Ultrasonic signal classification based on ambiguity plane feature

Ambiguity function (AF) is proposed to represent ultrasonic signal to resolve the preprocessing prob-lem of different center frequencies and different arriving times among ultrasonic signals for feature extraction, as well as offer time-frequency features for signal classification. Moreover, Karhunen-Loeve (K-L) transform is considered to extract signal features from ambiguity plane, and then the features are presented to probabilistic neural network (PNN) for signal classification. Experimental results show that ambiguity function eliminates the difference of center frequency and arriving time existing in ultrasonic signals, and ambiguity plane features extracted by K-L transform describe the signal of different classes effectively in a reduced dimensional space. Classification result suggests that the ambiguity plane features obtain better performance than the features extracted by wavelet transform (WT).     

基于DPM和R-CNN的高分二号遥感影像船只检测方法

提出了基于可变形部件模型(deformable part model, DPM)的高分二号(GaoFen-2,GF2)遥感影像船只检测方法,并与区域卷积网络(regional convolutional neural network, R-CNN)进行比较。先将遥感影像分段以获得船只的粗略感兴趣区域(regions of interest, ROI),然后在ROI内计算方向梯度直方图(histogram of oriented gradients, HOG)和卷积特征,再分别由DPM和R-CNN采用HOG和卷积特征。为测试R-CNN的最佳性能,将具有5个卷积层(ZF网)和具有13个卷积层(VGG网)的网络应用于船只检测。使用8张GF2遥感影像的3523艘船只的实验结果表明,DPM和R-CNN都能以高召回率和正确率检测水中的船只,但对于聚集船只而言,DPM的效果优于R-CNN。基于HOG+DPM,ZF网和VGG网的方法平均精度分别为95.031%,93.282%和93.683%。     

基于全局特征和局部特征组合的脸谱识别方法

本文中,提出了一种新的脸谱识别方法。首先利用核主分量分析技术提取脸谱图象的全局特征,然后利用独立分量分析技术提取脸谱图象的局部特征,分别挑选出部分局部特征向量与部分全局特征向量组合成脸谱的组合特征向量,然后利用支持向量机分类器进行识别。采用ORL脸谱库进行测试,并与其它特征提取方法进行了比较,实验结果显示基于组合特征方法的识别率明显优于其它方法。     

综合多特征的高分辨率极化SAR图像分割

针对高空间分辨率全极化数据的特点,基于分形网络演化分割算法框架,本文提出了一种综合K分布统计特征、Pauli分解特征和空间形状特征的高分辨率全极化SAR图像分割方法。该方法采用对数似然函数定义K分布统计特征异质度,对Pauli分解特征加权定义极化分解特征异质度。在此基础上,综合统计、极化分解和形状特征构建对象相似性准则,建立高分辨率全极化SAR图像多特征综合分割流程。通过模拟数据和ESAR全极化数据实验并与其他分割方法比较,验证了本文分割方法的有效性。     

基于孪生深度神经网络的风电机组故障诊断方法

为有效提取风电SCADA (supervisory control and data acquisition)中时序数据故障特征,同时考虑一维卷积神经网络(one-dimensional, convolutional neural network,1-D CNN)提取局部时序特征和长短时记忆网络(long short-term memory networks, LSTM)提取长期依赖特征优势,提出一种基于1-D CNN-LSTM的风电机组故障诊断方法;针对故障样本稀缺问题,基于孪生神经网络架构(siamese network),提出一种基于孪生深度神经网络siamese 1-D CNN-LSTM的风电机组故障诊断方法,依靠少量样本数据对机组故障特征进行有效提取。结果表明：1-DCNN-LSTM优于其他现有深度学习方法;当训练样本不足时,所提出的siamese 1-D CNN-LSTM可以显著提升故障诊断结果。     

基于DCNN的弹道中段目标HRRP图像识别

针对弹道中段目标识别问题,现有的基于高分辨距离像(high resolution range profile, HRRP)的识别方法直接提取一维HRRP(1-dimension HRRP, 1D-HRRP)的整体特征,对局部特征提取能力较弱,且由1D-HRRP数据提取的特征的表达能力有限,为此提出了一种基于深度卷积神经网络(deep convolutional neural network, DCNN)的弹道中段目标HRRP图像识别方法。首先,将1D-HRRP转化为0-1二值图像,从而把数值变化特征转化为图像结构特征;然后,构建DCNN逐层提取图像的局部特征和共性特征并进行识别;最后,结合Dropout和L2正则化双重机制缓解DCNN过拟合问题,利用AdaBound算法提高DCNN训练收敛速度和识别正确率。实验结果表明,所提出的基于HRRP图像的弹道中段目标识别方法比其他12种基于1D-HRRP或二维HRRP(2-dimension HRRP, 2D-HRRP)的识别方法正确率更高,在测试数据集上达到了96.28%,实验结果验证了该方法的有效性。     

