基于GA-SVM算法的通信网络入侵信号自动识别技术

针对当前通信系统入侵行为自动识别技术存在入侵信号样本识别成功率较低、误识别率和漏识别率较高的问题,提出基于 GA-SVM 算法的通信网络入侵信号自动识别技术。利用混沌原理提取通信网络入侵的非平稳信号时域特征,并凭借自回归模型提取对应频域特征,捕捉邻域入侵信号间的非线性时空动作频率,评价相邻行为间的状态关联性,预测入侵信号后续行为,完成入侵信号的识别。实验表明,所提方法识别精度高、误识别率较低,漏识别率非常低,具有可应用于实际的理论价值。     

基于最短路径的分水岭分割算法的研究

该提出了一种基于最短路径的分水岭分割算法,该方法受到水在地形表面自由流动的启发,把一幅数字图像当成是一个地形表面,然后根据图论中的最短路径思想进行分水岭变换。通过该方法在数字图像分割中的应用,实验结果表明基于最短路径的分水岭变换分割算法能够在一定程度上克服传统分水岭变换算法导致的过度分割,而且加快了分水岭变换的速度,提高的了分割效率,同时该算法能够准确地刻画目标区域的轮廓,能够保证分割目标的完整,有利于后续的图像分析,模式识别。     

模式识别在图像处理中的应用研究

视频监控不再是简简单单的将城市各个角落的图像的摄入,而是向着更加智能,更加先进的方向发展.模式识别是基于拓扑论的聚类法,因为拓扑论属于几何学范畴,而聚类法属于代数学范畴,所以,单纯的使用刚性数学方法难以在计算机中建立模型.所以,如果将几何学范畴的拓扑论转化为代数元素,是模式识别实现计算机辅助处理的关键.图像模式识别技术,是几何科学与代数科学的完美结合.因为聚类分析属于代数科学,而拓扑论属于几何科学.本文采用的方法,成功利用图像的数字化预处理,绕过了拓扑论的必要处理环节,让拓扑识别工作交给BP神经网络实现.