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。     

基于对象模糊密度赋值的决策层融合算法

针对模糊积分在进行决策层融合识别时,其模糊密度是根据已知类别样本的先验静态信息赋值的,并不能根据具体对象的识别结果进行动态调整使之更接近现实的情形,提出了一种基于对象模糊密度赋值的决策层融合算法。该算法利用各分类器识别具体对象时给出的客观信息计算出其所属类别的区分度,再结合先验静态信息对模糊密度进行动态赋值。将该算法应用于人脸表情识别,实验结果表明,获得了较好的融合效果,提高了表情识别的准确率。     

一种基于模糊自动机的目标识别方法

为更好地识别目标,提出一种基于模糊自动机的目标识别系统.该系统先对图像进行处理,然后对目标识别.系统包括图像预处理、特征提取、目标匹配和实验4个部分.与现有的其它方法相比,本文方法利用目标图像的全局特征和局部特征,并运用模糊自动机进行目标识别.仿真结果表明,基于模糊自动机的目标识别效果比现有其它识别方法的识别效果要好,其正确识别率高达94.59%.     

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     

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.     

一种基于证据推理的目标识别方法

论文介绍了一种基于证据理论的多传感器目标识别方法。该方法首先建立了一个特殊的辨识框架,它可以合成多传感器的信息,能适应未知假设出现的状况;考虑了传感器检测的不确定性,推导了多传感器证据合成的算法。最后将该方法应用于一个目标识别系统,实验结果验证了方法的有效性。     

一种基于模糊感知器的模糊神经分类器

隶属函数应能客观反映模式的不确定性分布情况, 模糊神经分类器中为每个输入特征划分相同数量的模糊变量显然是不合理的. 针对这一问题, 根据模糊积分的思想, 本文通过分析隶属函数的变化曲线来确定模糊密度, 以此为依据为输入特征划分合适的模糊变量, 并以Iris数据集为例验证了该方法的有效性.     

一种基于模糊感知器的模糊神经分类器

隶属函数应能客观反映模式的不确定性分布情况,模糊神经分类器中为每个输入特征划分相同数量的模糊变量显然是不合理的.针对这一问题,根据模糊积分的思想,本文通过分析隶属函数的变化曲线来确定模糊密度,以此为依据为输入特征划分合适的模糊变量,并以Iris数据集为例验证了该方法的有效性.     

基于多特征融合的汽车车型模糊识别方法

车型识别是智能交通系统中的一个重要组成部分.利用计算机视觉、模式识别等理论方法,对车型的有效特征提取与分类识别进行了深入的研究,提出了一种多特征融合的模糊聚类车型识别方法.通过自动调整各维特征的加权系数来调整特征对分类的贡献,结果表明达到了较好的分类效果.     

基于模糊融合的驾驶员眼睛状态识别

提出了一种基于模糊融合的驾驶员眼睛状态识别方法,利用多特征融合来判断眼睛状态,从而克服只利用单一特征识别的不完善、不准确以及不确定性等缺点。实验结果表明利用多特征融合方法的识别率明显高于只利用单一特征的识别率。     

基于灰度关联的多传感器融合目标识别方法

为实现对多传感器目标识别系统中目标的正确分类,提出了基于灰技术理论的多传感器融合的目标识别方法。其中,单传感器识别采用计算待识别目标的灰关联系数和灰关联度,利用灰关联度的排序得到目标在时域上的识别,最后,利用各传感器灰关联度矩阵的范数得到多传感器信息融合的识别结果。计算实例验证了该方法的有效性。     

基于分类器联合的表情识别

提出了一种基于分类器联合的人脸表情识别方法。首先采用CKFD算法在双决策子空间中提取两类表情特征并融合;分别利用最近邻、最小距离和神经网络三种子分类器进行识别;最后运用模糊积分对子分类器的识别结果进行融合。基于JAFFE的实验结果表明,它是一种有效的表情识别方法。     

模糊神经网络语音数据融合算法的研究

针对高嗓音环境中的语音识别问题，提出一种利用模糊神经网络进行语音数据融合的新算法。该算法按一定模糊规则对语音信号的特征参数进行模糊化，并通过神经网络对每个传感器语音信号的模糊特征参数进行分类和融合。仿真实验表明，该算法鲁棒性更强；与单传感器算法相比，语音识别率得到较大的提高。     

基于二阶模糊聚类算法的雷达目标距离像识别

针对于模糊C-均值(FCM)算法敏感于聚类中心初始值的缺点,提出一种基于二阶模糊聚类方法。该方法利用传递闭包(TC)算法无初始化的优点,先对样本集按一定分类水平进行划分,选取若干类,求得这些类的样本均值作为FCM算法的初始聚类中心。一方面能够获得理想的聚类中心初始值,同时还能通过分类水平值来优化聚类中心数和聚类中心,避免局部最优,克服一致性聚类。利用该算法对三类飞机目标的实测一维距离像数据进行了识别实验,实验结果表明,基于二阶模糊聚类方法的识别率比FCM有了明显的改善。     

融合模糊认知图用于语音情感识别

模糊认知图（Fuzzy Cognitive Map,FCM）作为一种图分析方法已在数据分类方面得到应用,为了提高其在语音情感识别中的分类精度,提出了融合FCM的方法。其中包括特征级融合和决策级融合两种方式。详细分析了这两种方式并提出将传统的模糊认知图的数值型输出转化为概率型输出,为不同特征提供了统一范围的初级识别结果。在此基础上,提出了自适应权值决策级融合方法。该方法充分考虑了分类器对不同特征的识别准确率差异。实验证明,提出的融合FCM方法相较于单一特征和单一分类器,具有更优的分类性能,同时大大降低了情感间的混淆程度。     

双色红外图像目标多特征决策级融合识别算法

针对双色红外成像系统中的自动目标识别问题,提出了一种采用多特征多分类器决策级融合的目标识别算法。该算法首先提取目标的形状特征和面貌特征;接着基于各种不同特征设计多个分类器对目标进行分类;然后采用所设计的多分类器决策级融合策略对多个分类器的目标分类结果进行融合处理;最后采用所提出的决策规则对多分类器融合分类结果进行处理得到最终的目标识别结果。该算法充分利用了目标在多传感器图像中的多种分类特征信息,在较大程度上提高了系统的目标识别效率和精确性。实验结果证实了该算法的有效性。     

基于绝对偏差的多传感器目标识别方法

针对具有多个特征指标的多目标识别问题,提出了一种新的多传感器信息融合方法。该方法根据最大最小隶属度函数得到指标隶属度矩阵,通过求解各目标类别综合隶属度的绝对偏差最大的优化问题,客观地获得了属性的权重,从而给出目标识别算法,提高了识别结果的客观性和区分程度。工件识别实例验证了算法的有效性和实用性。     

动静态信息融合及动态贝叶斯网络的步态识别

步态是远距离视频监控领域最具潜力的生物特征。目前对步态的识别研究大都是考虑单一条件下步态的识别率,但在穿外套、背包等混合条件下识别率较低,通过分析人体行走时步态的时序特征,提出一种基于动静态信息相结合的多信息融合的动态贝叶斯网络(DSIF-DBN)。模型含有3层状态,模型中每个时间片都为静态信息和动态信息的融合。此模型能很好地表达步态的时序特性,即步态行走时人体姿态,运动幅度等特征的节奏性变化。实验结果表明该方法有较高的识别率,能有机地融合步态的静态信息及动态信息,并且在有噪声及信息缺失的情况下有较好的鲁棒性,大大降低了外套及背包对步态识别的影响。