基于样本扩张和最大散度差融合的单样本人脸识别算法

为解决只有一个训练样本时最大散度差(MSD) 鉴别分析在人脸识别中的识别性能会降低这一问题,提 出一种基于样本扩张和MSD融合的单样本人脸识别算法。首先,根据人脸的对称相似理论 ,人脸样本的相关变化信息可 以从它的对称脸上提取,并且平均脸也具有要识别测试人脸的某些可能变化,提出组合原始 训练样本及它的虚 拟平均脸和虚拟对称脸作为新的训练样本集;然后,在新的训练样本集上应用类内中间值MS D鉴别分析算法得到最 优投影矩阵,从而可以基于这个最优投影矩阵计算训练样本和待测试样本的特征;最后利用 模糊决策方法进行分类。在ORL和FERET人脸数据库上的大量实验结果表明,本文算法可以提 高识别率,具有一定的鲁棒性。     

一种低功耗的13位100MS／s采样保持电路

采用TSMC0．18μm 1P6MCMOS工艺设计了一种高性能低功耗采样保持电路。该电路采用全差分折叠增益自举运算放大器和栅压自举开关实现。在3．3V电源电压下,该电路静态功耗仅为16．6mw。在100MHz采样频率时,输入信号在奈奎斯特频率下该电路能达到91dB的SFDR,其有效精度可以达到13位。     

基于Gabor和核监督局部保持投影的单样本人脸识别算法

针对目前主流人脸识别算法,在单样本条件下,当性能严重下降根本无法工作时,提出了一种结合Gabor和核监督局部保持投影的单样本人脸识别算法.选取数据库中中性表情的近正面人脸图像作为训练样本,通过几何变换产生15幅虚拟样本,对每幅样本图像提取Gabor特征,采用核监督局部保持投影方法进行特征提取,欧氏距离最近邻分类器进行分类.根据ORL数据库、Yale数据库和FERET数据库上的实验结果表明,核监督局部保持投影(GKSLPP)算法具有较好的识别效果.     

浅析如何提高网络分析仪的扫描速度

扫描速度是矢量网络分析仪的一项重要指标,尤其是在生产线的应用上这项指标更值得关注。该文简要介绍了在设计网络分析仪时,在提高扫描速度方面所要注意的几个关键点。     

基于改进C均值的故障诊断

本文提出改进的C均值算法.改进算法引入数据场模型,通过故障点在数据场中的势值找出噪声点并踢出,利用故障点在数据场中呈现的自然聚集特性选择初始聚类中心指导FCM聚类.仿真实验的结果表明,改进算法弥补了FCM算法的缺陷,提高了聚类的效率和准确性,在故障诊断过程中有很好的表现.     

ISP拓扑测量中的源点部署方法

ISP拓扑测量中合理部署测量源点对于获取完整的网络拓扑有重要意义.现有研究主要基于拓扑已知的假设来讨论该问题,然而在拓扑未知情况下如何部署测量源点尚缺乏深入研究.本文通过分析ISP网络组成特点,提出了"城市覆盖"的源点部署方法.配合适当的目标集合,该方法能从理论上保证ISP拓扑中骨干链路的完整性.实验结果表明,这种源点部署方法在发现ISP骨干链路方面是有效的.     

基于卷积神经网络迁移学习的飞机目标识别

飞机目标识别是地面情报系统的一项重要关键技术。近年来火热的深度学习方法,如卷积神经网络,展现出对于图像识别任务的优越性能。但是,训练卷积神经网络需要大量的带标签样本以估计规模庞大的模型参数,因而限制了其在雷达目标识别领域中的应用。针对飞机目标识别中的小样本问题,文中引入适用于有限数据场景的迁移学习技术,预先在其他大样本高分辨距离像数据上训练一个初始卷积神经网络模型,再结合当前飞机目标识别任务调优模型参数。在实测数据上的实验结果显示,与仅使用卷积神经网络的方法相比,所提方法可显著提升识别准确率,验证了方法的有效性。     

基于背景纯化的改进协同表示的高光谱异常目标检测

针对协同表示的高光谱异常目标检测算法的异常点敏感问题,提出了一种基于背景纯化的改进协同表示的高光谱异常目标检测算法。利用扩展数学形态学的膨胀操作消除局部背景模型中可能存在的异常点,从而得到更为纯净的背景字典,能够有效地消除检测过程中异常点对检测效果的负面影响,从而提高检测精度。采用该算法对高光谱数据进行仿真实验,并与现有算法进行对比,结果表明该算法具有更好的检测效果。