基于支持向量机的极化SAR图像分类

极化合成孔径雷达可以同时得到地面场景在不同极化组合下的雷达图像,极大地丰富了获取的地物目标信息量。针对极化SAR图像特征提取和目标分类的困难,由4种基本极化组成样本向量,运用基于统计学习理论的支持向量机以及不同的核函数设计分类器,提出了一种新的极化SAR图像分类算法,并对实测极化SAR数据进行分类实验。结果表明,将支持向量机分类器应用于极化SAR图像分类中是可行和有效的,并且通过选择适当的惩罚系数,可以进一步提高分类效果。     

一种基于Agent复合学习的搜索引擎模型

基于Internet上信息检索中存在的问题,提出了一种基于多Agent的搜索引擎模型,并具体描述该模型的体系结构及其检索机制,描述了用户偏好学习算法。借助Agent复合学习方法对网页信息进行分类学习,从而达到提高检索精度的目的。     

基于增量学习神经模糊网络的机动目标跟踪

本文提出了基于增量学习神经模糊网络机动目标跟踪模型.当被跟踪目标发生机动时,该模型立刻检测到机动并对卡尔曼滤波器的自适应系统协方差进行精确估计,系统得到及时、正确的补偿.增量学习神经模糊网络能够随着环境变化,自动调整、找到最优的网络结构及参数,当发生机动时,总是能产生接近真实机动值的估计输出,从而提高跟踪性能及避免错误跟踪.仿真结果表明,该模型比传统的机动目标跟踪模型有更好的跟踪性能,并且该模型能动态的适应环境的变化,使系统更加实时,精确的跟踪机动目标.     

德国联邦信息技术安全局概况

德国联邦信息技术安全局是下属于联邦内政部的一个局，地点在波恩，有400名工作人员。该局的主要任务是促进政府、企业和个人在IT应用方面的安全工作。在上个世纪90年代，由于计算机和网络的应用越来越广泛，对网络和信息安全提出了越来越高的要求，联邦信息技术安全局就是在这种情况下成立的。     

基于分块CNN的多尺度SAR图像目标分类算法

针对合成孔径雷达（Synthetic Aperture Radar, SAR）图像目标分辨率差异大,多尺度SAR图像目标分类准确率不高的问题,提出了一种基于迁移学习和分块卷积神经网络（Convolutional Neural Network, CNN）的SAR图像目标分类算法。首先通过大量与目标域相近的源域数据对分块CNN的参数进行训练,得到不同尺度下的CNN特征提取网络;其次将CNN的卷积和池化层迁移到新的网络结构中,实现目标特征的提取;最后用超限学习机（Extreme Learning Machine, ELM）网络对提取的特征进行分类。实验数据采用美国MSTAR数据库以及多尺度SAR图像舰船目标数据集,实验结果表明,该方法对多尺度SAR图像的分类效果优于传统CNN。     

具有学习功能的自动人脸识别

人脸识别是模式识别领域中一个相当困难而又有理论意义和实际价值的研究课题。传统的基于K－L变换的自动人脸识别方法,不用过多地考虑人脸的局部特征,利用特征脸方法进行识别,取得了一定的。但是,人脸作为一个特殊的场景,脸像会受年龄、心情、拍摄角度、光照条件、发饰等因素影响,所成图像存在差异。传统的基于K－L变换的自动人脸识别方法不能很好地克服这些畸变的影响。文中就主成分分析方法引入人脸识别,模拟人脸脸像的各种变化,事先对脸像做相应的变化,产生一系列变形脸。然后对变形脸进行主成分分析,提取它们的主成分。最后应用遗传算法选择最优特征向量构造子空间,提出一种能抗御一定脸像变化的人脸识别方法,并运用该方法进行了实验。实验结果证明了该方法的可行性和良好的抗畸变能力。     

基于TMS320C54×DSP的实时语音识别系统

介绍一个非特定人、小词汇表、孤立词的语音识别系统,它采用基于隐马尔可夫随机模型（ＨＭＭ）的语音信号端点检测方法和基于ＶＱＩＨＭＭ的自学习语音识别算法,同时以高速的ＴＭＳ３２０Ｃ５４Ｘ ＤＳＰ芯片为核心进行硬件设计,实现语音的实时识别。     

自适应复信道均衡的一种新的神经网络方法

近年来,神经网络已经广泛地应用到许多信号处理问题中.自适应信道均衡是数字通信系统中的一个重要问题.在本文中我们提出一种基于复数赫布类型算法的自适应信道均衡器.计算机模拟表明,无论在线性还是非线性信道中,所提出的均衡器均表现出良好的性能,这为自适应复信道均衡提供了一种新的方法.     

一种具有隐蔽色特征物体的图像分类方法研究

针对图像中某几类物体具有相似颜色特征而导致的分类困难问题,本文提出了一种具有隐蔽色特征物体的图像分类方法.该方法针对可见光图像中具有颜色隐蔽性物体而难以区分的问题,通过将二维图像的邻域像素空间特征与高光谱图像的谱段特征相结合并使用改进的局部线性嵌入降维算法实现了空谱联合的特征降维,最终利用主动学习胶囊网络训练高光谱数据...     

智能电磁感知的若干进展

智能电磁感知是电磁探测与成像的系统化和智能化延伸,是安全检查、生物医学、物联网等领域的基础性、关键性和共性问题.近年来,挖掘利用人工电磁材料和人工智能在电磁波调控与数据信息调控方面的强大能力,将其有机结合,并系统地引入电磁感知领域,发展了低成本、高性能的智能电磁感知体制,为电磁感知的进一步发展提供了关键理论和技术支撑....