雷达目标识别技术综述

针对雷达自动目标识别技术进行了简要回顾。讨论了目前理论研究和应用比较成功的4类目标识别方法：基于目标运动的回波起伏和调制谱特性的目标识别方法、基于极点分布的目标识别方法、基于高分辨雷达成像的目标识别方法和基于极化特征的目标识别方法，同时讨论了应用于雷达目标识别中的4种模式识别技术：统计模式识别方法、模糊模式识别方法、基于模型和基于知识的模式识别方法以及神经网络模式识别方法。最后分析了问题的可能解决思路。     

基于光流场分析的红外图像自动配准方法研究

提出了一种基于光流场分析的准确的红外图像自动配准方法．该方法可分为两个过程：先是利用全局光流场完成两幅图像背景区域的配准；其次利用由粗到细的层级匹配算法提取两幅图像中运动目标的特征点集，根据两组特征点集由最小二乘法计算出运动目标的变换参数，完成运动目标的配准．对一定研究领域的红外图像自动配准的仿真实验表明：该方法准确且对场景的运动有很好的鲁棒性．     

基于希尔伯特振动分解和卷积神经网络的融合特征心电识别算法

在信息高速发展的当代社会,5G技术的问世将极大地助力社会经济和信息化发展,而隐私安全和信息安全愈发得到重视,因此公众会对身份的识别技术提出了更高要求。然而,传统基于密码、ID卡以及新型的基于人脸和指纹的识别方法存在易丢失、遗忘和窃取或易于伪造和获取复制等问题而存在极大的安全隐患。为提高身份识别的可靠性和准确率,提出了基于希尔伯特振动分解和卷积神经网络的融合特征心电图信号识别算法。首先采用基于重叠组收缩阈值算法和平移不变的消噪算法对含噪心电信号去噪,其次利用盲源分割技术将心电信号分割成固定时长的心电片段,再次采用基于希尔伯特振动分解的时频分析方法获得心电信号的时频表示图,通过提出的心电残差卷积神经网络对时频表示图实现特征提取和降维,最后通过Softmax分类器实现分类和识别。以Physionet数据库的ECG-ID数据集验证提出算法的性能,采用10折交叉验证法得到平均识别率为99.08%。结果表明,提出的心电识别算法具有高效的识别性能和良好的应用前景。     

区域配网规划和改造对提高供电可靠性研究

配电网供电可靠性是当下社会范围内共同关注的焦点话题,而供电可靠性容易受到硬件与软件层面相关因素的影响而有所下滑,导致供电效率和稳定性大受影响,严重时甚至可能引发安全事故。为了提高供电可靠性,可以从区域配网规划和改造入手,针对区域配网现状进行分析,研究其对供电可靠性的影响,再根据分析结果针对性地执行区域配网规划改造方案,能够显著提升供电可靠性。     

一种基于中心矩特征的SAR图像目标识别方法

合成孔径雷达自动目标识别是目前国内外模式识别领域的重点研究课题之一.本文给出了一种内存需求小,低计算复杂度且具有较好识别性能的SAR图像目标识别方法,先通过自适应阈值分割来获得目标图像,然后提取其中心矩特征,采用SVM来进行识别.基于美国MSTAR实测数据的识别试验验证了该方法的有效性.     

空间一致性邻域保留嵌入的高光谱数据特征提取

局部线性嵌入(LLE)和邻域保留嵌入(NPE)等流形学习方法可以提取高光谱数据的主要结构特征,有助于对数据的理解和进一步处理。但是,这些方法忽视了高光谱图像中相邻像素之间的相关性。针对这个问题,提出一种基于空间一致性思想的邻域保留嵌入(SC-NPE)特征提取算法,通过一个优化的局部线性嵌入,并考虑相邻像素的相关特性,在高维空间建立数据的局部邻域结构。然后寻找一个优化的变换矩阵,将局部邻域结构投影到低维空间,实现数据的特征提取。与LLE和NPE算法相比,SC-NPE既考虑高光谱数据的流形结构,又考虑了其图像域空间信息,可以更好地应用在高光谱数据的特征提取过程中。实验结果表明,SC-NPE特征提取算法在高光谱图像分类方面的性能明显优于其他同类算法。     

一种基于HVS加权颜色特征的图像检索算法

提出一种基于人类视觉系统(HVS)的加权颜色特征图像检索算法.首先对图像进行分块,提取各分块的主色作为颜色特征,然后利用人类视觉特性,对所获取的颜色特征进行加权处理,获得加权"主色"颜色特征.实验结果表明,基干所提出的加权"主色"颜色特征的图像检索算法较单纯依靠直方图和分块主色法具有更好的检索精度.     

基于特征的地平线遮挡剔除算法

可见性计算是计算机图形学的一个基本问题,高效的可见性计算可大量节省关于场景中不可见部分的计算。提出了一种新的基于地形特征的可见性判别算法。该算法首先提取场景的主要山脊线特征,然后构造地形的多分辨率层次细节模型,实现对四叉树结点的快速访问,最后应用增量地平线消隐技术及地形包围盒技术,实现了基于地形山脊线特征的快速遮挡剔除算法。实验结果证明了此算法的有效性。     

超宽带SAR图像道路提取算法适应性研究

从道路特征提取的角度,对四种经典道路特征提取方法进行了分析和对比,探讨了它们在超宽带SAR图像道路提取技术中的适应性。超宽带SAR图像道路提取技术是在继承传统方法的基础上,结合在道路的灰度特征或其在自然界中特有的几何特征,形成合适的道路提取算法。在理论分析超宽带SAR图像特点和道路提取经典方法基础上,研究了四种道路提取方法在超宽带SAR图像中的适应性,开展了超宽带SAR图像的道路提取实验,系统总结了各方法针对超宽带SAR图像的优点和不足,形成了超宽带SAR图像道路提取技术的研究思路和道路边缘提取流程,相比经典方法性能得到提高。     

A wrapper‐based feature selection for improving performance of intrusion detection systems

Along with expansion in using of Internet and computer networks, the privacy, integrity, and access to digital resources have been faced with permanent risks. Due to the unpredictable behavior of network, the nonlinear nature of intrusion attempts, and the vast number of features in the problem environment, intrusion detection system (IDS) is regarded as the main problem in the security of computer networks. A feature selection technique helps to reduce complexity in terms of both the executive load and the storage by selecting the optimal subset of features. The purpose of this study is to identify important and key features in building an IDS. To improve the performance of IDS, this paper proposes an IDS that its features are optimally selected using a new hybrid method based on fruit fly algorithm (FFA) and ant lion optimizer (ALO) algorithm. The simulation results on the dataset KDD Cup99, NSL‐KDD, and UNSW‐NB15 have shown that the FFA–ALO has an acceptable performance according to the evaluation criteria such as accuracy and sensitivity than previous approaches.