心电向量图自动分析诊断系统

本文介绍了一个用于心脏疾病诊断心电向量图自动分析诊断系统。系统通过计算机对立体心电向量分解成的平面心电信号的分析，可以绘制出各环各面的心电向量图，并根据向量图可计算得出３８项指标和９９项常规参量，随即给出诊断报告．文章还阐述了数字滤波、基线漂移、波形识别和图形处理的实现方法。     

穿戴式心电信号伪差识别算法的研究及应用

针对穿戴式心电监测设备普遍存在的运动和设备伪差问题，提出了基于心电幅度突变度和突变分布连通性、变换后心电极大极小值对凌乱度，以及异常心搏特征等设计的伪差识别组合算法.通过在心电自动分析三个关键环节嵌入组合算法实现伪差识别，并选择了3种设备4种数据样本进行算法验证.结果表明，组合算法伪差识别灵敏度可达98.35%，可将QRS检出正确率提高3.08%，且并未增加心电自动分析运算时长，算法不依赖特定硬件设备，可应用到各类穿戴式设备的心电数据分析中，具有普适且高效的特点.      

基于深度学习的心电信号分析检测系统

针对传统人工识别心电信号方法存在工作量大、容易出错和现有心电监测设备仍然存在心电信号识别类型少、诊断精度不高、过度依赖于网络服务等问题,为提高心电监测设备性能,基于深度学习技术设计了心电信号ECG(Electrocardiogram Signals)分析检测系统。通过搭建SENet-LSTM(Squeeze-and-Excitation Networks-Long Short Term Memory)网络模型实现心电信号7分类的自动诊断,模型建立在一个采用ADS1292R作为心电采集模块,STM32F103作为数据处理模块,树莓派作为中央处理模块的智能化硬件平台上,该系统利用一体化的高性能微型计算机树莓派进行计算分析,为用户提供离线化的人工智能(AI:Artificial Intelligence)服务,同时模型的准确度和精确度分别为98.44%和90.00%,从而实现ECG的实时检测和准确分类,为患者提供精准的病情诊断。     

基于小波变换12-导联心电图特征提取方法

提出了一种基于小波多分辨分析的算法对心电信号进行特征提取和识别.通过小波变换对常规12-导联心电图进行分段和特征提取, 并利用支撑向量机和提取的特征向量对未知心电图进行分类.实验结果表明该方法具有较好的应用前景.     

基于混沌特性和BP神经网络的室性早搏的自动诊断

心电信号是诊断心血管疾病的重要依据.通过心电信号的混沌特性分析和Lyapunov指数导数的相关计算,准确提取了室性早搏(premature ventricular contraction,PVC)的特征,进而,通过BP神经网络的训练,完成了室性早搏心拍在心电信号数据序列中的正确识别,实现了室性早搏的自动诊断.利用MIT-BIH心律不齐数据库中的数据对算法的可行性进行了验证,结果表明该算法有良好的稳定性和较高的准确率,能很好地完成室性早搏的快速诊断.     

基于稀疏成分分析和小波包变换的心电信号去噪

针对心电信号的识别这一生物医电信号处理的难题,提出了一种新的算法,将稀疏成分分析和小波包变换两种方法相结合,去除了心电噪声,得到了清晰的心电信号。仿真结果与传统的快速独立成分分析(FastICA)算法相比较,本算法具有更高的分离精度。     

基于支持向量机的磁粉探伤智能识别算法

磁痕图像的自动分类方法是磁粉探伤智能化的关键技术之一。针对目前磁粉探伤自动识别漏识率和虚警率高的问题,提出采用支持向量机算法后验概率输出的判断方式对磁痕图像进行分类。对采集到的图像进行预处理和特征提取,然后使用支持向量机对特征数据处理得到后验概率,利用此后验概率得到分类信息将结果映射为有无裂纹与类别模糊区三类,实现智能识别。实验证明算法的有效识别率高,在漏检率和虚警率上取得了较好的平衡。     

改进的基于SVM的车辆牌照识别技术

分析传统基于支持向量机(SVM)的汽车牌照识别技术实现的难点,提出一种基于边际向量的快速车辆拍照识别算法,阐述改进算法的思想和原理,给出边际向量的具体求解过程以及算法的识别流程.实验结果表明,改进算法的时间复杂度比普通SVM算法低一个数量级.     

基于改进ICA与v-S的车牌识别

提出一种结合改进的基于独立分量分析(ICA)提取算法和基于多层感知器和单向二叉决策树的多类支持向量机分类方法.该算法通过ICA进行字符的特征提取,并利用多类支持向量机分类器完成字符的识别.以对机动车车牌识别实验为例,实验证明,改进的IcA算法具有更好的稀疏性和更快的收敛速度.用单向二叉决策树将字符图像逐步分类,并引入参数调整环节,实现了缩短字符识别时间并提高识别精度的目的.     

基于HHT的结构损伤特征量与异常诊断

Hilbert-Huang Transform(HHT)是一种新的适用于非线性、非平稳信号且具有自适应性的数据处理方法.提出了一种基于HHT的结构损伤识别方法,该方法利用结构动态响应信号的HHT边际谱构造出损伤特征量--模态成分向量,进而定义结构异常指数.通过比较结构同一位置不同状态下模态成分向量的匹配度来识别结构特性变化,实现损伤辨识.数值模拟分析表明,该方法具有有效性和实用性.     

