面向短文本的命名实体识别

针对短文本命名实体识别这项紧缺任务,提出了一种面向短文本的快速有效的命名实体识别方法。该方法主要分成三步：第一步,针对短文本表达不规范特性对命名实体识别的干扰,采取去干扰字符,化繁为简等规范化操作。第二步,针对短文本语意不完整特性,提出用HMM（隐马尔可夫模型）以词性做观察值进行初步命名实体识别。第三步,据初步识别结果,构建拼音同指关系库来识别潜在实体。在由8464篇短文本构成的测试集上运行的实验表明,该方法能较好地进行短文本命名实体识别。     

基于手势识别的机器人人机交互技术研究

研究了基于视觉的动态手势识别技术,采用基于肤色的高斯模型与改进的光流场跟踪算法结合的方 法,实现了复杂背景下实时的手势跟踪,具有快速和准确的特点,且具有较好的鲁棒性．对于动态手势识别器,采 用了隐马尔可夫模型（HMM）作为训练识别算法．考虑到动态手势特征本身的一些特点,对HMM 参数优化算法重 估式加以修正,调整了算法比例因子,从而推导了最佳状态链的确定算法、HMM 参数优化算法．最后将研究开发 的动态手势识别算法成功地应用到了基于网络的远程机器人控制系统中．     

函数S-粗集与规律F-隐藏

函数单向S-粗集(Function one direction singular rough sets)是用R-函数等价类定义的,函数是个规律;函数单向S-粗集具有规律特征、动态特征.利用函数单向S-粗集,给出规律F-隐藏概念,提出规律的F-隐藏定理,隐藏识别准则,给出规律的F-隐藏的应用.规律的F-隐藏是函数S-粗集中的一个新的应用研究方向,函数S-粗集是信息规律研究中的一个新理论与新工具.     

基于类内均值的双投影2DPCA人脸识别方法

在人脸识别问题中,如何提取具有鲁棒性的人脸特征和降低特征维数是两个关键。根据二维主成分分析方法直接利用二维图像来构建方差矩阵的优点,引入了类内均值的思想,首先计算每类训练样本的类内平均脸,并用它对各类样本进行规范化处理,有效扩大了类间样本的差别,缩小了类内样本的差别,进行协方差矩阵的计算并提取最优投影特征向量进行人脸图像的特征提取,通过在水平和垂直两个方向上顺序执行两次提取和投影的操作,极大压缩了特征的维数,克服了传统二维主成分算法的不足。在人脸库ORL和Yale的试验对比结果表明,方法对光照与表情变化有较好的鲁棒性,能实现较高的识别率,因此在实际中具有一定的应用意义。     

基于免疫和模糊模式识别的检测器生成模型

分析了在检测器生成过程中引入模糊模式识别的原因,提出了一种基于免疫原理和模糊模式识别的检测器生成模型,该模型的核心算法是基于隶属度的检测器选择算法.详细描述了该算法的算法流程和检测器对非我抗原集合隶属度的计算算法,并简述了初始检测器生成算法和分层检测策略.设计了仿真试验,并将实验结果同传统方法进行了比较,详述了仿真实验中各个参数选择的依据和理由,试验结果表明新模型呈现较高的检测率和低的误检率.     

应用分类器组合模型进行岩性识别

为了达到应用模式识别对储层岩性进行准确的识别,根据不同性质分类器的组合可以较全面描述一个模式从而降低识别错误及增强识别鲁棒性这种特性,结合模糊数学中的隶属度实现了多个分类器的定量组合.应用了几种不同的分类器进行组合,同时应用某油田的岩性识别作为实例进行验证,并与单个分类器进行比较,结果表明在间等条件下组合分类器的性能要比单个分类器的性能要好得多.这说明了应用不同性质的分类器进行组合识别的分类方法足可行性和有效性.     

基于图像质量分区的指纹特征提取

低质量指纹图像的特征提取和变形指纹的匹配是当前指纹识别研究中的两个主要问题。很多算法在特征提取时不区分高、低质量区域,结果在高质量区域耗费了过多的运算时间和计算资源。本文提出了一种基于图像质量分区的指纹特征提取方法,先用一种简单的图像区域质量计算方法评价各区域的图像质量,然后对高质量区域直接从灰度图像跟踪纹线、提取节点,对低质量区域执行传统的方向计算、增强、二值化和细化后提取特征。实验结果表明,该方法不仅提高了特征提取的速度,在准确性上也有所提高。     

一种工程化的双门限辐射源目标识别方法

针对辐射源数量多、运动速度差异大、信息处理时效性要求高等特点,提出一类双门限辐射源目标识别方法;该方法首先构造信号与目标的相似度度量,通过双门限检测得到辐射源信号不属于任何目标、信号属于某个目标、模糊三类判定结论,对于模糊判定结果,构造差值门限进一步减小不确定性,提高目标识别能力;仿真结果表明所提出的方法能够快速有效地实现目标识别,便于工程化应用。     

基于投影匹配的钢坯端面字符快速识别方法

由于高温及复杂光照的干扰等成像环境的影响,钢坯端面字符自动识别存在很多困难,其实时自动识别难度大。现存的字符识别方法难以适应实际生产现场的需求。文章提出了一种基于投影匹配的快速识别方法,通过将图象二值化后进行垂直投影,直接将一维投影结果进行模板匹配,降低运算维数。大量的现场实验证明,该方法可有效的减少识别时间,提高生产效率,字符的拒识率和误识率较低,可满足生产线的实时要求。     

基于视角置信度和注意力的暴力行为识别

暴力行为容易出现遮挡情况, 识别准确率较低. 目前, 一些算法加入多视角视频输入来解决遮挡问题, 以等量权重将所有视角数据融合, 但是不同视角的视频因拍摄距离和遮挡情况本身就对识别存在差异性. 针对该问题, 本文提出一种基于视角置信度和注意力的暴力行为识别方法, 提高暴力识别的准确率. 本文将时序差分模块TDM的输入扩展成多视角, 将通道注意力机制运用在片段维度来增强TDM中跨段特征提取能力, 通过背景抑制方法突显移动目标的纹理特征并计算出每个视角图像的置信度, 引入双线性池化方法融合多视角视频特征, 根据视角置信度分配每个视角局部特征的权重. 本文在公开数据集CASIA-Action和自制数据集上进行了验证. 实验表明, 本文提出的视角置信度方法优于改进前的双线性池化方法, 暴力行为准确率相较于现有的行为识别方法取得了更好的效果.