基于符号编码的雷达脉冲重复间隔调制识别

为了有效地实现在小数据脉冲样本和高脉冲丢失的环境下对雷达脉冲重复间隔(Pulse Repetition Interval,PRI)调制类型的准确识别,采用符号编码理论对雷达脉冲PRI序列进行符号化处理,对得到的编码序列进行修正以及特征码序列的选取、搜索和统计,最后依据相应的判决规则得到最终的识别结果。仿真实验表明,与传统的方法相比,采用的方法有效地克服了小数据脉冲样本和高脉冲丢失环境对雷达PRI序列的特征提取和调制类型的识别所带来的不利影响,为解决这一问题提供了一种新的思路。     

基于改进LeNet-5网络的堆芯燃料组件编码识别

在核电站堆芯核燃料组件水下组装作业中,需要通过视觉技术进行组件编码的识别以便准确定位组件的安装位置。针对水下环境中弱光照等问题导致了图像质量的降低,本文通过乘方增强算法、OSTU算法、CLAHE算法和拉普拉斯变换的方法来实现堆芯燃料组件编码字符水下图像的增强。为了提高编码识别效果,提出了一种整合LeNet-5网络和支持向量机(SVM)的模型,在网络中添加BN(Batch Normalization)层与Dropout层来加速网络的运行速度,并改进Sigmoid函数,增加函数的平滑性,以此来减少梯度消失。实验表明,在自定义数据集上的验证准确率为99.82%,识别率为100%,相比于其他模型有显著的提升。     

基于AdamOptimizer自编码的手写数字识别研究

介绍自编码神经网络的基本原理,并将自编码神经网络应用于手写数字识别中。实验中采用手写体数字库MNIST作为数据源,通过实验结果表明自编码神经网络在手写数字识别中能达到很好的识别效果。经过优化器为AdamOptimizer与RMSProp Optimizer比较发现不同优化器所获得的识别效果不同,优化器为AdamOptimizer的识别效果比优化器为RMSProp Optimizer的识别效果更好一些。由于隐藏层为3层出现的过拟合情形,带来了识别效果不如隐藏层为2层的神经网络。通过调节参数可以使得cost值继续减小,效果达到更优。     

基于EPC编码算法的纺织品识别

引入纺织品编码算法,其算法通过使用否定选择算法实现了对EPC编码中制造商、纺织品以及服装的辨别.编码采用二进制代码,相似匹配检测采用Hamming Distance函数.纺织品编码算法利用RFID技术可以快速获取纺织品的相关数据.     

基于AMR编码参数的语音识别

基于语音编码系统的语音识别，由于受编码的影响其识别效果在编码速率下降时显著降低。传统的识别方法从重构语音波形中提取特征参数，并针对该特征参数进行训练和识别。比较了基于编码语音的识别准确率和基于编码参数的识别准确率，并研究了编码参数对识别准确率的影响。在此基础上，通过选择受编码影响较小的编码参数，直接将LPC参数和残差信号参数组合起来构成特征参数进行语音识别。实验结果表明，采用这种方法的AMR语音识别系统，其识别效果接近于基于原始语音的识别效果。     

基于SVM和NN的空管手写符号的识别研究

针对空管手写符号识别进行研究,使用支持向量机(SVW)与神经网(NN)的方法提出了双层的分类方法,第一层使用支持低分类率的NN分类器,使用一个强拒绝准则,应用了一个易提取的较小特征集.而被拒绝的模式再加上一些更复杂的附加特征和均衡的拒绝准则一起用于第二层的SVM分类器,其中附加特征包括具有强分类能力的空管手写符号的头部和尾部特征.实验结果表明,用这种方法可以得出一个更快的分类器,在相同特征下分类的时间比单个SVM更少,错误识别率为0.1%,具有很好的鲁棒性.     

基于紧致编码的高阶神经网络光计算

提出一种能压缩三阶神经网络的互连张量规模近一半的紧致编码方法。设计两种光电混和系统-非相干多重成象系统和非相干相关系统,并用它实现了三阶互连的二维神经网络,构成图象平方关联存贮器。在光学实现中,借助于一种多重矩阵排列方式,作者用一块二维掩模板表示六维的互连张量,用二维的发光二极管(LED)阵列表示四维的输入张量,实验结果与数值模拟的结果吻合。     

基于编码识别的电子白板中校准算法

分析了基于编码识别的电子白板系统坐标转换中偏差产生的原因,针对平移、缩放、旋转三类主要因素,讨论了系统校准及坐标转化的方法。借鉴触摸屏的校准思想,针对上述三种情况讨论了两点及三点校准算法在系统中的实现步骤,给出了求解方法。根据试验结果定量讨论了系统误差,并对误差产生的原因进行了分析。利用该方法完成校准及坐标转换能够满足实际应用的需要。     

岩体空间结构体的计算机识别

在岩体的开挖过程中,岩体的结构面与开挖临空面极易构成威胁工程的不稳定块体,影响边坡、隧道、地下洞室等工程的稳定性,因此如何根据开挖面上结构面出露特征快速确定这些不稳定块体,对工程设计、施工及支护都具有重要意义。本文在得知结构面参数(结构面的倾角α、其倾向β以及结构面上任意点的坐标P(X0,Y0,Z0)或平面上不在同一条直线上三个点坐标)情况下,采用计算几何理论,解决了块体的快速搜索与识别问题,运用C++语言编程,实现了四面体、五面体、六面体和七面体四种常见可能滑动块体的快速搜索与识别,计算出面积和体积,并利用OpenGl实现块体可视化,为关键块体稳定性分析以及支护参数的确定奠定基础。     

基于密集光流的步态识别

作为一种生物特征,步态在视频监控、行为分析等领域具有很大的应用前景.提取步态特征的关键在于对步态在时间、空间两个维度上的变化模式进行描述.基于密集光流提出了一种步态特征提取算法,通过密集光流表征每帧图像人体区域各部位的运动强度和方向,综合一个步态周期内所有单帧特征作为步态周期的特征.利用主成分分析、线性判别分析对步态特征进行降维处理,用支持向量机进行分类,验证提取特征的分类性能.实验结果表明,所提算法采用光流特征,提供了丰富的动态信息,可以很好地描述步态在时间维度上的变化,在与现有步态特征描述算法的对比中,体现出了良好的识别性能.     

