水下目标识别的特征融合分类器设计

本文对水下目标识别中的特征融合技术进行了研究,讨论了特征融合技术中的问题和解决途径,并给出了特征融合分类器的特性;设计了模糊融合分类器,给出了具体的算法.该分类器对样本在模式空间中的分布不做任何假定,注重类别间的相互约束,强调各个模式的独立作用,用类似于模糊并运算的方式综合这些作用.在实际应用中,通过与已有的分类器比较,表明模糊融合分类器能够综合多种信号特征,有效地提高了分类性能.     

基于实测数据的空中目标分类识别算法

该文在分析由常规窄带雷达获得的直升机、螺旋桨和喷气式飞机实测回波数据特征的基础上,提出一种基于多特征联合的分类识别算法。通过对大量实测回波数据的特征分析,提取多普勒频移、幅度相对量、时域和频域波形熵、时频特征多个具有明显区分性的特征,将其输入支撑向量机(SVM)分类器实现3类空中目标的分类。在分类的基础上,基于回波数据的时频谱宽和对称性特征,提出一种奇数与偶数片桨叶直升机识别方法。最后实测数据的处理结果验证了所提空中目标分类识别方法的有效性。     

基于核主分量相关判别分析特征提取方法的目标HRRP识别

为有效提高雷达高分辨1维距离像目标识别系统的总体性能,需要对目标高分辨1维距离像进行特征提取,以得到具有最小信息损失、高可分性且低维度的目标特征,为实现该目的提出一种基于核主分量相关判别分析的特征提取算法。该算法基于目标高分辨1维距离像的统计特性,通过对核主分量分析中核函数的选择,实现对不同类型距离单元的特征提取。同时综合线性判别分析与典型相关分析理论构建新的准则函数,以实现特征空间中类内相关性与类间差异性最大化,同时减少目标特征中的冗余信息。利用实测数据进行实验,结果表明该方法提高了特征向量的可分性,降低了特征向量的维度,并且对该算法在不同强度杂波下的识别性能进行了分析,实验结果表明,该方法可以有效的提高目标高分辨1维距离像目标识别系统的总体性能。     

基于MSE和Burg的两步目标识别分类器研究

SAR目标分类识别是现代战场侦察的重要组成部分,SAR目标分类问题是目标识别的关键步骤之一,对目标识别等很多后续的应用有较大的影响,因此研究SAR图像目标分类技术具有非常重要的意义。针对这一研究热点,结合MSE匹配方法和超分辨Burg算法,提出一种两步分类器,采用该两步分类器对实测SAR图像进行了目标分类识别实验,取得较好的识别效果。     

基于核函数的雷达一维距离像目标识别

该文分析了基于核函数的三大模式识别方法(支持向量机、非线性主分量分析、非线性判别分析)的分类机理,并将其应用于雷达一维距离像目标识别中。用3种飞机实测雷达距离像数据样本进行识别研究,结果表明对于雷达目标距离像识别,支持向量机方法较其它两种方法更为有效,并对实验结果给出了合理的解释。     

基于更新分类器的合成孔径雷达图像目标识别

针对合成孔径雷达(SAR)图像目标识别中的分类决策问题,提出了一种基于更新分类器的新识别方法.该方法用卷积神经网络和稀疏表示分类器作为基础分类器对类别未知的样本进行分类,对两种方法的决策结果进行融合,并判定决策结果的可靠性.将类别可靠的测试样本补充到原始训练样本中以更新分类器,从而获得更可靠的识别结果.基于MSTAR数...     

基于动态RCS的典型飞机目标识别

工程上常用静态雷达散射截面（RCS）统计特性进行目标识别,但其可分测度小,正确识别率较低。文中在精确获取目标动态RCS序列的基础上,提出了一种基于离散小波能量的特征提取方法,对典型飞机目标进行分类识别。首先,根据空气动力学和运动学方程设定五种典型飞机目标的飞行航迹并解算其实时飞行坐标,从而获取时变的雷达视线姿态角;其次,应用多层快速多极子电磁计算方法仿真各型目标的动态RCS数据;然后,再基于动态RCS序列,计算其位置、分布等统计特征,并进行小波分解和重构,提取各型目标的统计特征和小波能量特征;最后,采用基于距离的类间距离判据,比较两种特征量的分类识别效果。仿真计算结果表明：相对传统的统计特征,离散小波能量特征能完整地体现目标的特征,且可分性测度更大,识别效果更为理想。     

基于电磁散射特征参数提取与数据分布分析的非线性目标识别

非线性目标的探测与识别在国防、反恐、安保、救援、交通安全等领域均具有重要意义.为提高上述场景下对非线性目标的探测识别能力，文中以典型的非线性器件——肖特基二极管为例，构建了非线性目标的谐波散射模型，并在此基础上利用不同类型非线性目标散射的各次谐波强度与变化趋势不同的特性，提出了一种利用数理方法提取分析目标散射特征参数进而实现对非线性目标探测识别的方法.实验结果显示，本次提出的方法在小样本下对未知非线性目标的识别率在81%左右，证明了该方法对非线性器件有较好的探测与识别能力.     

