指纹识别PDA的设计与实现

PDA是一种轻便、灵巧,具有很强的可移动性的设备,随着指纹技术的发展。其已经在金融保险、门禁、身份识别等领域得到了广泛的应用,详细地分析了指纹识别PDA设计的功能,并且详细地分析了指纹采集、指纹预处理、指纹特征提取、指纹识别等核心技术,设计实现了一个功能强大的指纹识别PDA。     

基于自排序熵的表面肌电信号特征提取方法

针对人体表面肌电信号的非平稳、非线性特点,提出一种基于排序熵和自互信息的自排序熵指标,定量描述表面肌电信号的内在动力学特性,实现肢体不同运动状态下肌电信号非线性特征的有效刻画.进行健康受试者上肢肘关节不同弯曲角度下表面肌电采集实验,计算其自排序熵指标并运用支持向量机进行动作识别,通过与已有表面肌电特征指标的对比分析,验证文中方法的有效性.     

基于BP神经网络的手写数字识别的算法

由于BP神经网络具有并行处理信息、自组织、自学习信息等优点,本文采用了BP神经网络对手写数字识别进行运算,提取笔画密度、长宽比和欧拉数等特征作为训练样本.并用Matlab对其算法进行仿真,并且很准确的识别出来,说明其有非常广泛的前景.     

特征抽象的直接体绘制方法

直接体绘制需要借助于传输函数,而设计一个有效的传输函数非常耗时且需要具备丰富的经验.为此提出一种不透明度自动调节的可视化方法.通过分析采样光线提取出数据的特征,并将这些特征抽象为不同层次的采样点,抽象采样点的不透明度根据采样光线上特征数的变化而改变;在保证最远抽象采样点可见度最大的前提下,推导并修改传统体绘制积分方程,得到基于抽象采样点的体绘制积分方程.实验结果表明,该方法不依赖于传输函数,能有效地展示体数据中的特征信息.     

基于有向复杂网络模型的形状描述与识别

针对传统复杂网络方法对形状的非刚性变形较为敏感等问题,在形状内部距离的基础上利用有向复杂网络进行形状分析.首先提取形状边界点作为复杂网络的节点,以形状边界点之间的内部距离作为复杂网络中节点之间的边权值构建初始网络;然后对初始复杂网络进行k近邻演化,得到不同演化时刻的有向子网络;最后提取各有向子网络的特征来实现复杂网络的特征描述,进而实现形状的特征表示.实验结果表明,该方法对常见的形状变形具有更强的鲁棒性;与传统的无向网络模型相比,具有更高的检索和分类精度.     

鲁棒的加权核主成分分析算法

为减弱离群点对数据处理的影响, 提出了一种鲁棒的加权核主成分分析算法。利用核函数将样本投影到核空间, 在核空间构建一个样本加权重建误差最小模型, 最大限度地提取数据中的非线性信息并降低离群点样本的干扰。在Yale人脸库和UCI数据集上的实验表明, 该方法具有很好的识别率, 尤其对离群点样本具有较好的鲁棒性。     

基于多重分形特征的防空雷达目标分类方法

在介绍常规雷达飞机目标回波数学模型的基础上,利用多重分形测度分析手段,分析了常规雷达飞机目标回波的多重分形特性及其多重分形特征的提取方法,并从模式分类的角度,提出了利用多重分形特征对喷气式飞机、螺旋桨飞机和直升机等三类飞机目标进行分类的方法.实验表明,上述三类飞机的目标回波数据具有显著不同的多重分形特征,所定义的多重分形特征参数可以作为飞机目标分类和识别的有效特征,仿真实验验证了所提方法的有效性.     

高维数据挖掘中基于中位数回归的特征提取新方法

为降低噪声对数据特征提取(变量选择)效果的不利影响,基于中位数回归分析方法,利用变量选择降维技术(正则化估计),提出了一种稳健、有效的特征提取(变量选择)新方法,并具体给出了估计算法,该算法具有快速计算的特点.实验结果表明,新方法能够有效地对高维数据集进行估计和变量选择,且具有较高的准确性,即使数据中的信噪比很低时,该方法仍具有较好的效果.因此,该方法为高维数据挖掘特征提取提供了稳健且有效的方法.     

基于MATLAB指纹图像处理与识别的研究

该文利用专门的指纹采集设备获取指纹基本图像,基于MATLAB对指纹图像进行预处理,包括图像增强、图像二值化、分割和归一化。对指纹特征提取指纹类型、坐标和方向参数后,利用BP神经网络进行训练识别。识别实验效果明显,识别率高。     

面向情感特征的风景图像分类研究及其实现

视觉活动是认知外部世界的主要途径,视觉感知源于物体的外形、色彩及纹理。而颜色特征的不同对人类情感变化起着至关重要的作用。鉴于不同风景图像会产生不同的颜色特征和情感特点,如何建立图像颜色特征与用户评价之间的关系并加以鉴别具有重要的研究意义。该文在学习前人提出的各种颜色提取分类算法的基础上,结合图像的颜色直方图对风景图像的颜色特征进行提取,并利用支持向量机的方法对图像进行分类。实验表明,该方法取得了较好的准确率。