一种工程化的双门限辐射源目标识别方法

针对辐射源数量多、运动速度差异大、信息处理时效性要求高等特点,提出一类双门限辐射源目标识别方法;该方法首先构造信号与目标的相似度度量,通过双门限检测得到辐射源信号不属于任何目标、信号属于某个目标、模糊三类判定结论,对于模糊判定结果,构造差值门限进一步减小不确定性,提高目标识别能力;仿真结果表明所提出的方法能够快速有效地实现目标识别,便于工程化应用。     

基于投影匹配的钢坯端面字符快速识别方法

由于高温及复杂光照的干扰等成像环境的影响,钢坯端面字符自动识别存在很多困难,其实时自动识别难度大。现存的字符识别方法难以适应实际生产现场的需求。文章提出了一种基于投影匹配的快速识别方法,通过将图象二值化后进行垂直投影,直接将一维投影结果进行模板匹配,降低运算维数。大量的现场实验证明,该方法可有效的减少识别时间,提高生产效率,字符的拒识率和误识率较低,可满足生产线的实时要求。     

基于多类别支持向量机的城市交通网络模式分类研究

在网络层次上进行区域交通信号控制、交通分配和路径诱导是缓解交通堵塞的有效途径之一。为进一步提高城市交通网络分类检测的准确性,将支持向量机（Support Vector Machine）应用于交通事件的模式分类研究。通过提出一种基于多类别支持向量机的交通模式分类方法,设计了适合该检测系统的网络结构。仿真结果表明：相对于其他算法,城市交通网络的状态可分为数量有限且不同类型的模式,并且这些模式不断重复出现,当系统识别出网络处于某种模式时,就可参照事先确定的优化参数及策略进行交通控制和诱导,以缓解交通拥塞,提高交通系统的运行效率。该网络结构对于小样本数据具有检测率高、误报率低的优点,完全适用于城市交通的模式分类,同时也存在不足之处,指出了今后进一步研究的方向。     

基于小波过零点检测的虹膜识别方法研究*

在经典过零点算法的基础上,改进特征提取与匹配算法。分析各阶高通小波系数在同一算法下的识别率,以此选择小波系数来综合编码分析。采用不同的小波滤波器进行分析,考察不同的小波滤波器对算法的影响。DB3小波的识别率为99.61%,等错率为0.41%;四次B样条小波识别率为99.75%,等错率为0.25%;Coif3小波识别率为99.72%,等错率为0.29%。第五、六阶小波高通系数涵盖了虹膜纹理的主要信息,可采用第五、六阶小波系数进行编码识别。不同的小波滤波器得到的结果区别不是很大,DB3、四次B样条、Coif3     

模式识别和支持向量机在复合材料优化设计中的研究和应用

论述了复合材料设计及优化的基本研究方法,介绍模式识别和支持向量机人工智能法,举例详述复合材料设计及优化中的两种智能法,总结两种智能融合法在复合材料优化设计中的分类、建模、预测等基本研究方法和应用。举例说明模式识别和支持向量机在复合材料优化设计中重要的研究价值。最后对该领域的发展提出若干建议。     

一种基于脉冲耦合神经网络的语音情感识别新方法

针对汉语语音情感识别问题,提出了一种基于脉冲耦合神经网络(PCNN)的识别方法。该方法将语音转化为语谱图后输入到PCNN,得到输出图像的神经元点火序列及其熵序列作为语音情感的特征,利用其特征实现语音情感识别。实验结果表明,该方法可以有效地识别“高兴”与“平常”这两种不同的情感。该方法将PCNN引入到语音情感识别的应用研究中,开拓了语音和图像信号结合处理的新领域,同时对于PCNN的理论研究和实际应用具有重要的现实意义。     

基于局部二值模式和级联AdaBoost的多模态人脸识别

提出了一种基于局部二值模式(LBP)和 级联AdaBoost的多模态人脸识别方法。采用级联AdaBoost算法分别从人脸深度图像和灰度图像的大量区域LBP直方图(RLBPH)中选出最有利于分类的少量特征,并连接成一个直方图向量,再分别用线性判别分析构建相应的线性子空间,用余弦相似度作为投影向量的相似度量,用求和规则进行信息融合。在FRGC数据库上的实验结果表明,提出的方法采用少量的特征取得了很好的识别效果,等错误率仅为1.40%。     

基于支持向量机的纸张缺陷图像分类识别

根据支持向量机（SVM）在小样本、高维模式分类中具有的优良分类性能,提出将支持向量机应用于实际的纸张缺陷分类。针对三种现场易出现的缺陷,通过对缺陷图像进行预处理、特征选择,再利用SVM进行分类,利用交叉验证进行参数和模型选取,取得了较好的分类效果,为纸张缺陷的分类指出一种可行的方法。     

基于Gabor 小波SDF 匹配滤波器的人脸识别

提出一种基于Gabor 小波特征的综合判别函数（SDF）匹配滤波器人脸识别方法．该方法选用具有代 表性的人脸训练库,在Gabor 特征空间上生成相应的SDF 匹配滤波器;每幅测试图像在这些非正交向量的投影可 以生成一组相关特征向量,用两个相关特征向量的距离来衡量不同人脸图像之间的相似度．Gabor 变换、SDF 匹配 滤波器和类别特征分析法的采用,使得该方法对光照变化、表情变化等因素具有良好的鲁棒性,并具有良好的推广 性．基于FERET 人脸测试库的对比实验结果验证了该方法的有效性．     

基于FLDA、CPCA与HMM的人脸识别

为了获得具有较高识别率的算法,提出了一种将Fisher线性鉴别分析(Fisher Linear Discriminant Analysis)、复主分量分析(Principal Analysis in the Complex Space)与隐马尔可夫模型(Hidden Markov Models)相结合进行人脸识别的方法。对于输入的不同光照、人脸表情和姿势的图像先进行归一化处理,然后将归一化后的图像转化成一维向量,再用FLDA方法提取每幅图像的特征,形成新的复向量空间;通过运用复主分量分析,来抽取人脸图像的有效鉴别特征;最后通过HMM对这些特征进行训练,得到一个优化的HMM并应用于识别。在ORL人脸数据库中进行实验,实验结果表明,该方法具有较高的识别率。