利用RAPD标记技术对刺槐属（Robinia）种间亲缘关系的分析

用随机扩增多态性DNA(RAPD)技术对刺槐属(Robina)内5种植物进行基因组DNA多态性分析.共选用22个10 bp随机引物扩增出212个DNA片段,进行种间遗传关系分析.片段大小在100～2 200 bp之间,其中多态性谱带为183条,多态率为86.3%;利用UPGMA进行遗传距离计算的结果表明,刺槐、毛刺槐和香花槐分属刺槐属的三个种,红花刺槐和龙槐是刺槐的变型.首次在DNA水平上证明香花槐为刺槐属的一个独立种,且与毛刺槐的亲缘关系较近.为刺槐属植物亲缘关系和系统分类建立了新的分子学证据.     

一种基于正交不变集多小波的虹膜识别方法

提出了一种新的虹膜特征提取方法。该方法应用双正交不变集多小波对虹膜图像进行特征提取,同时考虑了虹膜图像的局部特征和全局特征,采用相关系数测度和方差倒数加权欧氏距离相结合的方法来设计分类器,为了消除虹膜图像在采集时可能产生光斑而对识别结果带来影响,在设计分类器时采用分块处理的办法。实验结果表明,多小波变换能更好的提取虹膜的纹理特征,获得更好的识别性能,是一种有效识别方法。     

光滑支持向量机多项式函数的研究

为了找到多项式光滑支持向量机(polynomial smooth support vector machine,PSSVM)中性能更好的光滑函数,将正号函数变形并展开为多项式级数,得到一类光滑函数。证明了这类函数的性能,它既能满足任意阶光滑的要求,也能达到任意给定的逼近精度。用Newton-Armijo算法求解相应的PSSVM模型,实验结果表明,随着多项式光滑函数阶数的提高,逼近精度和相应PSSVM模型的分类性能也相应提高。     

神经网络在车辆目标识别中的应用

提出了利用神经网络技术对战场侦察雷达目标回波的时域或频域信号进行处理,以实现对车辆目标进行分类识别的一种新算法.首先对目标的回波信号作时域或频域分析,从中提取信号的特征向量,然后利用所建立的神经网络模型对目标信号作训练识别,最后与经典谱分析的方法作比较,并采用实际数据验证这种识别算法是有效的.     

一种新的雷达辐射源信号脉内特征提取方法

提出了一种新的雷达辐射源信号脉内特征提取方法,该方法由Holder不等式演化而来,故称之为Holder系数法。给出了Holder系数的定义,描述了基于Holder系数的特征提取算法。实验结果表明了Holder系数法的良好特性。可以看出Holder系数法包含了相像系数法,后者只是前者的一种特例。文中选择了6种典型的雷达辐射源信号进行特征提取和分类识别实验。实验结果表明,Holder系数在取不同类型时均获得了很好的正确识别率,为工程应用提供了多种有效选择,并且当Holder系数所选取的类型不为相像系数时,可以得到更好正确识别率。     

基于BFM算法的空间有形目标识别方法

为了对具有复杂边缘的目标进行更准确的检测识别,提出了一种基于边界片段模板(boundary frag-ment model)训练模式的目标识别方法.方法首先提取目标的边界片段组成弱分类器,然后使用AdaBoost算法将它们提升训练成为强分类器,并用其进行检测和识别目标.仿真实验表明,该方法对有形目标,特别是对具有复杂边缘的空间有形目标有较好的识别效果.     

基于火焰图像特征与BT-SVM的窑况识别方法

针对氧化铝回转窑烧成带工况变化复杂难以实现连续在线检测,长期依赖人工看火操作的难题,提出了利用计算机图像处理技术模拟传统的人工看火过程进行窑况识别研究的方法,方法包括两个部分:提取烧成带火焰图像特征,融合关键工艺过程数据组成混合特征;建立具有准正态二叉树结构的支持向量机窑况识别模型对混合特征数据进行分类识别.最后,应用该方法对采集得到的火焰图像数据与过程数据进行仿真实验研究,获得了满意的效果.     

智能车辆在城区交通场景中的多类障碍物识别

针对智能车辆在城区交通场景中的前向障碍物识别,提出了一种基于集成学习改进的二叉树支持向量机(BT-SVM)的多类分类方法。根据城区交通场景中各类障碍物的出现概率、模式类别差异,设计了适用于智能车辆障碍物识别的BT-SVM树型结构;对每个节点分类器,采用AdaBoost集成学习方法进行改进,有效减少了差错积累误差,提高了分类精度和泛化能力。试验表明该方法能有效地对城区交通场景中6类常规障碍物模式进行实时在线识别。     

用分层抽样和复Morlet小波识别短样本模态参数

针对大型结构短样本模态参数识别,提出基于分层抽样的最优复Morlet小波短样本模态参数识别方法.先对结构响应信号进行分层抽样,用随机减量法提取每一层的自由衰减信号;再根据样本标准差确定每一层的层权,用最优复Morlet小波识别每一层的模态参数;最后用层权对模态参数进行加权得到最终的模态参数.工程应用结果表明,所提方法具有较高的识别精度,良好的低频密集模态解耦和高频虚假模态抑制能力.     

基于因果图的贝叶斯网络

在贝叶斯网络中引入了因果图的理论,提出了一种基于因果图的贝叶斯网络,经实验证明,很好地解决了贝叶斯网络中的问题,在现实中有着重要的应用价值.