用AUTES实现雷达辐射源识别专家系统

描述了一种用自行研制的专家系统开发工具AUTES进行雷达辐射源识别专家系统开发的方法,对其中专家知识及知识库、置信度融合方法、解释器等作了详细介绍。测试和实际运用表明,该专家系统能对雷达辐射源进行高效率识别,对参数不全或参数发生一定程度畸变的雷达辐射源的识别率可达到80%以上。     

基于小子样Bootstrap法的雷达辐射源特征分选稳定性分析

雷达辐射源的分选识别算法通常是以正确分选率或识别率为重要指标,但该指标通常是一个点估计值,无法反映系统识别的稳定性和估计精度.本文利用小子样Bootstrap法在有限的实验样本的基础上进行区间估计,并提出了一个特征分选识别率的稳定性判定因子,通过该因子能够量化系统识别率的稳定性.     

基于三级信息融合结构的多平台多雷达目标识别算法

为了解决多平台多雷达目标识别时空信息融合过程中存在的时效性不高,识别特征信息模糊和雷达识别结果高冲突等问题,提出了一种基于三级信息融合结构的多平台多雷达目标识别算法。一级特征融合中,基于模糊评判法解决了多特征识别信息模糊问题。二级空域融合中,基于DS融合规则和折扣融合规则,提出了以平均证据距离为阈值的自适应证据融合算法。三级时域融合基于多雷达序列信息,给出了时域自适应融合算法。仿真计算结果表明文中提出的融合结构能够在保证结果正确的同时,每个周期都能输出结果,时效性较之以往的融合结构有了明显改善。文中的自适应证据融合算法能够克服证据间可能存在的高冲突性,并且与采用折扣证据融合算法相比计算量显著减少。     

用神经网络进行雷达辐射源识别研究

为提高雷达辐射源识别系统的识别率，分析了BP神经网络、径向基神经网络和径向基概率神经网络等3种神经网络的结构和性能．用假设的10部雷达参数产生数据进行实验．仿真结果表明，应用径向基概率神经网络能大幅提高雷达辐射源识别的识别率，该网络在雷达辐射源识别中的分类性能明显优于其他2种神经网络．     

改进最优聚类中心雷达目标识别法

最优聚类中心法是一种有效的雷达目标一维距离像识别方法,但当训练数据较少时,该方法的识别性能急剧下降。其原因是该算法在利用少量数据进行训练时易产生"病态"矩阵,"病态"矩阵直接参与运算,导致错误识别结果。因此,该文提出了一种改进最优聚类中心法,主要思想是把"病态"矩阵进行"良态"化处理后再参与运算,以得到正确的识别结果,从而使该算法在训练数据较少时仍能保持较高识别率。仿真实验结果表明该方法的有效性。     

基于QPSO的雷达辐射源信号识别方法研究

鉴于支持向量机(SVM)方法对雷达辐射源信号具有较理想的识别结果,但对模型参数没有具体选择方法的问题,设计了一种以具有量子行为的粒子群优化(QPSO)算法为参数优化方法的SVM分类器,并提出了基于QPSO-SVM的雷达辐射源信号识别方法.QPSO-SVM分类器在采用QPSO算法对SVM进行优化改进的同时,继承了SVM分类器泛化能力强的特点,对雷达辐射源信号识别问题具有良好的适应性.实验结果表明,与其他方法相比,本文方法在保证识别准确率的同时,降低了参数选择时间.     

基于模糊函数零点切片特征优化的辐射源个体识别

针对模糊函数核函数优化法的计算问题和核点排序的不稳定性,提出了一种新的辐射源个体识别算法．首先抽取模糊函数零点切片作为中间特征,继而设计了直接判别比准则来指导核点优化．零点切片特征优化法不仅显著提高了识别性能,而且保留了辐射源信号最具鉴别力的个体特征,避免了在模糊函数全平面进行参数优化带来的内存溢出问题．对美国海军实验室雷达数据和实测雷达辐射源数据的实验均验证了所提方法的可行性和有效性．     

基于模糊聚类与RBF网络集成分类器的验证码识别

针对粘连字符验证码识别率低的问题,提出了一种基于模糊聚类和径向基神经网络的动态集成分类器.该分类器采用分割和识别反馈动态结合的思想,首先通过模糊聚类算法对字符进行特征提取,将其作为RBF神经网络的输入,然后网络依据识别置信度和字符特征隶属度进行特征节点的动态选择,最后通过实验进行了算法有效性和识别率的验证.与其他算法的对比实验进一步表明,该方法体现了整体优先,细节补偿的思想,能够充分利用训练样本集的信息,改进了低质量字符识别率不高的问题.     

自适应控制下图像分割及并行挖掘算法

针对海量图像数据中目标的分割及识别问题,提出了一种自适应控制下图像分割及并行挖掘算法.采用隶属度函数窗口宽度在图像直方图控制下自适应调整模糊阈值图像分割方法对图像进行分割,提取出感兴趣的潜在目标区域,基于共轭梯度法改进的BP神经网络算法对潜在的目标区域进行训练和识别,识别算法基于OpenMP并行处理模型开发来提高执行效率.结果表明:本文算法相对于基于偏移场的模糊C均值、灰度波动变换自适应阈值和自适应最小误差阈值具有更高的分割准确率,与传统神经网络算法的识别结果相比,平均识别率提高了8%,运行时间减少了2. 5 s.     