基于K-L变换与SVM的数学符号识别

为了实现印刷体数学表达式的自动识别,对印刷体数学符号的识别方法进行了研究,提出了一种基于K-L变换和支持向量机的符号识别方法.该方法首先对数学符号图像进行预处理,然后对其归一化之后的图像使用K-L变换进行特征降维,最后使用支持向量机分类器对其进行识别.对同济大学版的<高等数学>上册书中出现频率最高的112个基元或符号的识别率可以达到96%以上,实验结果表明,该方法比近年报道的方法有明显优势.     

基于环境要素编码的泥石流沟道危险度快速识别

泥石流沟道危险度识别是泥石流灾害防治的基础.关于泥石流沟道及其危险度的研究过去已有很多,但关于泥石流沟道防治对策的差异性研究尚不充分,对于类似的泥石流沟道可能导致的类似程度的泥石流危险度的研究更加缺乏.本文提出了基于环境要素编码的泥石流沟道危险度快速识别方法,将影响泥石流沟道危害程度的多个环境变量信息,通过编码形式赋予特定的泥石流沟道.选取灾害记录比较完备的沟道作为参照组,依据灾害记录将参照组中的沟道分为若干类别,其余沟道则可根据其编码与参照组沟道编码的相似性,快速确定其所属类别,预测其危险度.本文以太原市西山地区的泥石流沟道为例,初步探索了该方法的可行性,结果表明该方法具有一定的准确性,但由于参照组沟道较少且灾害的发生具有随机性,个别沟道预测结果与灾害记录存在差异,增加参照组沟道数量可以增加预测结果的可靠性.本文的研究成果对于全面快速地识别泥石流沟道特征、泥石流沟道危险度快速预测,进而采取针对性的防治措施具有参考价值.     

树状网识别编码

本文定义和讨论了一种“树状网”的网络结构,提出了用树状网进行模式识别编码的思想并给出了编码原则。我们在文中还较详细地叙述了两种树状网识别编码的方法,分析和实验表明:在不以降低图象质量为代价的前提下树状网识别编码能使编码率有明显的改善,与普通编码方法比较,两个实验分别将压缩比提高了48.5%和52.7%。     

基于apFFT的罗兰-C信号相位编码识别

针对现有罗兰-C接收机普遍采用锁相环硬件电路跟踪相位的情况,提出了利用全相位谱分析(apFFT)的罗兰-C信号相位编码软件识别方法,分析了罗兰-C载波信号初相位的apFFT识别原理,基于apFFT方法用Matlab对罗兰-C接收信号在噪声和载波干扰等情况下的初相位识别进行了仿真.结果表明,apFFT方法既能像FFT一样分析出干扰频率成分,又能识别出各频率成分的初相位,尤其信干比在-20 dB情况下仍可准确地识别出罗兰-C载波信号初相位,为增强型罗兰接收机的设计提供了一种新的相位编码识别方法.     

基于免疫算法的光组播最少网络编码链路研究

最少网络编码链路数目有利于控制光网络的复杂性,并获得最大网络吞吐量.提出一种基于免疫算法解决最少网络编码链路问题的算法,修正了反映个体优秀程度的适应度函数以保护次优备选网络编码链路不被淘汰,增加了一个反映网络编码链路概率的个体浓度函数以确保备选编码链路的多样性,同时,算法通过对选中的编码链路采用精英保留策略简化免疫过程...     

基于光流场的奶牛监控识别系统设计

为了解决现有奶牛个体信息接触式获取移动性差、费时费力等缺点,搭建了基于MATLAB的奶牛视频监控硬件系统,并借助于GUI(图形用户界面)开了奶牛视频监控界面,实现了对奶牛无接触、无干预监控。基于运动目标检测的改进光流场算法,实现了对视频中奶牛运动目标的监测、提取和识别,为视频中奶牛的个体识别、高级行为感知与分析奠定了基础。经实际运行表明开发的系统实时性好,运行可靠稳定,监控效果理想,能够实现对奶牛的实时远程监控。     

一种基于网络编码的光网络保护机制

采取共享保护的模式,改进一种新的基于单链路故障的1＋N保护机制．此机制在核心节点处进行线性组合,在不通过故障监测和定位的情况下仍然能准确地恢复出由于链路故障丢失的数据．与传统的专有保护相比较,通过仿真实验表明,1＋N保护方案可以减少波长资源消耗,能节省较多资源,仍然可用短时间进行故障恢复．     

识别数学符号的神经网络方法

采用 BP网络和 Kohonen自组织特征映射网络组成的多级神经网络模型 ,对数学符号进行识别 ,引入“雪球”和平滑训练方法以提高网络性能 .实验结果表明 ,该模型对数学符号的识别 ,特别在有噪音污染的情况下 ,具有较好的效果 .     

一种基于网络编码的光网络保护机制

采取共享保护的模式,改进一种新的基于单链路故障的1＋N保护机制．此机制在核心节点处进行线性组合,在不通过故障监测和定位的情况下仍然能准确地恢复出由于链路故障丢失的数据．与传统的专有保护相比较,通过仿真实验表明,1＋N保护方案可以减少波长资源消耗,能节省较多资源,仍然可用短时间进行故障恢复．