基于数据依赖特征的软件识别

研究了基于数据流切片的软件特征,为软件识别提供一种新的算法和评判系统。给出与算法相关的定义,如数据流、关系拓扑排序和相似度比较等。详述了算法的关键步骤,包括数据依赖关系、数据依赖图的构成与化简、关系拓扑排序等过程。最后,实现了算法和数据流软件特征评判系统。系统实现和实验分析证明该研究数据分析和理论推导相互验证,对推进基于特征的软件识别研究具有重要的理论和现实意义。     

基于高阶累积量的OFDM信号子载波的调制识别

提出一种在多径信道下的OFDM信号的子载波调制方式识别算法,利用两个高阶累积量特征先后识别出OFDM信号中空子载波信号和导频子载波信号,再通过一个特征矢量对OFDM子载波的调制方式进行识别,从而完成OFDM信号子载波调制方式的识别。该方法不但可消除多径效应带来的影响,而且减小了噪声对识别性能的影响。通过仿真可以看出,在信噪比为10d B时,正确识别率可达95%以上。     

自然伽马能谱测井在杭锦旗地区的应用

杭锦旗地区二叠系下石盒子组具有岩性复杂、储层物性差及气水识别难的问题,为了解决这些难题,将现有9口井的自然伽马能谱测井曲线应用于储层划分和物性判断、岩性识别以及储层含气性判别中得到了很好的效果,并归纳总结出了自然伽马能谱测井识别气水层的判别标准。自然伽马能谱测井在该地区的成功应用为正确评价杭锦旗地区致密砂岩储层提供了可靠的信息。     

基于模式识别的火灾烟雾探测中抗水雾干扰研究

水雾与火灾烟雾在颜色、形态以及面积扩散等方面均具有相似性,容易对基于图像识别的火灾探测技术形成干扰。在同一地点及环境下使用监控系统录制火灾烟雾和水雾的真实视频,从运动方向特征和纹理特征着手进行分析,并利用支持向量机(support vector machine,SVM)对视频进行火灾烟雾和水雾的识别。实验结果表明,火灾烟雾与水雾在运动方向特征及纹理特征中熵和对比度上有明显差异,火灾烟雾识别时使用运动方向特征及纹理特征既能准确的识别出火灾烟雾,又能极大减小疑似烟雾目标带来的干扰。     

面向车辆识别的样本自反馈式级联检测方法

以解决机器学习的样本提取问题、提高车辆识别的精度为目的,以Adaboost算法、级联检测方法、样本自反馈方法为基础,提出了一种面向车辆识别的样本自反馈式级联检测方法。方法兼具Adaboost级联检测器的架构优势和样本自反馈方法的样本扩充能力。通过前车图像的识别实例阐述了样本自反馈式级联检测方法的识别过程,进而使用常规Adaboost检测器和样本自反馈式级联检测方法对图像数据集进行了识别,将生产者精度、用户精度、总体识别精度、k值作为评价指标对识别效果进行了比较,证明了样本自反馈式级联检测方法具有较高的识别精度。分析了样本自反馈式级联检测方法个别评价指标较低的原因,提出了相应问题的解决思路。     

腐蚀套管剩余强度计算

借鉴API RP 579等标准推荐作法,研究了基于测井数据的缺陷描述方法、剩余强度计算方法。建立的腐蚀套管缺陷识别与剩余强度计算模型具有一定的适用性。     

平板玻璃缺陷识别系统设计

基于OpenCV视觉库,设计了一套玻璃缺陷识别系统。应用图像处理函数实现图片的灰度化、滤波、二值化、轮廓识别等功能,进行缺陷形态特征的识别。应用该系统,可根据玻璃的面积、轮廓、长宽比等特征,实现缺陷的自动识别和分类。     

大跨度系杆拱桥吊杆索力测试研究

文章以弦振动理论为基础,推导了系杆拱桥索力测试的实用计算公式,分析了影响测试精度的若干参数,并对吊杆的边界条件、有效计算长度以及抗弯刚度等影响因素进行了分析和修正。采用牛顿切线法迭代得出有效计算长度,该方法为同类型桥梁的索力测试提供了良好的参考价值。通过分析大量数据,实用计算公式得出的索力值和模型理论值很接近,完全能够满足工程实践的要求。     

基于人体手臂关节信息的非接触式手势识别方法

为了实现在复杂环境中对连续动态手势的识别,以人体固有的手臂关节之间的约束关系及特定手势在三维空间的运动轨迹为特征,提出了一种非接触式手势识别方法. 首先,通过Kinect传感器获取人体手臂关节的三维数据;然后,对手势轨迹进行分割,并将具有三维空间特征的手势轨迹转化为一维的手势轨迹;最后,将手势预判断过程与改进的动态时间规整( dynamic time warp, DTW)算法相结合,实现对动态手势的快速高效识别. 实验结果表明:该方法对具有时空连续特征的动态手势识别率较高,在复杂背景和不同光照环境中都有较强的鲁棒性.     

基于EEG的驾驶持续性注意水平PSO-SVM识别模型

为了对驾驶持续性注意水平予以有效识别,基于脑电( EEG)信号特征指标构建了一种持续性注意水平识别方法. 以驾驶行为绩效为客观测评指标,提出了一种驾驶持续性注意水平等级划分方法. 在此基础上,选取驾驶员EEG波段 (θ(4~8 Hz)、α(8~13 Hz)、β(13~30 Hz))的频谱幅值及其组合指标(α+β)/β、α/β、(θ+α)/(α+β)、θ/β、(α+β)/θ作为特征指标,将粒子群优化( PSO)算法与支持向量机( SVM)相结合,构建了驾驶持续性注意水平识别算法. 最后,基于驾驶模拟器实验数据对该模型予以试算. 结果表明模型识别平均正确率可达93. 02℅.该方法可用于对驾驶员持续性注意水平的识别.