基于逆云模型的雷达辐射源识别方法

针对由于噪声环境造成的雷达辐射源不能正确识别的问题,提出了一种新的基于逆云模型的雷达辐射源识别方法。该方法首先构建了更符合实际的含有噪声数据的雷达辐射源数据库,利用逆云模型求出数据库中雷达辐射源各属性的云数字特征,给出了基于属性相似度的识别权重确定方法,并构建了基于云模型和属性相似度的雷达辐射源分类器。仿真实验证明,该方法可以更好地处理由于噪声环境引起的随机性和模糊性,能在恶劣噪声环境下有效地进行雷达辐射源识别。     

油藏类型识别的一个模糊数学模型

本文把油气藏分类问题归结为模式识别问题,然后应用模糊模式识别技术,以油藏烃类体系的化学组成为数据特征,采用模糊统计试验法确定类型模式的隶属函数,建立了油藏类型识别的模糊数学模型,从而较精确地定量描述了诸如油藏、气藏、凝析气藏等概念之间界限不分明的现象。并用实例作了检验。     

Investigation and Application of Automatic Fingerprint Identification Based on Fuzzy Pattern Recognition

Fingerprint image is a typical non-restraint image that has some uncertainty, which makes it difficult to perform identification using classical approach. Therefore, fuzzy pattern recognition is applied to match individual query by searching the entire template database. The fuzzy maximum subordinate principle is used to solve shift matching. Through experimenting and analyzing, the approximate principle fuzzy method is employed by selecting fuzzy characteristics and determining the similarity function to achieve the further accuracy. Theoretical and experimental results show this approach is effective and reasonable.     

基于模糊区间优化的模糊推理故障诊断方法

提出一种基于模糊区间优化三角均分的模糊规则生成方法.在获取故障样本之后,通过基于故障识别率最佳准则的寻优过程,确定模糊区间均匀划分数的下确界.在此基础上,利用所提出的改进型DM算法提取模糊规则,最终构建出模糊推理故障诊断系统.与模糊区间划分数低于该下确界的模糊推理系统相比,利用该方法能保证在所生成模糊规则数较少的情况下,使构建的推理系统具有更高的故障识别率和诊断准确率,同时避免了人为确定模糊区间划分数时所带来的盲目性.最后,在轨道电路该类复杂模拟电路常见硬故障的诊断实例中,说明了新方法的有效性.     

基于图像模糊度与主成分分析的车牌汉字识别

针对车牌汉字字符结构复杂且图像品质差异大而导致识别率不高的情况,提出了一种基于图像模糊度的主成分分析(PCA)子空间车牌汉字字符识别方法。首先通过三角模和非模糊基数计算字符图像的模糊度,然后根据模糊度将训练样本分成不同的子集并生成相应的PCA子空间族,最后以待识别字符的模糊度为依据选择相应的子空间族进行识别。实验数据表明,本文方法使得子类的类内距离变小类间距离增大,从而可以获得较高的识别率。与其他算法的对比实验进一步表明,本文算法能更好地同时满足精度和实时性的要求,具有良好的综合性能。     

基于模糊聚类多变量系统的模糊辨识方法

提出了一种基于模糊聚类和卡尔曼滤波方法的模糊辨识方法,该方法是基于模糊聚类,计算给定样本在各类中的隶属度,利用卡尔曼滤波器辨识模糊模型的结论参数,给出了详细算法和Ｂｏｘ－Ｊｅｎｋｉｎｓ数据的辨识结果。     

模糊模式识别在语音关键词识别中的应用

针对仿生模式识别聚类过程中出现的类间交叠现象,提出了一种模糊模式识别算法,使系统拒识率降低了11个百分点,提高了系统的正确识别率,识别效果大为改善。     

一种基于改进FCM划分算法的T—S模型辨识

鉴于以往T—S模型建模过程中,在模糊划分上存在主观性的差异,提出了一种基于改进模糊C-均值算法的模糊划分方法,使划分结果尽可能地依赖于原始数据的分布情况,进而将该模糊划分算法用于多输入单输出非线性系统的基于T—S模型模糊辨识。在用该方法对多参量水质评价系统进行基于T—S模型模糊辨识建模时,取得了较好的验证效果。该研究结果表明,基于改进模糊C-均值划分算法的T—S模型辨识能在模糊综合评价与决策等应用领域中取得较好的应用效果。     

基于系统辨识与T-S模糊神经网络的磨矿分级控制

针对磨矿分级过程控制中具有的慢时变、非线性特征,提出了一种基于系统辨识的自适应模糊推理网络模型,并应用于磨矿控制领域.利用模糊聚类法对现有数据样本进行系统辨识,自动获取模糊规则库和相应的初始参数.依据得到的模糊系统构建基于Takage-Sugeno推理模型的自适应模糊神经网络推理系统,获得比传统的模糊神经网络具有更强的...     

多阶微分环形模板匹配跟踪方法

基于环形模板结构提出一种新的模板匹配跟踪方法,在匹配准则函数中增加了图像的多阶微分匹配信息,在确保算法具有旋转不变性的前提下,可有效提高算法识别的准确性.匹配模板中的像素按环形结构排列,环形结构的中心对称性确保了算法具有旋转不变性.根据图像的灰度值可计算图像的各阶微分值,匹配准则函数由灰度匹配值和各阶微分匹配值共同构成.微分匹配信息中包含了图像的细节信息的匹配结果,因此可提高算法识别的准确性.仿真结果表明:该方法可应用于序列图像的目标识别,在背景复杂或目标发生较大旋转变化的情况下,该方法的识别性能明显优于传统方法.