基于最大最小距离法的节拍跟踪

将端点检测与聚类算法结合,提出一种基于最大最小距离法的节拍跟踪算法.首先,将音乐信号分解成多个频率互不重叠的子带进行频谱分析,分别利用半波整流,求和得到最终的端点强度曲线.其后,根据能量谱找到起始节拍点.最后,根据最大最小距离法并利用音乐速度与节拍的关系,对端点强度曲线峰值进行有效聚类,识别出节拍点.实验结果表明,该算法识别节拍点准确有效,4评估指标P-score、Cemgil、CMLc和AMLt分别达到57.355,10、38.705,37、17.152 40和47.259 12,与其他算法相比综合性能较好.     

基于KPCA-GG的火力发电设备状态诊断方法

为了解决具有非线性特征的设备状态诊断问题,提出一种基于核主成分分析和Gath-Geva模糊聚类相结合的多元时序分割算法.根据Gath-Geva模糊聚类算法得到聚类结果,利用核主成分分析算法提取非线性特征,从而构造KPCA分析模型.将聚类类簇在该模型空间中的距离作为类簇相似性分析及合并的标准,以提升方法的分割效果.实验结果表明,基于KPCA的Gath-Geva模糊聚类算法能识别数据的非线性信息,更准确地分析数据特征,其分割效果优于基于主成分分析的聚类算法的分割效果.通过提取的非线性特征对数据进行分割有助于识别设备状态的转换,可用于解决一类具有非线性特点的火力发电设备过程状态诊断问题.     

CAD/CAI中的图形识别研究

图形的自动识别是计算机辅助设计和辅助教学研究中的一个难点,识别图形的重要判据是两图的特征重合率.本文对图形的基本要素之一———直线的相似判别进行了研究,霍夫变换方法常应用于图形判别和图像识别,霍夫变换是将图形空间的点根据某些约束条件拟合成线段,点可以用通过该点的线段集合来描述.本文最后利用了聚类方法中的最小距离法进行了两个图形特征相似性的判别,通过最小距离法可以进行图形正确与否的判别.     

一种面向物联网的轻量级入侵检测方法

为了适应实时性强、资源有限类物联网应用的需求,提出一种相对于传统入侵检测方法能明显减少计算量的轻量级入侵检测方法.在训练过程中先对样本进行K-means聚类,使类内数据之间的距离最小、相似度最大;然后逐个对聚类结果进行主成分分析(principal component analysis,PCA),去除无关并保留相关性大的特征,构成该类的特征集;在检测过程中比较测试数据与训练过程中各聚美中心的欧式距离,选取最小距离对应的聚类中心,并将测试数据划归到该中心对应的聚类中;利用该类的特征集与测试数据中对应维度的数据对比来进行入侵检测,若比较结果超过阈值则报警,否则予以通过.仿真实验结果表明,该方法在明显缩短检测时间的同时,检测率可达96.8％.     

增强Fisher判决的Bagging集成分类方法

提出了一种样本间的相似性度量方法,并将这种相似性度量信息附加到Fisher线性判别的类内、类间离散度矩阵,使得Fisher判决准则在使类内距离达最小、类间距离达最大的同时,也使类内相似度达最小、类间相似度达最大,获得比原始Fisher判别更好的投影矩阵.实验证明,与Bagging集成的Fisherface比较,该方法显示出更好的识别率.     

一种改进的聚类和孤立点检测算法

对基于距离的聚类及基于密度的孤立点检测方法进行了分析研究,提出了一种基于距离和密度的聚类和孤立点检测算法DDBCOD.该算法根据距离和密度阈值对数据进行聚类,并发现数据中的孤立点.实验表明,该算法能够识别任意形状的聚类,对高维数据有效,能够很好地识别出孤立点.     

特征识别的距离判别方法

针对距离判别法在处理复杂数据时的不足,提出了一种新的判别方法.该方法通过对各个总体的特征识别,确定其特征个数,并结合动态聚类的方法确定各个总体的特征点.然后采用近邻原则建立判别模型,对样品的属类做出判别.实例表明,该方法的判别效果良好.     