基于DCNN的弹道中段目标HRRP图像识别

针对弹道中段目标识别问题,现有的基于高分辨距离像(high resolution range profile, HRRP)的识别方法直接提取一维HRRP(1-dimension HRRP, 1D-HRRP)的整体特征,对局部特征提取能力较弱,且由1D-HRRP数据提取的特征的表达能力有限,为此提出了一种基于深度卷积神经网络(deep convolutional neural network, DCNN)的弹道中段目标HRRP图像识别方法。首先,将1D-HRRP转化为0-1二值图像,从而把数值变化特征转化为图像结构特征;然后,构建DCNN逐层提取图像的局部特征和共性特征并进行识别;最后,结合Dropout和L2正则化双重机制缓解DCNN过拟合问题,利用AdaBound算法提高DCNN训练收敛速度和识别正确率。实验结果表明,所提出的基于HRRP图像的弹道中段目标识别方法比其他12种基于1D-HRRP或二维HRRP(2-dimension HRRP, 2D-HRRP)的识别方法正确率更高,在测试数据集上达到了96.28%,实验结果验证了该方法的有效性。     

高分辨SAR目标成像方向性结构特征增强

针对传统稀疏特征增强的方式仅能完成对目标场景中特显点的增强,对复杂的目标结构特征无能为力的问题,考虑目标细节特征的复杂性,提出方向性结构全变分(directional total structure variation,DTSV)正则子进行结构先验表征,实现对成像目标复杂结构特征任意梯度变化的拟合,进而实现对结构特征的...     

基于多特征和WSVM的SAR图像河流目标检测

为进一步提高合成孔径雷达(synthetic aperture radar, SAR)图像中河流目标检测的准确性,本文提出了基于多特征和小波支持向量机(wavelet support vector machine, WSVM)的SAR图像河流目标检测方法。首先使用均值比表示像素点邻域的灰度特征,Gabor小波提取其纹理特征,并将其融合构造训练样本;然后将归一化处理后的特征矩阵输入WSVM进行训练,并利用训练好的WSVM对图像的每个像素点进行分类;最后根据河流的区域连通性和面积、形状特征,去除阴影、湖泊等与河流相似的区域。大量实验结果表明,与其他河流目标检测方法相比,本文方法检测的河流目标更加完整,背景与河流的误分区域更少,河流边缘保持得更好。     

一种基于视频图像的挖掘机工作状态识别方法

为了实现违法用地现象的实时监测,对土地间的挖掘机等施工机械的工作状态识别是非常重要的.实际场景下,因随机噪声和光照变化的影响,给挖掘机工作状态识别带来极大的挑战.本文提出一种基于视频图像的挖掘机工作状态识别方法,首先,对同一品牌挖掘机工作装置的各种姿态建立混合local binary features (LBF)形状回归模型并进行离线训练;其次,利用上述模型预测输入视频帧中挖掘机工作装置的形状信息,构建挖掘机的工作状态特征描述子;最后,利用support vector machine (SVM)分类器自动判别挖掘机的工作状态—-工作状态或非工作状态.实验结果表明,该方法很好地克服了多姿态导致形状变化的影响,对挖掘机工作状态识别准确率达到了93.53%.     

极化毫米波雷达目标识别方法的研究

本文针对毫米波雷达距离像识别这一应用背景,提出了一种应用极化信息使距离像幅值趋于平稳,用神经学习来提取距离像角不变特征的模式识别新方法;其特点是通过极化处理减弱斑纹可增强对目标的确认,经神经学习获取的子类型特征与常规方法相比载有更多信息因而识别率高;实验结果证明了该方法的有效性.     

引入信用风险的可转债定价模型及其实证研究

建立引入信用风险的二叉树定价模型，研究可转债各主要条款以及发行人信用风险对可转债价值的影响，通过确定边界条件和具体的参数对我国的可转债进行合理的定价。而后利用该模型对我国的可转债市场进行实证研究，发现我国可转债的市场价格普遍被低估．并分析这一现象产生的原因。     

注意力机制下双模态交互融合的目标跟踪网络

针对当前目标跟踪难以适应低光照、运动模糊、目标快速移动等挑战,提出了空间通道注意力下的红外与可见光双模态交互融合跟踪网络.首先,红外图像与可见光图像通过backbone三层卷积提取分层特征,并降维至统一分辨率,之后级联三层特征形成各模态特征.其次,多模态特征通过所设计的空间通道自注意力模块和跨模态交互注意力模块使得模态...     

