基于噪声特征的地震动信号目标预警和识别算法研究

利用MEMS加速度传感器采集到的人员、车辆目标在地面运动产生的地震动信号,由MSP430单片机采集和处理,完成对地面目标的预警、分类识别. 预警提出了基于噪声方差的3倍作为阈值的方法,目标识别采用一种改进的过零分析方法. 结果表明,该算法能对8 m以内的人员、20 m以内的轮式车辆进行预警和分类识别,正确识别率达到85%以上. 此算法对于识别数字输出式传感器采集到的信号非常简单、实用.      

kPCA特征提取算法的自动目标识别

分析了主成分分析（PCA）与核主成分分析（kPCA）的基本原理,比较了两者在处理数据方面的性能,得出了kPCA比PCA在处理非线性可分数据方面具有优势的结论．依据几何绕射理论（GTD）,通过Matlab仿真方法得到HRRP（高分辨距离像）数据,并以这些数据作为训练和测试样本,结合SVM分类方法,分别测试比较了基于4种不同核函数的分类识别性能,得出基于高斯核函数主成分分析的自动目标识别系统性能明显好于其他3种核函数的结论．     

基于地震动信号的目标识别

地面目标地震动信号的特性分析是进行地面目标识别的关键,针对人员、车辆地面目标运动时产生的地震动信号,利用JLD-3传感器和DSP设计了一种信号采集与处理系统,并进行多次外场测试.得到的信号时域、频域特征向量可作为目标分类的依据.试验结果表明,该系统结构简单、可靠性高,能有效识别由人员与车辆运动引起的地震动信号.     

基于改进BP网络的地震动信号目标识别

应用人工神经网络进行目标识别是当前模式识别的重要方法之一。前向多层神经网络及其ＢＰ算法发展较为成熟的一种。该对ＢＰ算法加以改进,使得其性能所提高,收敛速度加快。     

基于主成分分析的目标确认方法及其在车标定位识别中的应用

提出一种基于主成分分析的目标确认方法,解决小目标定位错误率高,并由此导致无效目标识别的问题.将已建好的目标模板看成一组随机向量,利用主成分分析得到一组特征目标;从原图像中检测可能目标,并将其映入特征目标空间进行重构;构造原目标与重构目标的似真度函数,根据该函数值可对检测目标进行确认或剔除,降低误定位率,确保了进入后续识别的目标为目标库中对象.将该方法应用在实测车辆图像车标定位识别测试,结果表明:与不使用似真度函数验证相比,目标定位准确度提高了16.5%;使用不变矩最小距离分类器进行车标识别,识别准确度比不使用似真度函数确认提高了20%.     

主成分分析在人脸识别研究中的应用

PCA(Principal Component Analysis),主成分分析方法,是一种得到广泛应用的人脸识别方法。PCA算法提供了一个高维和低维空间的线性变换矩阵,就是利用低维特征向量来表示原始样本信息,利用变换矩阵可以得到一个特征子空间,即特征脸。进行识别时,把待识别的人脸向其投影,采用最近邻法得到最近的点,最终识别该人的身份。     

应用主成分分析法的ECG身份识别方法

提出了一种基于主成分分析法对ECG信号进行特征表述的身份识别新方法。在预处理阶段对ECG信号进行滤波、分段、归一化、抽样处理，然后计算ECG信号的协方差矩阵及协方差矩阵的特征值和特征向量，其中较大的特征值对应的特征向量具有与ECG相似的形状，利用这些特征向量可描述、表达和逼近ECG信号并用于后续的身份识别。实验结果表明：相对于ECG基点特征提取技术，该方法提高了录用率，获得了较好的识别效果。     

基于BP神经网络的C波段无线电信号分类识别

使用主成分分析法,对C波段无线电信号进行特征提取,使用BP神经网络模型作为其智能分类器.从BP神经网络的设计结构入手,在网络初始化权值的选择、网络隐含层数及隐含层结点数确定多个方面进行研究,以提高分类器的分类性能.     

运动目标地震动信号的时频特征分析

该文对由典型地面车辆目标－－轮式车、履带式车引起的地震动信号进行了实时探测，对实验所得的信号，应用短时傅立叶变换、小波及小波包分析方法对信号进行了处理，得到了时频分布矩阵奇异值分布特征（SVD）和小波及小波包分解能量分布特征（WWDD）。采用改进的BP网络，对远距离目标的地震动信号进行目标识别，应用WWDD对远距离信号的识别率可达85％以上，说明WWDD具有更好的可分性。     

主成分分析方法在BP学习中的应用

用主成分分析的思想解决BP算法中的两个问题．一是隐层中神经元的个数,另一个是训练的初始参数．为了便于比较,采用来自武汉同济医院的58个样本作为学习对象．通过实验比较得知,改进后的算法不仅节省了训练时间,而且能够得到更好的学习效果．     

基于主分量分析的空间目标识别方法

目标的雷达散射截面(RCS)包含了丰富的目标类别信息,如何有效利用目标RCS特征对空间目标的雷达识别具有重要意义.文中提取中心矩作为特征向量,采用主分量分析(PCA)进一步进行特征压缩,利用支撑矢量机(SVM)分类算法来实现识别.基于实测数据的仿真实验结果表明,该方法具有较好的识别性能和推广能力.     