基于距离和密度的聚类和孤立点检测算法

提出了一种基于距离和密度的聚类和孤立点检测算法.该算法根据距离和密度阈值对数据进行聚类,同时发现数据中的孤立点.实验结果表明,该算法能够识别任意形状的聚类,对高维数据有效,能够很好的识别出孤立点.     

平面曲线间Hausdorff距离计算

为克服传统的针对平面曲线间Hausdorff距离4种情况需分别求解不同非线性方程组的缺点,分两个步骤计算平面曲线间的Hausdorff距离.首先将曲线A进行离散化处理,并计算各离散点到曲线B的最小距离,从中选择若干个距离较大,且满足曲线A上相邻点到曲线B的距离呈"小大小"的点对作为近似解;然后根据各点对处曲线的特点,判断该点附近可能存在4种类型点的哪一种,建立相应的优化模型并进行局部寻优,选择优化结果中最大的距离值作为两平面曲线间的单向Hausdorff距离.该法将平面曲线间Hausdorff距离的计算转化为点到曲线的最小距离计算,计算过程简单有效.两个数值算例验证了该方法的正确性.     

基于空间分布特征的手写体数字识别

首先根据手写体数字在空间上的分布情况，提取其空间分布特征，同时定义了一种新的特征；其次，提出了一种新的细化方法，并用最小距离法对手写体数字进行了识别。该识别方法较传统方法简便，不必考虑笔划的多变性，具有较高的识别正确率，并能实现快速识别。     

An Improved Minimum Distance Method Based on Artificial Neural Networks

MDM (minimum distance method) is a very popular algorithm in state recognition. But it has a presupposition, that is, the distance within one class must be shorter enough than the distance between classes. When this presupposition is not satisfied, the method is no longer valid. In order to overcome the shortcomings of MDM, an improved mi nimum distance method (IMDM) based on ANN (artificial neural networks) is presented. The simulation results demonstrate that IMDM has two advantages, that is, the rate of recognition is faster and the accuracy of recognition is higher compared with MDM.     

耦合双桩共振子MDM波导结构中光学性质的研究

采用时域有限差分方法研究了同侧和异侧耦合双桩共振子的MDM波导结构中的光学性质．发现同侧耦合双桩共振子的MDM波导中桩间距改变时对透射谱影响很大,当间距较小时,出现两个很尖锐的透射峰,当间距较大时,其中一个峰消失,另一个峰增强．异侧耦合双桩共振子的MDM波导结构中桩长度不一样时,能导致Fano共振而产生新的尖锐的峰．     

在线手写签名组合最相似笔段的识别算法

在线手写签名识别是通过人的生物特征进行身份验证的技术.提出一种基于笔画样本库的识别方法，避免了动态特征点提取、时序段匹配等方法由于书写环境和人物即时的生理特性所带来的问题，同时针对每一笔画的稳定性提出了加权距离计算公式.实验证明该方法行之有效，在保证高识别率的同时又降低了误拒率.     

基于DTW改进算法的在线签名鉴别方法

在线手写签名认证是一种基于生物特征的身份认证技术,识别正确率和防伪性能是签名识别的研究重点,识别响应速度也是决定系统实用化的关键。为了提高签名认证效率,提出了一种改进的在线签名鉴别算法。改进了传统的动态时间弯折算法结构,对最佳匹配路径的动态规划方法进行改进并将其应用于在线签名鉴别系统。讨论了实际应用中训练样本不足、字体随时间变化等因素带来的系统识别率下降的解决方法。避免了动态特征点提取、时序段匹配等方法由于书写环境和人物即时的生理特性所带来的问题,同时针对签名的稳定性提出了加权距离计算公式,保证高识别率的同时降低了误拒率。在模板较多时对匹配距离进行限制,节约了系统运算量,提高了模板匹配速率。随着待识别模板数目的增多,该算法效率优势更加明显。     

