基于相对高度的曲线特征提取算法

特征是物体匹配和识别的依据.为提高图形图像的识别率,对曲线的特征提取进行了探索,提出了一种基于曲线相对高度的特征提取算法.算法可大致描述如下:利用曲线的高分割曲线,再分别计算各段曲线的相对高度,不断重复前面两个操作,直至相对高度满足小于某个给定的常数.对于每一个相对高度,按照分割曲线的层次存储在二叉树相应的节点.实验结果表明,该算法能够满足曲线在平移、旋转、缩放和对称变换后,其特征不变,而且具有良好的灵敏度.该算法可用于手写汉字和人脸轮廓的识别.     

一种基于Bezier曲线曲率的指纹特征提取算法

指纹特征提取是指纹识别中关键的一步,文中给出了一种新的特征提取算法,该算法利用指纹纹线的弯曲信息对指纹特征进行描述.算法对指纹图像特定区域中的纹线进行跟踪,并用Bezier曲线来拟合跟踪过的指纹纹线,最后使用Bezier曲线上曲率取极值的点来定义指纹特征点.实验结果表明,提取的特征点有效描述了指纹纹线的弯曲趋势,对噪声不敏感,同时该算法优于传统的特征提取方法.     

基于曲线推进的符号距离函数生成方法

目的构造水平集方法中所采用的符号距离函数,以提高曲线演化算法的速度。方法通过对水平集曲线形状的分析,给出了曲线内外点的判断方法,然后以距离等于1为步长推进边界,同时进行邻域最近点扫描,寻找任一网格点在曲线上的最近点,从而给出该点到曲线的距离。结果内外点的判断以及符号距离函数的构造均只需要经过图像的一次扫描即可给出结果,计算复杂度为O(N)。结论数值实验分析结果表明,新的方法计算稳定,比其他方法速度快。     

基于稀疏表示的时间序列最近邻分类

提出一种基于稀疏表示的时间序列最近邻分类模型,旨在通过提取时间序列的关键特征,去除冗余信息,达到减少噪声干扰的目的.该模型首先求解时序数据基于过完备字典的稀疏表示,然后利用非零系数及其对应的原子重构原始序列,最后利用基于距离的分类器进行分类.在18个时间序列公开数据集上的实验结果表明,最近邻分类模型能够提高传统的最近邻分类器的分类准确率.     

环评中确定卫生防护距离的原则和方法

在环境影响评价中,对无组织排放大气污染物,特别是有毒有害物质的建设项目,应当设置卫生防护距离。作者结合环评工作实际,根据国家颁布的环评技术导则,探讨了环评中卫生防护距离确定的原则,方法和步骤,并用实例对计算过程中的有关参数（主要污染物,源强,标准、半径等）的取舍进行了评说。     

基于欧式距离的最近邻改进算法

依托欧拉距离,使用杂合距离算法改进Minkowski距离公式,使得最近邻算法能够针对不同实际需要计算两事例距离,适用到属性是混合型的情形,也能避免时序列中出现的错误计算问题。     

基于KNN分类器的分层图像特征提取

给出一种基于k最近邻分类器(KNN)的分层图像特征提取方法.该方法能有效地获得有代表性和判别性的模板集合,并以较低计算复杂度来获取更高的识别精度.     

两条参数曲线间的Hausdorff距离的研究

在几何设计中,两个几何体间的Hausdorff距离是一种非常有用的度量方式,但是其计算通常而言相当耗时.本文找到了一种有效快捷的计算二维平面或三维空间中两条参数曲线的Hausdorff距离的新算法,并通过若干例子展示了它的有效性.     

港区道路出入口交通组织形式和分离距离

针对大型车为主的道路交通状况,对港区货车和集装箱卡车等大型车的交通特性进行了调查研究,并在此基础上对港区常见的出入口交通组织形式进行了理论分析和仿真评价.研究表明,当主路单车道流量大于400veh·h-1或支路左转车流大于250veh·h-1时,冲突车流间干扰大大增加,此时建议采用C型信号控制形式的出入口.提出了出入口分离距离的理论计算公式,并对分离距离的安全和效率进行了仿真验证.     

高速运动目标的瞬时距离-多普勒成像

首先建立高速运动目标宽带雷达回波模型,分析了高速运动对目标一维距离像的影响,针对其回波是调频斜率相同的多分量LFM信号的特点,提出利用自适应短时傅立叶变换的方法获得一维瞬时距离像,消除了高速运动目标距离压缩中的色散效应,经过运动补偿和横向分辨,最终获得目标清晰的二维像.和传统速度补偿方法相比,有效减小了运算量,仿真证明了该方法的有效性.     

基于轮廓曲线和特征区域的秦俑碎块匹配算法

为了提高秦俑碎块匹配的精度和速度,提出了基于轮廓曲线和特征区域的碎块匹配算法.提取碎块的断裂面及其轮廓曲线,并将轮廓曲线进行分段,再采用最长公共子序列算法将轮廓曲线进行匹配,以实现碎块的粗匹配;根据体积积分不变量计算碎块断裂面上所有顶点的凹凸性,并将断裂面划分为一系列或凹或凸的特征区域;计算断裂面上各个特征区域的质心,并采用改进的迭代最近点算法对质心进行匹配,以实现断裂面的细匹配.实验采用了3种匹配算法对秦俑碎块数据进行匹配,结果表明基于轮廓曲线和特征区域的匹配算法能更加精确地完成碎块断裂面的完全匹配和部分匹配,并在细匹配阶段取得了更高的迭代收敛速度.      