基于粒子群分类器的遥感图像目标识别

设计了一种用于遥感图像目标识别的粒子群分类算法。首先对数据样本预处理,利用粒子群优化算法通过训练数据进行分类规则的提取,根据提取得到的规则对遥感图像的目标进行分类识别。通过对实测遥感图像中飞机和舰船目标的识别实验,验证了此算法对遥感图像目标具有较高的识别率。     

Face Recognition Combining Eigen Features with a Parzen Classifier

A face recognition scheme is proposed, wherein a face image is preprocessed by pixel averaging and energy normalizing to reduce data dimension and brightness variation effect, followed by the Fourier transform to estimate the spectrum of the preprocessed image. The principal component analysis is conducted on the spectra of a face image to obtain eigen features. Combining eigen features with a Parzen classifier, experiments are taken on the ORL face database.     

基于PCA算法的人脸识别

PCA算法作为一种数值分析技术,主要的应用是用于简化数据、降低数据维度。将PCA算法应用到人脸识别,能提取出人脸图像中最主要特征,去除数据的冗余和噪声。文中采用PCA进行人脸识别,能为人脸识别提取区分度高的特征数据,有效提高了识别的准确性。且在ORL和YALE人脸库进行了实验。实验结果表明,该方法对实验的人脸图像有较高的识别率。     

基于混合核函数的快速KPCA人脸识别算法

为提高人脸识别的速率和识别率,文中提出一种基于混合核函数的快速核主成分分析算法用于进行人脸识别,首先构造两种混合核函数,利用均值矢量的方法构建核矩阵,并利用文中提出的核主成分分析算法计算核矩阵的特征向量。分别在ORL和AR人脸数据库中做了相关实验,并且与传统的核主成分分析方法在识别率和算法运行时间上进行了比较,结果表明,文中所提核主成分分析方法具有较高的识别率和更短的运行时间,从而为实时地具有大数据的人脸识别系统提供技术支持。     

基于瞬态极化时频分布及奇异值特征提取的雷达目标识别

本文介绍了瞬态极化时频分布的概念,并给出了瞬态极化Wigner-Ville分布及伪Wigner-Ville分布的定义,用以刻画雷达目标回波在时频域上的极化特性.然后,由回波的瞬态极化伪Wigner-Ville分布各分量的奇异值组成特征矢量,以BP神经网络作为分类器进行了目标识别实验.实验结果表明,与传统的对目标极化回波的两个分量分别作时频分析的处理方法相比,文中方法具有更好的目标识别性能.     

基于多特征和多分类融合的视频概念检测

The rapid growth of multimedia content necessitates powerful technologies to filter, classify, index and retrieve video documents more efficiently. However, the essential bottleneck of image and video analysis is the problem of semantic gap that low level features extracted by computers always fail to coincide with high-level concepts interpreted by humans. In this paper, we present a generic scheme for the detection video semantic concepts based on multiple visual features machine learning. Various global and local low-level visual features are systematically investigated, and kernel-based learning method equips the concept detection system to explore the potential of these features. Then we combine the different features and sub-systems on both classifier-level and kernel-level fusion that contribute to a more robust system. Our proposed system is tested on the TRECVID dataset. The resulted Mean Average Precision (MAP) score is much better than the benchmark performance, which proves that our concepts detection engine develops a generic model and performs well on both object and scene type concepts.     

基于PCA与Fisherface互补双特征提取的人耳图像识别

人耳识别目前是一种新的生物特征识别技术,特征提取是模式识别技术中的关键环节,决定着分类结果正确率的高低,单特征提取方法需要在一定的条件下才能取得较高的识别率,但是采用双特征提取却可以克服单特征提取的这一局限性.为了提高分类结果的正确率,提出了一个全新的方法,即基于主成分分析(PCA)与fisherface的互补双特征提取方法,并将其运用于人耳图像识别中,在北京科技大学提供的人耳图像库上的实验结果表明,该方法的人耳识别率明显高于PCA、fisherface、ICA单特征提取的人耳识别率.     

基于鲁棒听觉特征的说话人识别

 为了提高噪声环境中说话人识别系统的性能,本文提出了一种鲁棒听觉特征提取的算法,并将其应用到说话人识别系统中.运用自适应压缩Gammachirp滤波器组模拟人耳耳蜗的听觉特性,对输入的语音信号进行频域子带滤波,将得到的对数子带能量作为听觉特征参数.分别运用离散余弦变换和核主成分分析方法,对提取的特征参数进行特征变换,降低特征参数的维数,提高特征参数的噪声鲁棒性和个性表现力.实验结果表明,将提取的新听觉特征参数应用到说话人识别系统中,新特征参数在鲁棒性和识别性能上均优于梅尔倒谱系数和基于Gammatone的听觉特征参数.     

一种基于中心矩特征的SAR图像目标识别方法

合成孔径雷达自动目标识别是目前国内外模式识别领域的重点研究课题之一.本文给出了一种内存需求小,低计算复杂度且具有较好识别性能的SAR图像目标识别方法,先通过自适应阈值分割来获得目标图像,然后提取其中心矩特征,采用SVM来进行识别.基于美国MSTAR实测数据的识别试验验证了该方法的有效性.