基于多信息数据融合滤波的坡度识别算法

为了对大坡度、大坡度变化率路面的坡度值进行准确快速识别,提出一种基于多信息数据融合滤波的坡度识别算法.分析了目前不同坡度识别算法的优劣,分别建立了基于动力学、考虑坡度变化率的加速度传感信息坡度识别模型、基于GPS的坡度识别模型.应用交互多模型卡尔曼滤波算法(I MM-KF),将3种坡度识别模型进行联合滤波估计,在不同运...     

基于多传感器融合的越野环境路面信息识别

为实现精准的越野环境路面信息识别,文中提出了一种基于多传感器信息融合的路面信息识别方法.首先,针对车辆簧下振动加速度信号设计了特征提取算法,通过双线性池化方法融合加速度特征与图像+深度特征,以实现对越野路面类型的多维度特征融合与识别.然后,为提高越野路面可通行区域检测效果,引入迁移学习方法,将越野场景路面类型识别模型中路面特征提取的共性知识向通行区域分割模型进行迁移.在真实越野环境数据集下对模型进行训练与测试,测试结果表明文中提出的识别方法不仅在越野场景路面类型识别任务上获得了98.65%的平均分类准确率,而且引入先验知识可明显提升通行区域检测效果.     

基于多传感器信息融合的目标识别技术

目标识别在传统上,都是靠一种性质的传感器采集目标数据,缺点是只能在简单的环境场合应用,识别正确率和识别效率低。本文通过研究将相同的或者不同性质的多传感器进行有效结合,并且同时获取目标的原始信息,通过各种特征提取的方法获得目标的多方位、多性质的特征值数据,并对特征值数据通过特征融合算法进行特征融合,目标识别正确率得到提升和识别的时间得到减少。     

基于多信息融合的失效DPM码识别

针对复杂生产流通过程中,传统算法无法对因防护不当和磨损污染等原因造成的金属刀具表面二维条码缺损和磨损等失效问题进行定位和识别的缺陷,设计了一个基于多信息融合的失效条码识别系统,完成刀具产品的识别和条码信息的提取.该系统利用图像传感器和重量传感器对刀具形状、残余条码纹理和重量等特征进行量化,提取高维特征向量.通过支持向量机与证据理论相结合,实现对失效条码的分类识别.实验结果表明,该系统能够对条码存在污损的刀具进行准确、快速地分类和识别,满足实际生产中的要求.     

用于目标识别的多传感器信息融合算法研究

提出了一种用于目标识别的多传感器雅息融合算法-后验概率检测算法.在该算法中,融合中心将各个传感器送入的识别结果进行综合处理,得出最终的决策.仿真结果表明多传感器系统探测目标的性能优于单传感器系统,该算法运算量小,适于进行快速的实时处理.     

基于影响线多源信息融合的悬索桥损伤识别

为了精确识别悬索桥结构构件的损伤位置及程度,建立悬索桥空间结构有限元模型,通过模拟准静态加载提取并分析结构的位移、应力影响线,并构建了影响线曲率差指标,通过提取结构振型与频率,构建悬索桥结构柔度矩阵,并构造柔度曲率差变化率指标,用于悬索桥结构构件损伤识别。基于Dempster-Shafer证据理论融合影响线与柔度指标,对模型中纵向下弦杆、纵向斜腹杆和吊杆的不同位置与程度损伤进行识别敏感性研究。研究表明,柔度曲率差变化率损伤识别指标比影响线损伤识别指标对悬索桥构件损伤更为敏感,信息融合指标比单一损伤识别指标损伤定位精度更高,且具有较好的噪声鲁棒性。     

基于能量的信息融合步态识别

针对步态能量图(GEI)和图像序列的Radon变换可以表征图像能量的特点,提出这两种形式的能量特征相融合的方法进行身份识别.在周期分割后的特征提取阶段分别使用GEI结合行列相结合的二维主成分分析((2D)2PCA)方法和对步态序列图像进行Radon变换,在周期模板构造后用列方向的二维主成分分析(2DPCA)降维方法进行数据压缩.在识别阶段,采用多视角及多特征在决策层的融合方法.应用上述方法在CASIA步态数据库上进行实验,结果表明所提的步态识别方法具有较高的识别性能.     