基于核函数主元分析的机械设备状态识别

研究了核函数主元分析在机械故障模式分类中的应用，通过计算原始空间的内积核函数实现原始数据空间到高维数据空间的非线性映射，再对高维数据作主元分析，求取更易于分类的核函数主元，实验表明，核函数主元分析更适于提取故障信号的非线性特征，能有效区分不同的故障模式，可以应用于机械设备的状态识别。     

基于核主成分分析的虹膜识别方法

阐述虹膜作为生物测定学特征用于身份识别具有得天独厚的优势,虹膜识别在场所或资源的安全控制等方面具有重要的应用价值.提出一种新的虹膜识别方法,该方法利用核主成分分析(KPCA)提取虹膜的纹理特征,通过竞争学习寻找其中最优的KPCA特征,形成虹膜编码,最后通过计算编码之间的方差倒数加权欧氏距离对虹膜进行识别.实验结果表明,该方法计算速度快,提取特征的效果好,对环境的适应性强,可用于实际的身份鉴别系统.     

基于核主成分分析和支持向量机的飞机舱音信号识别

为了提高飞机事故原因的调查准确性与实时性,提出了一种基于核主成分分析和支持向量机的舱音背景声识别方法.首先提取和分析了飞机驾驶舱话音记录器中所记录背景声信号的特征参数,然后分别以多项式核函数、sigmoid核函数和高斯核函数3种核函数作为内积,对3种核函数的降维特性进行了对比分析,最后将核方法与支持向量机结合,实现对舱音背景声的分类识别.实验结果表明:通过基于不同核函数的主成分分析方法与支持向量机的结合比较,确定以高斯核函数为内积的SVM分类方法具有较好的分类效果.     

基于核主元分析法和支持向量机的人耳识别

对人耳识别中若干关键问题进行了研究. 介绍了两种人耳图像归一化处理的方法,即基于外耳轮廓长轴的线标记法和基于外耳轮廓起始点的点标记法,并对这两种方法进行了对比. 在分析现有人耳识别方法不足的基础上,提出利用核主元分析法提取人耳图像的代数特征,再利用支持向量机分类模型进行人耳识别. 在带有角度、光照变化的北京科技大学人耳图像库上得到的识别率为98.7%,表明了该识别方法的有效性以及利用人耳图像进行身份识别的可行性.     

主成份和最小成份抽取的新算法

给出了用于主成份分析和最小成份分析的神经网络学习算法，两者之间仅差一个符导，即刻生成份分析算法经改变符号后又是一个最小成份分析算法，两算法不仅能计算主成份空间和最小成份空间，而且学习所得的子空间以及主向量／最小向量的左奇异向量，数值模拟证实了算法是有效的。     

基于主成分分析和支持向量机的鲁棒稀疏线性判别分析方法

为了提高人脸图像的识别率、识别效率和鲁棒性,提出一种基于主成分分析（Principal Component Analysis, PCA）和支持向量机（support Vector machine,SVM）的鲁棒稀疏线性判别分析方法,通过ORL和YaleB人脸库、COIL20物体库和UCI机器学习库中部分数据集,将本文方法与线性判别分析、鲁棒线性判别分析、基于 范数和巴氏距离的鲁棒线性判别分析、鲁棒自适应线性判别分析和鲁棒稀疏线性判别分析等六种方法进行比较。实验结果表明,在ORL人脸库、COIL20物体库和UCI机器学习库的部分数据集中,在原始图像条件下,本文方法的识别率均值依次为92.80%,97.76%和89.61%,均高于其它5种方法。在YaleB人脸库加入椒盐噪声的条件下,本文方法的识别率均值为81.35%,比其它五种方法高1.37%以上。     

利用小波变换提高基于KPCA方法的人脸识别性能

基于核主成分分析（KPCA）的人脸识别算法能够提取非线性图像特征,在小样本训练条件下有较好性能. 然而并非所有非线性特征对识别都有利,过多的不相关特征可能会降低识别性能. 针对图像信息冗余的特点,预先对图像进行小波变换,通过消除对识别无关的细节信息,不仅提高了KPCA方法的识别精度,而且降低了该算法对计算机硬件的要求. 同时,为了抑制KPCA对光照等变化的较高敏感性,还提出一种对图像灰度进行衰减的预处理策略. 基于ORL数据库的实验表明,综合上述措施的系统比传统方法具有更快的训练速度和更高的识别精度.     

基于克隆选择算法的人脸特征选择

针对经典PCA算法在人脸特征提取上的局限性,提出了一种基于克隆选择算法的特征选择方法．克隆选择算法的收敛速度快,具有较强的全局搜索能力,可以快速搜索到最有利于分类的特征空间;因此利用克隆选择算法对PCA变换后的特征向量进行选择,可以有效避免PCA只选择人脸轮廓信息,而忽略细节信息的不足,在人脸识别中取得了较好的效果．通过对ORL和Yale人脸库的仿真实验表明,该方法无论在识别率、降维效果还是稳定性方面,性能均优于遗传算法,不但有效降低了特征向量维数,还将人脸识别率提高到91．5％,因此研究该算法具有很强的现实意义．