Analysis,PCA)相结合的特征提取方法.通过小波包分解与重构得到水下目标辐射噪声的初始特征;用PCA方法实现对高维特征向量的优化处理.采用BP神经网络作为分类器对三类目标进行识别仿真.结果表明,减少计算量的同时,水下目标信号得到了较好的优化提取.     

基于平移不变核主分量分析的雷达目标识别研究*

雷达目标识别中,核主分量分析（KPCA）算法是一种重要的特征提取算法,但雷达目标高分辨率距离像（HRRP）具有平移敏感性,使得该方法应用于基于雷达目标识别系统中具有其缺陷性。采用零相位表示法得到平移不变的HRRP,利用KPCA进行特征维数压缩,利用BP神经网络分类算法来实现识别。仿真实验结果表明,该方法实现了平移不变和降维的结合,具有较高的识别率和很好的推广性。     

基于核主分量分析的脸谱识别方法

此文提出了一种新的脸谱识别方法--基于核主分量分析(KPCA)的脸谱识别方法.首先利用KPCA方法提取脸谱图象的特征,然后利用线性支持向量机进行识别.KPCA的基本思想就是首先经过一个非线性映射,将输入空间的数据映射到一个高维的特征空间中,以求数据在特征空间中线性可分(或近似线性可分),然后在特征空间中进行标准的PCA提取主元,作为特征向量.同时,我们将脸谱识别的经典方法主分量分析(PCA)(特征脸方法)和最近提出的独立分量分析(ICA)脸谱识别方法与新方法进行了比较,并利用ORL脸谱库进行实验,实验结果显示,新的方法具有较高的识别率.     

基于统计学习理论的人脸识别方法研究

人脸识别过程中,待识别人脸图像的预处理、特征选择与提取以及分类器的选择是非常重要的。利用核主成分分析方法提取的人脸图像特征信息能较好地反映人脸特征的非线性结构信息,然后将此特征数据作为支持向量机的输入数据、结合二叉树判别策略,能够实现对多类人脸图像的分类识别。实验结果表明该方法能够取得较好的识别效果。     

基于统计学习理论的人脸识别方法研究

人脸识别过程中，待识别人脸图像的预处理、特征选择与提取以及分类器的选择是非常重要的。利用核主成分分析方法提取的人脸图像特征信息能较好地反映人脸特征的非线性结构信息，然后将此特征数据作为支持向量机的输入数据、结合二叉树判别策略，能够实现对多类人脸图像的分类识别。实验结果表明该方法能够取得较好的识别效果。     

基于支持向量机的纸币识别方法设计与研究

纸币识别是一个小样本、非线性和高维模式识别问题,是当前模式识别中的难题之一,具有重要研究意义和实用价值;选用支持向量机二次优化算法中的序贯最小优化算法,该算法以解析的方法处理优化问题,训练速度较快,识别率较高;序贯最小优化算法优化标准的单一阈值容易错判优化条件,从而导致花费大量时间寻找第二个优化样本;在优化标准中增设上下界两个阈值来判断优化条件,避免了原算法单一阈值判决的这个缺点,加快了训练速度,提高了识别率;将此种支持向量机训练算法用于纸币识别,能够充分发挥支持向量机解决小样本、非线性和高维模式识别问题的优点,能够适合工程应用中的需要.     

基于模板匹配的人民币纸币序列号识别系统研究

人民币纸币序列号是由纸币的冠号和数字编号组成,犹如居民身份证号,具有唯一性。纸币序列号的自动识别对实现纸币的有效管理以及缩小纸币真伪鉴别范围具有重要的理论意义和实际应用价值。系统提出了一种基于模板匹配的人民币纸币序列号识别方法。在对图像进行预处理的基础上,先根据物理尺寸将纸币分成不同的类别,然后根据各种面值纸币序列号字符的位置和大小,定位序列号字符;采用投影法分割序列号字符;提取字符网格特征,用特征矩阵表示字符;最后采用模板匹配法识别字符。实验结果表明,系统具有较高的识别率和速率,且具有一定的稳定性。     

纸币号码快速识别系统

开发了一种快速的纸币号自动识别系统,能在捆钞的同时自动识别并记录下通过捆钞机上的纸币号码。该系统首先通过CCD摄像头采集24位彩色图像,经过逻辑脊谷判断法分割、投影法定位、结构法识别几个过程输出号码串。实验结果表明,该系统组织设计的逻辑脊谷判断算法有效提取了号码图像,穿越号码体距离法定位号码准确,提出的号码识别系统取得了较高的识别率。     

一种货币识别传感器有效性与精度分析方法

货币识别技术利用各种传感器来检测和测量货币的各类信息,选择有效、精确的传感器是实现货币识别的第一步工作;在真币性质比较稳定,以及货币样本容易获取的现实条件下,讨论了真币性质的特性,提出了基于正态分布和向量范数的检测方法,它通过对货币样本数据的统计分析来判断传感器的有效性和精确性;此方法简洁实用,为传感器的选择提供了客观依据。     

基于混合策略的藏文虚词识别方法

藏文虚词在歧义消解、句法、句型和语义处理等方面起着重要的语法作用。该文在分析传统藏文虚词研究成果的基础上,统计了面向自然语言处理的藏文虚词及特征,提出了基于规则和最大熵模型相结合的藏文虚词识别策略。实验表明,该方法识别藏文虚词的准确率、召回率和F₁值分别达98.39%、98.75%、98.57%。     

基于区块链的数字货币演化

区块链是数字货币研究的主流技术和重要前提。作为一种去中心化的分布式计算技术,区块链具有共同维护、防窜改、可追溯等中心化技术所不具备的优势。以区块链的基本原理为基础,主要分析了哈希加密、共识机制以及智能合约方面的关键技术;以区块链中的首个应用比特币为基础,分析了以太坊、达世币、卡尔达诺、比特股等数字货币的发展演化历程。根据数字货币的研究现状及其所面临的诸多挑战,展望了区块链未来在数字货币的发行与监管、交易跟踪和海量交易数据分析方面的研究趋势。     

基于混合进化策略的非线性系统辨识

进化策略是一类适用于非线性、不可微和多峰值复杂函数的优化方法。提出了基于混合进化策略的非线性系统辨识方法。方法的基本思想是将非线性系统辨识问题转化为参数空间上的函数优化问题,然后应用一种新的混合进化策略对整个参数空间进行搜索以获得系统参数的最优估计。仿真结果显示了该方法的有效性。