基于多传感器融合的路面车辆检测

为了高效地检测路面车辆目标,提出了一种基于毫米波雷达及视觉传感器融合的车辆检测方法.采用了底层的数据融合策略.在雷达数据通道,利用霍夫变换及切比雪夫定理排除非路面车辆目标点,生成稀疏概率图.在图像数据通道,结合稀疏概率图与图像底层特征,建立视觉显著模型并生成车辆显著图像.在显著图上利用过分割方法快速定位路面车辆的位置.本方法在结构化道路下进行了大量实验,结果表明:本方法有效的克服了基于视觉传感器的车辆检测方法对光照敏感的缺陷,相比于基于单一传感器的车辆检测方法,本文方法具有更高的精确度和鲁棒性.     

基于多传感器信息融合的智能仪表研究

针对智能仪表多传感器系统中存在的信息处理复杂、不可靠等问题,提出了利用智能仪表中的多传感器信息资源,融合多传感器信息,提高智能仪表检测精度和可靠性的方法。结合矿井瓦斯监测、井下煤的自燃监测等实例,介绍了智能仪表中多传感器信息融合的模式,以及智能仪表研究设计中应注意的问题。将多传感器信息融合技术应用于智能仪表之中,可大大提高智能仪器仪表的精度、可靠性和容错能力。     

基于多信息融合的自然书写脱机中文文本行识别

自然书写的脱机中文文本行识别是当今字符识别领域的一个难题.为降低文本行识别中负样本的干扰,文中提出了一个概率模型,将负样本作为一种信息来源,与单字符的识别信息、文本行的几何信息等进行融合.简单地使用两个分类器,就可以实现上述概率模型.在多人手写真实文本数据库中进行的实验表明,当无语言模型和使用二元语言模型时,文中所提方法的正确识别率分别达到61.29%和72.73%,体现了该方法的有效性.     

基于多维信息融合的窃电识别技术

针对配电网线路时常发生窃电事故,造成电力企业经济损失的问题,考虑窃电事故发生时,配电线路的电气参数及用户侧计量数据发生明显变化,提出将灰色关联分析与支持向量机(Support Vector Machine, SVM)理论相融合,对配电线路的特征参数和用户用电情况进行比例权重特征分析,结合季节性气象特征和社会经济等多源信息,提高模型输出结果的可靠性,从而精确判断是否发生窃电事故.最后,利用实例数据验证所提方法能够合理地对窃电线路和用户进行监控.     

基于多知识库决策融合的分类识别

引入多知识库的概念,运用基于粗糙集理论的数据挖掘技术给出多知识库决策融合的分类识别方法,并以拉深模具为例,将其应用于模具质量评价和诊断,提高模具质量控制决策的可靠性和准确性.     

基于多步态特征融合的情感识别

在情感计算、心理治疗、机器人、监视和观众理解等方面,基于步态特征的情感识别有着广泛的应用前景。已有方法表明,考虑手势位置等上下文信息可以显著提高情绪识别性能,且时空信息能显著提高情绪识别精度。但是单纯使用骨骼空间信息无法充分表达步态中的情绪信息。为了充分利用步态特征,本文提出自适应融合的方法,将骨骼时空信息与骨骼旋转角度结合,提升了现有模型的情感识别精度。本文模型利用自编码器,学习人类行走时的骨骼旋转信息,利用时空图卷积神经网络提取骨骼点时空信息,将骨骼旋转信息与时空信息输入自适应融合网络,得到最终特征进行分类。模型在Emotion-Gait数据集上测试,实验结果显示：悲伤、愤怒和中立情绪的AP值比最新HAP方法分别提升5、8、5个百分点;总体分类的平均MAP值提高了5个百分点。     

