一种基于Gabor小波的制导精度预测方法

在无人驾驶飞行器的自主制导系统中，一般采用下视景像匹配制导技术对飞行器的具体位置进行精确自主定位。为了提高制导精度，减少误匹配，飞行前需要在基准图上进行航迹规划，就是在飞行区域中选择出一些匹配概率肓的匹配区。在选择过程中，匹配概率的计算尤为重要，用相关匹配定义计算虽然准确但耗时巨大。文章提出了一种基于Gabor小波特征的匹配概率预测方法。实验表明，该方法能较快地预测出匹配概率，精度也较高。     

一种基于Fisher鉴别极小准则的特征提取方法

特征提取是模式识别研究领域的一个热点．为了更好地解决人脸识别中的特征提取问题,定义了一种新的基于Fisher鉴别极小准则的特征提取方法,并且提出了类间散布矩阵零空间的概念,解决了先前Fisher线性变换方法中的最终特征维数受类别数的限制．在人脸数据库上的实验结果验证了该算法的有效性．     

基于核方法的雷达目标一维距离像识别

由于雷达目标及其所处环境的复杂性,导致不同目标之间的关系往往是非线性的.研究基于核的非线性方法,并将其应用于雷达目标一维距离像识别.核Fisher判别分析(KFDA)是一种抽取非线性特征的最有效方法之一,但它往往会面临小样本问题.针对此问题,给出一种null-KFDA方法,对距离像进行特征提取.然后,采用一种新的核非线性分类器——KNR(kernel-based nonlinear representor),对所提取的特征进行分类.对3种飞机的实测距离像进行实验,结果验证了null-KFDA的有效性.此外,与非线性支持向量机(SVM)和径向基函数神经网络(RBFNN)相比,KNR分类器具有更优的识别性能.     

毛纤维判别方法的改进

对Fisher二类线性判别分析方法进行改进 ,并利用改进的基于Fisher准则的二类非线性判别分析方法处理绵羊毛和山羊绒纤维识别指标 ,并计算检验判别效果的统计量。在此基础上 ,可判别未知样品纤维所属的类别。     

基于特征加权的人脸识别

现有的人脸识别方法通常未考虑不同特征或像素对识别结果的影响。实际上,人脸面部不同特征在人脸识别过程中的作用是不同的。研究了各个特征在识别中的作用,分别采用三种加权方法对人脸图像进行了预处理,并应用流行的人脸识别方法（联想记忆、主分量分析和Fisher线性判别分析）进行识别。最后用标准人脸库ORL进行了实验,实验结果表明特征加权方法对人脸识别是有效且通用的。     

初烤烟叶主脉不同区段色度及Fisher最优分割法分析

  目的  分析初烤烟叶主脉不同区段色度值的变化,为烟梗的差异化加工和分类使用提供参考依据。  方法  以云烟87 B3F、C3F初烤烟叶为试验对象,将每片烟叶中的主脉平均分成6段,采用色差计测定每个区段烟梗粉末的色度值L*（明度值）、a*（红度值）、b*（黄度值）和E（总色差值）,利用单因素方差分析和回归分析分别研究不同区段烟梗色度值的差异性及变化趋势,并通过Fisher最优分割法分析2种烟叶主脉最佳的分段比例。  结果  ① 同一烟叶主脉不同区段烟梗的色度值L*、a*、b*、E总体均存在显著差异;B3F和C3F烟叶主脉相同区段的色度值对比,L*值为C3F > B3F,a*、b*、E值为B3F > C3F。②从主脉基部到尖部,L*值呈先降低后升高的抛物线形变化趋势,a*、E值呈先升高后降低的抛物线形变化趋势,b*值呈逐渐升高的线性变化趋势。③从梗基到梗尖,B3F烟叶主脉最佳分段比例可分为1/6、3/6、1/6、1/6,C3F烟叶主脉最佳分段比例可分为4/6、1/6、1/6。  结论  烟叶主脉不同区段的色度存在较大差异和规律性变化趋势,叶基和叶中部分的烟梗更适宜作为制梗丝的原料。      

基于多准则排序融合的特征选择方法

针对模式分类中特征选择问题,为去除冗余特征,提高分类准确率,提出一种基于ReliefF算法、Fisher比率算法和马氏距离算法的多准则排序融合的特征选择方法。动态结合上述3种单准则特征选择法的优点,实现对多个评价准则的综合利用。以Ionosphere标准数据集和高速列车转向架故障数据集为研究对象进行实验仿真,仿真结果表明,相比于单准则特征选择法,该方法能更有效地降低特征维数,具有更高的分类性能。     

基于时域双谱特征的雷达目标识别

雷达目标高分辨一雏距离像(High range resolution profile,HRRP)是目标散射回波在雷达径向上的投影,具有非高斯、非线性特点.文中从双谱概念出发引入时域双谱概念.分析了HRRP的时域双谱特征.为提高识别性能,定义了Fisher类可分离度函数,以类间可分离度最大化作为特征提取准则,提取一些特征双谱作为HRRP的特征向量.采用基于子空间变换的独立分量分析(Principle component analysis,PCA)和线性判别分析(Linear discriminant analysis,LDA)的特征提取方法进行了对比实验.结果表明,本文方法用于雷达目标高分辨一维距离像识别具有良好的抗喙性能和较高识别率.     

基于三维人脸成像系统的复数域人脸识别方法

三维人脸识别是模式识别和人工智能领域的研究热点。提出了一种利用人脸图像的二维灰度信息和三维深度信息进行人脸识别的算法。首先利用相关型图像传感器构成三维实时人脸成像系统,并将获得的三维人脸物理数据用复数形式表达。再将特征脸（Eigenface）方法和Fisherface方法拓展到复数域,提出了复数域特征脸方法和复数域Fisherface方法。改进的复数域人脸识别方法在三维实时成像系统的人脸数据库中进行的人脸识别实验表明,复数域的三维人脸识别方法明显优于传统的人脸识别方法。     

基于Fisher准则的二次线性特征提取

将基于Fisher准则的鉴别分析推广到矩阵的情形,得到先寻找最佳鉴别向量,将矩阵投影为一个向量,再次寻找最佳鉴别向量,将投影向量映射为一个点的二次线性特征提取方法,从而为解决高维、奇异情况下最优鉴别向量集的求解问题提供了新的途径.在ORL标准人脸库上的试验结果表明,该方法识别结果可靠,准确率高.