基于菜盘特征提取的食堂自助支付系统

本文提出一种基于菜盘特征提取的食堂自动支付系统的设计方案．该方案基于对菜盘特征的提取及图像识别技术,以达到自动结算功能,同时配合以员工卡或校园卡的应用,达到自助支付功能,从而完成整个食堂的无人值守的自动结算白助刷卡付费的全套过程．     

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。     

观点句中评价对象/属性的缺省项识别方法研究

在多对象、多属性的评论文本中,评价对象和评价属性的缺省识别对于观点挖掘有着重要的作用。针对情感观点句中评价对象和评价属性的缺省问题,该文提出一种有效的缺省项识别方法。首先构造缺省项识别规则集,用于获取待识别的缺省项侯选集;将缺省项识别问题看作一个二元分类问题,选用词法和依存句法作为特征,使用决策树分类算法C4.5训练分类器模型,在测试集上对待识别的缺省项进行判别。实验结果表明,使用依存句法特征集分类的F值优于词法特征集约2%。将词法和依存句法两类特征融合与单类特征相比,分类精确率和F值分别提高了10%和5%左右,说明词法特征和依存句法特征的融合有利于缺省项识别。     

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.     

基于半监督学习的一种图像检索方法

为了提高图像检索的质量, 提出了一种基于半监督学习的图像检索方法。该方法提取图像的颜色、形状、纹理特征, 计算得到已知类别样本的中心图像, 检索过程中利用中心图像自适应调整相关度计算函数, 然后根据与查询图像相关度的大小对图像进行检索和排序。实验结果表明：该方法较已有的基于内容的图像检索方法有更高的查准率, 同时, 由查准率—查全率曲线可知该方法能够达到很好的检索质量。     

基于本体的特征模型演化的一致性验证

针对特征模型的演化导致特征间的冲突问题, 从特征模型的演化方面进行研究, 提出了一种基于本体的特征模型演化的一致性验证方法。首先采用本体理论方法对特征模型的演化进行分析和建模, 建立本体的特征模型元模型; 其次基于上述元模型, 为网上购物系统实例建立相应的网上购物的领域特征模型, 根据需求裁剪出产品特征模型; 然后在Eclipse集成开发环境下, 通过Jena推理机加载规则和产品特征模型进行一致性验证, 当检测到冲突时, 采用演化策略来消除冲突; 最后通过实例研究说明了该方法的有效性。     

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.     

时间序列数据挖掘中特征表示与相似性度量研究综述

分别分析了时间序列特征表示和相似性度量在数据挖掘中的作用和意义,对目前已有的主要方法进行了综述,分析各自存在的优缺点;同时,探讨了将来值得关注的问题,为进一步研究时间序列数据的特征表示和相似性度量提供了方向。     

一种基于SIFT算法的图像镜像变换识别方法

SIFT(scale invariant feature transform)算法提取的图像特征对图像自身的镜像变换匹配精度不够。针对此问题,对SIFT算法进行了改进,提出FI-SIFT(flip invariant SIFT)算法:利用纵坐标方向的梯度初步判断图像是否为镜像变换,若是则把特征向量映射为极坐标,对极坐标进行重组后,再逆变换到直角坐标系,更新特征向量;然后基于欧式距离匹配两幅图像中的关键点。实验结果表明,采用FI-SIFT算法提取的图像特征进行镜像变换匹配,匹配精度有了很大提高,由改进之前的0.6上升到0.9。     

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.