一种彩色图像去噪的快速PGF滤波算法

提出了一种去除彩色图像噪声的快速PGF滤波算法.首先介绍了基本的PGF滤波算法,然后在分析PGF滤波算法的基础上,提出了一种简化的PGF滤波算法.最后,对该算法进行了仿真研究,仿真结果表明该算法在完成图像的噪声平滑和边缘保持的同时实现了图像的快速滤波.     

环境化合物降解预测模型的研究

为建立化合物降解的计算机预测模型,确定降解和非降解化合物显然不同的参数.选择389个有机分子作为数据集,选其中312个为训练集,其余77个为验证集,每个分子计算195个分子参数,分别采用逐步判别法和主成分分析法建模,并用外部验证集验证模型的预测能力.结果:逐步判别法分析结果中,训练集的降解和非降解化合物的正确率分别为90.6%和69.5%;验证集的降解和非降解化合物的正确率分别为83.9%和63.6%.主成分分析结果在测试集中,降解和非降解化合物的正确率分别为80.4%和31.8%.验证集的降解化合物和非降解化合物的正确率分别为67.9%和50.0%.因此,采用逐步判别法模拟而建立的数学模型,可作为预测化合物降解的模型.以卜研究可以为预测有机物降解提供参考.     

浅谈机器视觉

简单的讲机器视觉就是用机器代替人眼来做测量和判断.通过成像器件(即图像摄取装置,分CMOS和CCD两种)将被摄取目标转换成图像信号,传送给专用的图像处理系统,根据像素分布和亮度、颜色等信息,转变成数字化信号;图像系统对这些信号进行各种运算来抽取目标的特征,进而根据判别的结果来控制现场的设备动作.     

航嘉冷静王标准版真假判别

作为航嘉知名度最高的产品之一,冷静王标准版一直以噪音低,品质出众受到消费者的青睐。然而最近市场上出现了一种假冒的冷静王标准版电源,由于普通消费者无法辨别电源的真伪,导致很多人不知不觉买了假货。其实真货和假货之间还是有比较明显的区别,只要仔细观察,不难看出假货的破绽。     

基于一种改进NMF算法的人脸年龄估计方法

基于人脸图像的年龄自动估计是人脸识别领域的一个重要研究方向,同时也是一个难点。对此,提出了一种改进的NMF算法来实现人脸年龄估计,该算法首先对NMF分解的基图像进行判别分析,保留最具判别力的基图像来构造子空间,然后将整体训练集图像向得到的子空间进行投影,并用RBF(radial basis function)神经网络进行训练和测试,提取包含在大多数人脸图像上的年龄信息来进行年龄估计,实验结果表明,该算法获得了较好的测试结果。     

用于研究专家系统的另一神模型──判别树及其寄生树

本文提出的判别树是一种既系统又直观地描述判别思路的模型,寄生树是一种用来判定判别树中结点的子特征的判别树。在专家系统的研究中,应用本模型有三个优点：①可有条理地描述、整理复杂的分类判别知识;②易于转换出相应的产生式规则或框架形式的知识库;③能清晰直观地指导设计高效的判别推理机。     

基于直流电流动态上升的高压直流输电系统换相失败分析

针对现有换相失败分析方法未考虑交流系统故障后直流电流动态上升对关断角影响的问题,在分析直流电流变化对关断角影响的基础上,首先推导了对称故障下未考虑直流电流变化以及考虑直流电流瞬时变化的换相失败分析方法。分析结果表明,当逆变侧换流母线电压跌落在一定区间内,以上2种方法会导致换相失败判别结果不准确。为此考虑交流系统故障后直流线路和直流控制的动态过程,推导了直流电流的时域表达式,通过求解直流电流最大值,提出了一种考虑直流电流动态上升的换相失败分析方法。最后基于PSCAD/EMTDC仿真平台验证了所提方法的有效性以及对高压直流输电系统换相失败判别结果的正确性。     

基于FDR和时频脉冲转换的长电缆缺陷极性识别研究EI北大核心CSCD

为解决采用频域反射技术进行长电缆缺陷检测时,其结果易受低频段数据缺失占比的影响,而难以判断电缆缺陷极性的问题,该文提出一种基于频域反射技术的电缆阻抗失配点时频脉冲转换算法以实现缺陷的定位和极性判别。首先,采用2阶Nuttall自卷积窗的快速傅里叶计算方法对不同类型的电缆阻抗失配点进行定位。其次,提出电缆阻抗失配点时频脉冲转换算法,利用高斯窄带包络信号良好的频段调节能力和时频特性,详细阐述了时频脉冲的参数设计和极性判断方法。之后,运用仿真,对不同类型的阻抗失配点进行时频脉冲转换,验证了该算法的有效性。最后,采用该算法对实验室含接头长1500m的10k V XLPE电缆进行实验验证。仿真和实验结果表明:时频脉冲转换算法可以有效地定位长电缆阻抗失配点并且实现不同类型阻抗失配点的极性识别;同时,不同长度电缆阻抗失配点的时频脉冲转换结果不受低频段数据缺失占比的影响,有效提高了长电缆阻抗失配点的极性识别率。     

基于迁移判别回归的跨域语音情感识别

针对实际情况下训练和测试数据来自不同领域数据库导致识别性能下降的问题,提出了一种基于迁移判别回归的跨域语音情感识别方法。首先,引入最大均值差异和图拉普拉斯项作为域间联合距离度量,在减小概率分布差异的同时,很好地保留数据的局部几何结构,从而学习到一个可迁移的公共特征表示。其次,本文采用一种能量保持策略,以避免迁移过程中目标域信息的丢失。此外,通过引入判别回归项,利用已标记的源域样本在公共子空间中训练一个可迁移的判别回归模型。最后,为了使学习到的模型具有特征选择能力和鲁棒性,分别对投影矩阵和回归项施加L_2,1范数约束。在3个公开数据集上的实验结果表明,本文提出的算法相较于其他几种迁移学习方法具有更好的识别性能。     

基于深度学习与SVM的吸毒成瘾者识别

提出一种使用PCA和线性判别器的神经网络模型,利用深度学习方法通过面部图像及抽象特征中的局部信息识别吸毒成瘾者的成瘾程度和社区矫正时间。首先对主干网络Res Net50进行预训练;再使用PCA降低特征数、Fisher判别器进行预判,从而使模型的训练时间减少、特征提取更加准确和快捷;最后网络末端通过全连接层与SVM函数的组合进行分类。随机梯度下降的优化目标采用了交叉熵损失。实验表明,此方法对于吸毒成瘾程度的识别准确度可达81.74%,对于社区矫正时间的识别准确率可达60.59%。