基于主轴分析和团块特征提取的ISAR目标检测方法

传统的目标ISAR成像特征提取方法,对其能量分布、局部关键性质考虑不足。考虑到一般强散射点主要分布在目标主轴附近,文中提出了一种基于ISAR目标主轴分析的团块特征提取方法,首先通过强散射点坐标矩阵求得目标主轴方向及目标中心;在此基础上沿目标能量的主要分布范围对目标进行团块分割。提取到的团块特征,避免了强散射点对弱散射点几何结构表现能力的抑制,既可以反映目标直观特征,又可以较好反映目标的能量分布细节。仿真结果证明文中提出的方法是有效的。     

一种基于步幅长度及频域特征的步态识别方法

步态识别作为一种较新的生物认证技术有其独特优势,它旨在根据人行进过程中的行走步态模式来识别其身份.提出一种基于步幅长度及频域特征的步态识别方法:首先采用背景减除算法实现运动人体检测,并根据步幅长度变化特征进行周期分割.然后提取步幅长度极值结合关键帧的频幅均值构成五维特征向量,最后用标准模式分类器在中科院自动化所提供的CASIA步态数据库中进行实验,在降低了算法复杂度的同时,获得了令人鼓舞的实验结果.     

基于行为特征识别的网络诈骗嫌疑人追踪系统

在互联网日益发展的今天,网络诈骗随时随处都在发生,犯罪嫌疑人的身份极难识别,给网络诈骗案件的侦破带来了困难。文章以即时聊天工具QQ为例,对网络诈骗嫌疑人身份识别及追踪给出一个完整的解决方案。文章的思路是通过行为特征来进行嫌疑人的身份识别,行为特征指不同人的击键特征,能够高精准地区分不同的人,而且键盘普及率很高,这给系统运行提供了硬件环境。在系统中,文章通过监听用户键盘击键进行击键特征提取,并且引入本地验证和服务器验证对用户进行身份识别,通过IP对疑犯进行定位,从而协助执法人员进行网络诈骗案件的侦查。     

基于图像特征提取与感性工学的公寓自选人机系统设计

本研究结合感性工学语义量化（SD）方法,挑选用户公寓样本图片,通过调查问卷得出11对感性意象词汇,对他们进行等级评价,整理数据,采用因子分析法建立情感空间,然后提取样本图片的基础特征,颜色特征采用颜色直方图法,而图片形状分析则采用Canny算子边缘检测算法。再通过BP神经网络方法映射图像特征与用户感性词汇之间的关系,最后组合实现了用户自选公寓人机交互系统。该系统致力于实现人机交流,对人机交互的发展有一定意义。     

基于流形学习的整体正交稀疏保留鉴别分析

稀疏保留投影是一种有效的特征提取方法,但是其主要关注样本间的全局稀疏重构关系,并且得到的投影变换通常不是正交的。在实际应用中,图像数据往往处于高维空间中的一种低维流形中,正交性一直被认为有利于提高鉴别能力。文中以有监督学习的方式在稀疏保留投影中引入了流形结构保留,并使得投影空间正交,从而提出了一种新的特征提取方法,即基于流形学习的整体正交稀疏保留鉴别分析（MLHOSDA）。在人脸和掌纹图像数据库的实验结果表明此方法具有较好的识别效果。     

人脸识别在远程登录中的应用

介绍了远程登录中使用人脸进行身份验证的方法,讨论了系统结构和关键技术,给出了实验结果．此方法采用奇异值分解和判别式KL投影提取特征,利用类内平均距离作为验证依据,适用于人脸样本数量不是很大的情况．实验证明,该系统具有较好的应用效果。     

基于MapWinGIS的海缆故障数据全方位可视化仿真

针对海缆部署环境复杂,不利于现场检测的问题,设计了基于MapWinGIS的海缆故障数据全方位可视化系统.为了准确有效检测出新型多模光纤海缆故障,在系统底层构建了布里渊分析模型,利用布里渊特性分析将采集到的数字信息转换成具有实际意义的关联信息,根据温度与应变计算海缆的全方位状态数据,包含各类故障数据及其波形.系统中间层对数据做特征提取、重构,降低数据的冗余度,得到海缆故障的类型和位置.系统上层实现海缆数据分析结果和模拟波形的显示.通过仿真海缆故障,验证了布里渊特性分析具有良好的抗噪和拟合效果,能够准确捕获到各类故障造成的参数异常情况,设计的海缆故障可视化系统能够全面准确的监测海缆的故障类型及其故障位置,提高海缆故障监测的整体性能.     

CT图像局域阴影特征小波阈值提取方法

利用当前方法对CT图像局域阴影特征提取时未对CT图像进行预处理,存在峰值信噪比低、ROC曲线低和特征分离度低的问题.提出CT图像局域阴影特征小波阈值提取方法,该方法确定小波阈值后对CT图像进行去噪,同时利用线性、分段线性以及非线性三种灰度变换方式以此增强CT图像分辨率,以便更加清晰地分辨CT图像局域阴影,并利用二维Dau-bechies小波分解CT图像局域阴影,将其分成若干个小图像后利用概率密度分布求解特征值,最终结合所有图像的特征值实现CT图像局域阴影特征提取.实验结果表明,所提方法的峰值信噪比高、ROC曲线高和特征分离度高.     

基于改进LLE算法的手势特征提取研究

在人机交互领域中,基于视觉的手势特征提取成为研究的热点,但手势存在较大范围的变化,很难实现对手势的有效分类.研究了一种基于LLE改进算法的手势特征提取方法.先将手势特征数据中的某个数据点与邻近数据点组成局部线性关系,对重构误差进行拉格朗日乘子算法优化处理,求出新的局部重建权值矩阵,为了使局部线性关系能够满足低维度空间,通过求解映射矩阵的方法,将手势特征样本数据的目标特征空间映射到低维度空间中.采用稀疏观察手势描述法对手势特征进行提取,根据手势参数对手势轨迹数据进行归一化处理,为了提高手势特征提取的实时性,采用支持向量分类器的方法将手势从难以分类的空间映射到高维度的手势空间中.实验结果表明,所提方法对手势的查准率和召回率较高,泛化性较好,即使在样本数据很少的情况下,也具有较好的识别效果.     

基于数据挖掘的用户行为特征提取系统构建

为充分缓解电量负荷压力,本文设计了基于数据挖掘的用户行为特征提取系统.按照电力信息提取框架的处置需求,连接用户行为管理模块与电力数据挖掘驱动单元,完成用户行为特征提取系统的硬件环境搭建.采用关联电力用户行为特征树,存储各类待挖掘的电力数据,完成系统的软件环境搭建,结合相关硬件设备结构,完成基于数据挖掘的用户行为特征提取系统设计.实验结果表明,与基于k-means的提取系统相比,应用新型特征提取系统后,电力用户的总负荷水平明显下降,电子转存频率也由47％提升至98％,用户端主体的电量负荷压力得到良好的平均与协调.