基于多特征融合的垃圾短信识别

垃圾短信已日益成为影响人们日常生活的严重问题,由于短信属于短文本,长度较短,特征稀疏,尤其是垃圾短信为逃避过滤机制,其结构和内容常常不规范,所以传统的文本特征提取方法并不能完全适用于短信分类。从短信的结构及语义两个角度提取特征项,并建立语义特征词表,采用基于多特征融合的方法来向量化表示短信文本。针对短信数据集中存在的噪声及数据不平衡问题,分别比较了NB、SVM、DT、LR、MLP、RF分类器的性能差别。实验表明,采用RF分类算法,能有效减弱噪声干扰及数据不平衡性所带来的影响。通过在CCF 2015中国好创意竞赛题目“垃圾短信基于文本内容识别”所提供的数据集上进行验证,取得了很好的效果。     

基于多特征融合的飞机目标识别

为了提高地面背景图像中目标识别的可靠性,提出一种基于多特征融合的飞机目标识别方法.该方法的基本思想是将基于显著性特征提取的目标识别方法与序贯融合方法相结合.首先用最小错误概率准则来描述目标各个特征的显著性,由此得到按显著性从大到小排列的特征序列,再采用序贯的融合方法计算并更新目标的置信度.当置信度大于等于0.9时识别其为真目标.给出了运用此方法识别机场图像中的飞机目标的实例,证明了该方法的有效性.     

基于一致理论的多源信息融合研究

为了确保多源信息融合结果的正确性，需根据信源的可靠性利用信源信息．以一致理论为理论基础，在算法中用可信度权值体现信源的可靠性，根据相应一致规则实现了信源信息的合理使用．经实验仿真证明，该融合方案是有效的．     

基于多传感器信息融合技术

笔者根据多年的跟踪研究,将多传感器信息融合作为一种信息处理技术来理解,阐述了信息融合的概念,融合的方式、方法,重点介绍了D-S证据理论和Bayes方法,并总结了信息融合存在的问题以及信息融合技术的研究发展方向。     

基于SVM的多传感器信息融合

针对现代工业生产采用大量不同传感器来监测和控制生产过程,被测量之间存在较大模糊关系,提出了一种基于SVM理论的多传感器信息融合方法.通过“对电弧炉炼钢供电曲线进行优化”表明,该方法对解决小样本、高维特征空间和不确定条件下的多传感器信息融合问题,具有较好的融合效果.     

基于彩色空间多特征融合的表情识别算法研究

目前的人脸表情识别方法大多是在灰度图像上采用单一特征算子,如 Local Phase Quantization(LPQ),Local Binary Patterns(LBP),Histograms Of Oriented Gradients(HOG),Gabor等,进行分类识别,但这类方法在复杂光照条件下识别率并不理想。为取得较好的识别率,本文首次提出了基于彩色图像多特征融合的表情识别算法。该算法首先在不同彩色分量上分别提取LPQ、LBP、HOG及Gabor多种特征,然后对高维特征进行线形鉴别分析并采用最近邻法进行表情分类,最后对多特征分类结果采用Adaboost算法进行融合。本文算法在具有复杂光照条件的Multi-PIE人脸库上进行了验证,取得了88.30%的平均识别率。实验结果表明：相比于基于灰度图像的单一特征识别算法,本文提出的算法能较大幅度地提高人脸表情识别率。     

基于多BP神经网络与D-S融合的车型识别研究

为了提高BP神经网络对车型的识别率,克服单个BP神经网络所存在的网络结构和训练样本数量之间的矛盾,针对大量训练样本采取多个BP神经网络进行训练,进而采用训练好的多个网络进行车型识别. 利用D-S理论将各个BP网络的识别结果进行数据融合以改善最终的车型识别结果. 实验结果表明:随着训练样本数量的增加,多BP网络数据融合方法比单BP神经网络有更高的识别率.