叶片截面线特征点的快速提取及其实验研究

针对叶片加工过程中的测量效率问题,从叶片截面线的曲率突变性出发提出一种提取截面线特征点的方法.根据截面线离散点积分曲线的单调性将截面线划分为曲率平滑区域与曲率突变区域,综合离散点曲率与区域性质选取基本特征点.构造B样条曲线逼近原始曲线,直到两曲线之间的Hausdorff距离满足预设阀值,完成特征点提取.计算及实验结果表明,特征点分布疏密程度与截面线曲率变化相关.在阀值为0.05mm的条件下,算法平均压缩率达到98%,平均计算时间为103 s.相比传统方法,该方法能快速收敛到设定误差,对提高叶片测量效率有一定指导意义.     

基于特征线子空间嵌入的非线性特征提取方法

针对最近特征线子空间特征提取方法中所存在的问题,结合最大间距判别分析,提出一种具有一定局部学习能力的、有监督的非线性特征提取方法：基于特征线子空间嵌入的非线性特征提取方法,即该特征提取方法不但能克服特征线方法所存在的小样本问题,同时能一定程度上提高其处理非线性数据的能力.通过在数据库上进行实验,结果表明该方法具有优势.     

一种CDRWPCA网络故障特征提取算法

针对主元成分分析(PCA)在网络故障特征提取过程中可能丢失分类信息的问题,提出了一种中心距离比值加权主元成分分析(CDRWPCA)算法。算法计算样本每维特征的中心距离比值来衡量特征间的差异，并根据特征差异构造权重因子,对更具有鉴别性的特征赋予更大的权重,得到加权数据集;然后对加权数据集运用PCA进行特征提取后将提取后的数据集送入支持向量机(SVM)验证算法的有效性。算法相比较与PCA算法增加了时间复杂度,但相对于PCA算法本身的时间复杂度,增加不多。在网络故障诊断中的实验结果表明算法能在提取特征维数更少的情况下,提高了故障识别率。     

基于Gabor滤波器的特征抽取技术

首先简介了2D Gabor函数,然后从样点的选取、Gabor滤波器参数设置、Gabor特征后处理等方面,综述基于Gabor滤波器的特征抽取技术,最后给出进一步的研究方向.     

机械噪声故障特征提取的盲分离法与小波提纯法

机械噪声故障特征提取的难点在于观测信号的信噪比较小．将盲分离技术引入噪声故障特征提取，通过声源信号的相互独立性质，使用二阶盲分离算法从观测的混合信号中提取独立声源信号，然后，通过随机噪声与有效信号在多尺度空间中模极大值的不同传播特性，使用小波模极大值法提取有效信号特征．该算法不仅消除了临近机器或部件辐射噪声的干扰，还消除了随机噪声的干扰，有效提取了机械噪声故障特征．电动机噪声特征提取实验验证了上述算法的有效性．     

基于特征点提取的弯道识别算法研究

针对高速公路弯道处事故率高的特点,研究了一种基于特征点提取的高速公路弯道识别方法,以降低弯道处交通事故发生率。采用Hough变换求出车道线直线方程,根据高速公路的特点建立适当的道路模型,确定对应直线段上的最低点和最高点;分别比较直线段两侧白色像素点的个数判断出曲线道路的弯曲方向,从而进一步确定曲线段上的特征点,同时对车道线候选特征点进行滤波;分段拟合车道线的直线段和曲线段,实现车道线的二维重建。实验表明,能识别不同形状的车道线,具有很高的实时性和准确性,且在不同道路干扰下对连续型分道线和虚线型分道线的检测都有良好的识别效果。     

基于序列图像的虹膜特征提取与分类

根据单一虹膜图像进行虹膜识别时,存在被干扰影响而改变的特征,而从单一图像中无法判断这些特征的有效性.因此,根据这些特征难以对虹膜做出正确分类.针对这个问题,提出了基于序列图像的虹膜识别方法.从多个图像提取的二值相位特征,经过特征配准将虹膜特征投影,获得低维的子空间特征,用子空间上的特征作为该虹膜的特征,将其与数据库中的特征进行比对,从而进行虹膜识别.与基于单一图像的虹膜分类方法相比,该方法的虹膜分类性能明显得到改善.     

基于纹理分析的图像形貌特征提取

讨论了纹理分析的统计法、结构法、模型法以及空间／频率域联合分析法等四种主要方法的优缺点及各自的适用性，对近年来这些方法在图像形貌特征提取方面的应用进行了归类和初步的总结，重点介绍了一些新的发展，探讨了存在的问题和发展方向。     

一种基于可拓距的特征变换方法及其在网络入侵检测中的应用

作为识别攻击或异常行为以保护网络安全的重要步骤之一,网络入侵检测常常与数据挖掘或机器学习技术结合应用.如今,随着网络数据的爆炸性增长,传统的入侵检测技术面临着海量数据检测处理的问题,现有入侵检测系统往往难以同时满足实时性和有效性的需求.本文尝试将可拓学中的可拓距概念引入网络入侵检测研究中,提出了一种基于可拓距的特征变换方法,将数据点的原特征映射为簇外中心距和簇内可拓距这两大部分,根据原始数据多维特征生成新的特征,以达到特征降维的目的,旨在同时满足网络入侵检测系统的实时性和有效性的需求.本文使用KDD CUP 99作为仿真数据集测试所提出的基于可拓距的方法在网络入侵检测特征变换中的应用效果.实验结果表明,较之传统的KNN算法,基于可拓距的方法明显地减少了检测时间,而同时其检测率的下降可以控制在1%之内,具有较好的时效性优势.