试论预设及其相关问题

预设是逻辑和语言都很关注的问题,它是一个语句预先假定的内容。预设逻辑是三值逻辑。预设可分两大类:存在性预设和事实性预设。预设有合理与不合理之分。预设的主要作用是它可以作为推理的依据。对含有预设的复杂问语,要慎重应对。     

基于卷积神经网络(CNN)和CUDA加速的实时视频人脸识别

为了兼顾视频人脸识别中识别准确率和实时性,提出了基于卷积神经网络(CNN)和CUDA加速的实时视频人脸识别方法。构建了一个6层结构的CNN人脸识别网络,在视频帧中通过Adaboost算法检测到的人脸输入所构建的CNN中进行视频人脸识别,结合CUDA并行计算架构,对算法进行加速。此外为了更适用于实际视频监控情况,通过对CNN网络结构末尾Softmax分类器的分类结果进行多级判决引入了开集人脸识别功能。从多个角度对该方法进行了实验验证,结果证明,此方法可满足识别准确率和实时性要求,同时对于视频中人脸姿态变化、光照变化、距离远近等都具有良好的鲁棒性。     

基于Gabor小波和局部二值模式的步态识别

利用步态对个人身份进行识别已经受到越来越多生物识别技术研究者的重视。步态能量图(GEI-Gait Energy Image)是一种有效的步态表征方法,Gabor小波能提取不同方向、不同尺度空间频率特征,因此,首先利用Gabor小波提取步态能量图不同方向、不同尺度的信息,得到其幅值谱图,再利用LBP来提取Gabor幅值谱图的局部信息,相对于LBP直接作用于步态能量图,能提取步态能量图更多方向、更多尺度的局部特征。最后,利用具有良好降维和辨识能力的辨识共同向量(DCV-Discriminant Common Vector)对提取的LBP特征进行维数约减和特征选择,只需利用简单的最近邻分类器就能取得较好的识别效果。该算法在中科院自动化所的CASIA数据库上面进行试验取得了较高的正确识别率。还针对步态识别中的小样本问题提出了一种样本扩充方法,解决了步态识别中的小样本问题,并提高了算法的识别率。     

用于HRRP多类目标识别的D距离分类器

在雷达自动目标识别（radar automatic target recognition ，RATR）领域，为了保证基于高分辨距离像（high-resolution range profile，HRRP）的目标识别算法在进行小样本多类目标识别时仍然具有优异的识别性能，需要提出一种同时具备优异泛化性能与低运算复杂度的识别算法。利用比值计算两个向量之间的比值距离，并将比值距离应用于距离分类器中，称之为D距离分类器。然后利用八类地面目标实测数据将D距离分类器与其他一些RATR统计模型进行比较，分别分析其在小样本与多类目标时的识别精度。最终结果验证出D距离分类器在训练样本有限且多类目标识别时仍然具有优异的泛化性能与很低的运算复杂度。      

分块PCA和奇异值分解相结合的人脸识别算法

针对分块PCA算法对位移、旋转等几何变化比较敏感的缺点,提出一种基于分块PCA和奇异值分解相结合的人脸识别算法。该算法分别提取分块子图像的PCA特征和奇异值特征,在此基础上得到同时包含分块PCA和奇异值信息的距离测度,利用最小距离分类器进行分类识别。在ORL人脸库上的实验结果表明,该方法能够得到较高的识别率。     

MLDA+LDA:手写汉字识别中一种两级LDA分类方法

线性判决分析(lineardiscriminateanalysis,LDA)作为一种经典线性工具已经被广泛地运用在各种模式识别问题中,为了降低参数估计误差对于LDA性能的影响,我们提出了一种改进的线性判决分析(modi-fiedlineardiscriminateanalysis,MLDA)算法,并运用到手写汉字识别中,使得识别率有所提高。在此基础上,针对大类别的汉字识别问题,提出了两级LDA的手写汉字识别方法,即MLDA LDA。在对GB2312—80的1034个汉字类别的350套手写样本的实验表明,这个两级LDA识别策略针识别率较最小距离分类器有着3.77%的提高,较LDA 最小距离分类方法有1.71%的提高,表明方法的有效性。