Digital modulation classification using multi-layer perceptron and time-frequency features

Considering that real communication signals corrupted by noise are generally nonstationary, and time-frequency distributions are especially suitable for the analysis of nonstationary signals, time-frequency distributions are introduced for the modulation classification of communication signals. The extracted time-frequency features have good classification information, and they are insensitive to signal to noise ratio (SNR) variation. According to good classification by the correct rate of a neural network classifier, a multilayer perceptron (MLP) classifier with better generalization, as well as, addition of time-frequency features set for classifying six different modulation types has been proposed. Computer simulations show that the MLP classifier outperforms the decision-theoretic classifier at low SNRs, and the classification experiments for real MPSK signals verify engineering significance of the MLP classifier.     

雷达目标-维散射中心识别特征提取研究

针对雷达目标高分辨一维距离像在目标识别中存在计算量和存储量过大的问题,研究了基于一维散射中心的目标识别特征。在使用矩阵束法提取散射中心的基础上,定义了散射中心阶数、散射中心相对位置和中心矩三个平移不变特征用于目标识别,较好地描述了目标散射特性。三类目标外场实测数据的识别试验结果显示,相对于单一特征的目标识别,综合上述三个特征的识别不但能获得更好的目标识别率,而且识别结果对高斯白噪声不敏感。     

基于熵特征和支持向量机的调制识别方法

通信信号调制识别在非合作通信领域是一项重要的研究课题。针对当前算法计算量大,能识别的调制类型少的特点,提出了一种基于熵特征和支持向量机（support vector machine, SVM）的调制识别新方法。该算法通过提取接收信号的多维熵特征,作为调制识别的特征参数,并利用基于二叉树的SVM作为分类器,对接收信号进行调制识别。除了信号的信噪比,该算法不需要信号带宽和载频等其他先验知识。理论分析与计算机仿真结果表明,该方法具有很高的识别率,计算量小,具有很好的应用价值。     

A MULTI-AGENT SYSTEM FOR MANAGING THE QUALITY OF SERVICE IN TELECOMMUNICATIONS NETWORKS

1. Introduction In this paper we propose X-MAQoS, a novel XML-based multi-agent system for the QoS management in telecommunications networks. The motivations underlying our system and its general characteristics are illustrated in this section. Specifically, the motivations are presented in Section 1.1, whereas the general characteristics are described in Section 1.2. 1.1 Motivations The last few years are witnessing a fast evolution of the telecommunications systems towards the full dep…     

基于NP算法的CRM中客户识别特征的选择

客户识别对于CRM的实施具有重要意义，客户特征选择是客户识别中的重要问题．嵌套分割算法（NP算法）是一种新型的系统优化方法，通过对其四个算子进行确定，将其应用于具有组合优化特征的CRM中客户识别中的客户特征选择问题．并通过将NP算法应用于某人寿保险公司的客户特征选择问题，说明了该方法的有效性．该方法不但能够保证以概率1收敛于最优解，而且能够提高客户特征选择的效率．     

基于单目视觉的微型飞行器移动目标定位方法

针对目标在地形高度未知环境中移动的情况,给出一种利用微型飞行器机载单目摄像机进行目标定位的方法。首先,借助光流直方图从当前图像帧中提取出移动目标局部区域内的背景特征点|然后,结合机载微机电系统(micro electro mechanical system, MEMS)/ 全球定位系统(global positioning system, GPS)传感器测量的飞行器位姿和空间平面点成像的单应变换关系,在期望值最大化算法中将背景特征点分类为辅助平面点和非辅助平面点,并估计辅助平面到摄像机光心的距离参数和法矢量参数,从而确定移动目标所处辅助平面的空间平面方程|最后,联立求解目标视线方程和辅助平面方程获得交点坐标,转换到惯性系下完成移动目标的地理定位。实验结果表明,当微型飞行器飞行高度为100 m时,操作人员单次点击移动目标的定位误差在15 m以内。     

基于跳跃时间和幅度的BDI指数波动幂律分布特性研究

BDI指数是国际航运市场的风向标,摸清BDI指数波动幂律分布特性,对于进一步掌握运费规律、预测BDI趋势、协助航运决策等方面具有重要意义.基于此,本文对已运行30年BDI指数的波动幂律分布特性进行了详细研究,主要特色有:一是借助Pareto、Exponential以及Fokker-Planck函数首次深入探讨了BDI指数波动幂律分布特性.二是在跳跃识别的基础上,构建了基于跳跃时间和跳跃幅度两标度的BDI指数波动幂律分布特性分析模型,并转化成最小二乘法的线性回归测算模型.三是对BDI指数日、周和月增长率的跳跃时间和跳跃幅度幂律分布特性进行了实证分析.结果表明:BDI指数具有尖峰薄尾的增长率分布和波动聚集性;Fokker-Planck函数拟合BDI指数增长率跳跃时间更合适;Exponential函数拟合BDI指数增长率跳跃幅度更合适;BDI指数增长率跳跃时间和跳跃幅度都具有薄尾幂律特性,且向上、向下幂律呈现对称性.