雷达近场成像中SVM的目标识别方法

雷达近场成像中,在精确定位的基础上,为解决目标形状识别问题,提出了利用支持向量机（SVM）预测目标信息的方法.根据时域算法——后向投影（BP）算法和频域算法——频率波数域（F-K）偏移算法得到的场强值作为SVM的特征数据,并利用时域有限差分法（FDTD）进行仿真.仿真结果表明,基于BP算法的SVM识别方法具有特征数据提取时间长、SVM预测时间短、多目标时目标信息全和虚警较多等特征,基于F-K算法的SVM识别方法具有特征数据提取时间非常短、SVM预测时间非常短、多目标时目标漏检的特征;两者都能较好地识别目标的形状,且前者的识别能力高于后者,而后者更适合实时成像.     

一种自标签特征点异源图像目标检测算法

由于图像成像机理差别较大,现有的算法无法提取可见光与红外异源图像上的共有特征用来匹配,进而无法实现异源图像目标识别. 针对此问题,本文提出了一种基于自标签技术的深度学习特征点提取匹配算法. 算法通过设计一个粗特征检测器并在合成影像上进行训练,使得该特征检测器在不同图像上都具特征提取能力. 利用本文提出的自标签方法将异源图像中共有的特征点进行提取,从而解决了现有算法无法获取异源图像共有特征的问题. 并利用自标签结果进行特征点检测器和描述子的训练,最终通过匹配的特征点实现了异源图像间的实例目标识别. 本文采集了不同场景下的可见光-红外无人机影像作为测试数据. 在异源测试数据集上,选择了6种不同的先进算法与本文算法进行了对比试验. 实验结果表明,该算法较现有的6种先进算法能够提取到更多、更精确的异源图像共有特征,与其他测试算法相比在异源图像测试数据上的平均精度有了明显提升.      

基于车辆牌照识别系统字符的特征提取方法研究

对车辆牌照识别系统中分割下来的牌照字符特征提取环节涉及的新算法、新技术进行了深入探讨,主要研究用提取图象变换系数、图象统计矩和方向特征量的方法提取字符的分类特征,针对实验结果进行了分析。以上工作为车辆牌照识别系统的整体设计打下了一定的基础。     

基于几何特征的动态人脸识别

针对当下人脸识别算法复杂、实现困难,提出了一种基于几何特征的动态人脸识别算法.该算法首先进行人脸特征的定位,以反馈形式为基础,提高其准确率.同时对数据采集功能进行了改进.对同一用户采用了不同时刻下的10张图片,减小特征定位引起的偶然误差,提高了识别速度的同时也降低了误识率.     

基于判别分析与低秩投影的人脸识别算法

针对目前人脸识别算法的误识率高、 鲁棒性差等不足, 设计一种基于判别分析与低秩投影的人脸识别算法, 以获得更优的人脸识别结果. 首先对人脸图像进行分块, 提取每个子块的局部特征, 并判别分析提取人脸的全局特征; 然后通过低秩投影选择对人脸识别结果贡献较大的特征组成特征向量; 最后采用最小二乘支持向量机根据“一对多”的原则建立光照人脸识别的多分类器, 并对多个人脸数据库进行仿真实验. 实验结果表明, 该算法可找到最优人脸识别特征子集, 降低光照人脸的误识率, 人脸识别速度得到明显提升, 且人脸识别效果优于其他人脸识别算法.     

基于LDA-MFCC的藏语语音特征提取技术研究

藏语特征提取算法是藏语语音识别系统中最为关键的一个环节。文章在分析藏语发音特点的基础上,建立了基于模拟人耳听觉系统的Mel倒谱系数（MFCC）特征提取算法,然后通过LDA信息压缩算法,对提取的特征数据进行压缩,在降低维数的同时提高了识别率和运算效率,总结出了符合藏语语音特点的LDA-MFCC特征提取算法。     

基于加速度时域特征的实时人体行为模式识别

摘要： 针对高精度的实时人体行为模式识别,提出了一种基于加速度时域特征的行为模式识别算法.本算法选取时域特征作为唯一特征量,通过简化特征提取运算实现行为的实时识别,获得了高精度结果.通过在Android智能手机平台进行测试,每项动作识别正确率均可达80%以上.该算法相对于现有算法实时精度有明显提高,在手持终端领域具有较好的应用前景.     

基于改进高分辨率网络的人脸性别和年龄识别

针对目前利用人脸特征进行性别和年龄识别率较低的问题, 提出一种基于改进高分辨率网络(improved high-resoultion net, IHRNet)的新方法. 首先, 在IHRNet中融合具有少量参数和较高识别率的MobileNetV3结构, 结合高分辨率网络自身具有的多尺度特征提取优势, 有效提升了人脸特征识别的准确率; 其次, 为降低过拟合风险, 网络先采用IMDB-WIKI人脸数据集进行预训练, 然后加载预训练模型在Adience人脸数据集中进行训练和测试; 最后, 与ResNet50,HRNet,MobileNetV3三种同类算法进行对比. 实验结果表明, IHRNet在年龄及性别识别上的准确率分别高达82%,95%, 比同类算法分别平均提升9%和3%, 且参数量较未改进时下降36%, 验证了改进算法的有效性.     

基于改进高分辨率网络的人脸性别和年龄识别

针对目前利用人脸特征进行性别和年龄识别率较低的问题, 提出一种基于改进高分辨率网络(improved high-resoultion net, IHRNet)的新方法. 首先, 在IHRNet中融合具有少量参数和较高识别率的MobileNetV3结构, 结合高分辨率网络自身具有的多尺度特征提取优势, 有效提升了人脸特征识别的准确率; 其次, 为降低过拟合风险, 网络先采用IMDB-WIKI人脸数据集进行预训练, 然后加载预训练模型在Adience人脸数据集中进行训练和测试; 最后, 与ResNet50,HRNet,MobileNetV3三种同类算法进行对比. 实验结果表明, IHRNet在年龄及性别识别上的准确率分别高达82%,95%, 比同类算法分别平均提升9%和3%, 且参数量较未改进时下降36%, 验证了改进算法的有效性.