基于双通道异构传感器融合的手势识别方法

为了捕捉用于动态手势识别的完整手势运动序列,需要同步获取手掌空间位置变化和手掌姿态变化两部分信息,而现有的单一传感器都由于自身的限制而难以实现.因此,提出一种基于双通道异构传感器深度摄像头和陀螺仪融合的动态手势协同识别模型,该模型同时从手掌空间位置的变化和姿态的变化两方面获取完整的手势运动数据,通过数据预处理、基于互信息的特征层融合和分类识别,提高手势识别效率和准确率.通过对数字手势0-9和小写英文字母手势a z的识别实验结果表明,提出的动态手势协同识别模型能够在有效降低特征向量维数和计算复杂度的同时,提高手势识别的准确率.     

基于先验知识的目标平台识别方法

目标平台识别是雷达侦察任务中的一项重要内容。传统目标平台与辐射源识别结果关联方法未对目标配属辐射源的特征信息进行利用,存在着一定的模糊性。为此提出一种利用数据挖掘对辐射源与目标平台之间存在潜在关系进行挖掘的方法,并以此进行目标平台识别和可信度赋值。该方法实现简单,获得的结果可以直接参与多传感器融合的目标识别处理,具有较强的实用性。     

利用Ontology改进的自动化图像标注方法

图像检索系统大多是利用图像的底层特征如颜色、纹理和图像来分析图像,没有考虑图像内容及其对象的内容语义,导致对图像的理解不佳.为使系统能更准确的理解图像中的对象及其深层语义,分析了目前图像标注的优缺点,提出了一种以底层特征为基础,利用本体论建构的知识辅助计算机分析图像中实体对象,判断对象与对象间在现实世界中存在的合理相关性,进而对图像进行标注.实验结果显示加入本体论辅助标注图像大大提高了图像识别的准确性.     

基于拉曼光谱CCD信号的谱峰识别技术研究

针对在线拉曼光谱信号存在荧光背景和严重谱峰重叠的情况,提出了一种从含荧光背景信号中提取有用信号并对其进行充分分离的谱峰识别方法。首先采用小波变换扣除原始信号中的荧光背景(即低频成分),然后采用免疫算法对有用信号进行分离。由于免疫算法在组分较多情况下收敛速度慢甚至不收敛,因此,又采用主成分分析(PCA)法得到累计百分比,对免疫算法中的标准信号进行加权,从而完成对重叠拉曼光谱信号正确、快速地识别,并很好的满足了在线拉曼光谱仪在工业现场谱峰识别准确快速的要求。     

一种基于社会网络的SIP垃圾即时消息的检测方法

根据SIP即时消息通信的行为特征,建立用户的社会网络关系图;提出一种IMNTA(IM network topology arithmetic)算法,将具有双向通信关系的用户归并为一类,建立SIP垃圾即时消息识别模型.通过提取待检测的即时消息的特征属性,判定是否SIP垃圾即时消息,并对SIP垃圾即时消息识别模型进行自动更新.实验结果表明,本方法只需要少量信息就可以快速、准确地对SIP垃圾即时消息进行检测.     

利用NDVI时间序列识别汶川地震滑坡的分布

利用MODIS NDVI产品,生成了全年16天间隔的NDVI时间序列,再经过Savitzky-Golay滤波后消除了云的影响,可以用来识别滑坡。假设2007年、2008年研究区土地利用状况基本不变,对比2007年和2008年两年的NDVI序列,并结合汶川地震的发生时间,可以识别出研究区发生滑坡的区域分布。结合平武县30mETM目视解译滑坡结果,对自动识别方法进行了验证。结果表明:MODIS识别出的滑坡与目视解译结果匹配较好。在此基础上,将本文方法应用到受汶川地震影响最严重的13个县区级行政区,并综合研究区坡度信息,识别出了汶川重灾区滑坡分布概图。     

读写器可移动的RFID高效认证协议

无线射频识别(RFID)对后端数据库的搜索效率低,且读写器的移动性差。针对该问题,基于ElGamal重加密算法,提出一种读写器可离线工作的RFID安全协议,利用GNY逻辑证明该协议的安全性。理论分析结果表明,其能抵抗重传攻击、去同步化攻击、假冒攻击、针对标签的隐私攻击,减少后端数据库的搜索次数,降低Hash计算量,提高执行效率。     

一种新型ICA算法在RFID系统中的应用

针对无线射频识别系统在通信过程中的防碰撞问题,从信号处理的角度,提出一种基于盲源信号并行分离技术的防碰撞处理算法,其中包括信号白化技术,以及一种改进的独立元分析(ICA)信号并行分离方法.功能仿真结果证明,该算法的吞吐率最高达到69％,与吞吐率只有18％的传统Aloha算法相比,该算法能提高防碰撞能力.     

基于关键词抽取的自动文摘算法?

针对生成文摘内容不完整的问题,利用相邻词的共现频率进行未登录词识别,提出一种通过词汇链的构建进行中文关键词抽取和文摘生成的算法,并给出一种采用《知网》为知识库构建词汇链的方法。通过计算词义相似度构建词汇链,结合词汇所在词汇链的强度、信息熵和出现位置等属性,进行关键词抽取和句子重要度计算。实验结果表明,与已有算法相比,该算法能够提高生成摘要的召回率和准确率。     

用于中文缺省识别研究的机器学习方法

实现一个基于机器学习的中文缺省项识别系统,对语料库进行预处理,选取多个特征及其组合,通过支持向量模型(SVM)构建的缺省识别模型进行中文缺省识别。研究系统在不同句法分析树上的性能。实验结果证明,该识别系统在标准的句法分析树上F值能达到84.01%,在自动句法树上能达到68.22%。