基于贝叶斯估计的复小波域图像去噪

基于对偶树复小波变换和贝叶斯估计技术，提出了一种图像噪声去除方法．与常用的离散二进小波变换相比，该方法具有逼近的移不变性和更多的方向选择性，有利于特征的跟踪、定位和保留．结合贝叶斯估计技术和自适应分布参数确定方法，给出了有效的图像去噪算法．结果表明，该方法去除噪声彻底，边界、纹理等特征保留较好．     

基于小波特征和支持向量机的非侵入式负荷识别

针对当前非侵入式负荷识别技术对低功率负荷识别效果差的问题,提出了使用一种新特征、并使用监督型机器学习算法进行负荷识别的方法。该方法除了使用传统的有功功率和三次谐波电流幅值外,还采用小波变换提取小波的能量系数作为新特征,使用支持向量机分类算法进行负荷识别。实验结果表明:随着低功率家用负荷的增多,该方法在多种家用负荷场景下,具有较高的负荷识别准确率和良好的鲁棒性。     

一种基于四元数小波变换的图像融合方法*

目的基于四元数小波变换理论提出了一种新的图像融合方法。方法基本思想主要包括3步:首先,对图像进行四元数小波分解,得到各个尺度下的高频子带和低频子带。其次,对高频子带和低频子带分别采用区域最大值法和系数平均的融合准则,得到融合的四元数小波融合系数。最后,利用四元数小波逆变换得到融合图像。结果用所提方法得到了6组测试图像在主观和客观上的融合结果。结论实验表明,所提方法比离散小波变换、对偶数复小波变换和曲线波变换的图像融合方法更有效。     

基于小波变换和SVM的新闻主题字幕区提取算法

本文通过对新闻主题字幕区的分析,提出基于小波变换和SVM的新闻主题字幕区提取算法。实验表明,该方法能较准确地检测出主题字幕区,具有一定的鲁棒性。     

基于SVM的车辆识别技术

 车辆识别技术本身存在着识别难度大、识别结果精度低等问题,本文提出一种基于统计模式识别理论的车辆识别方法,利用非线性支持向量机(SVM)对目标车辆进行识别.首先,该算法通过车载CCD摄像头采集自车前后方车辆的图像信息,对所采集到的图像进行小波去噪以及图像二值化处理,剔除噪声干扰.通过坐标变换使图像中车辆跟实车建立一一对应关系,进而对目标车辆进行准确定位;其次,对处理后的图像进行8×8网格划分,将各网格内满足要求的像素点数跟网格内总像素点数的比值作为每个网格输出值(0,1)的唯一判定条件,将每一行网格输出值的总和作为特征向量的元素.以遗传算法为搜索模式,采用交叉验证技术确定SVM的最佳参数组合,最后将自车前后方10—20m内车辆作为训练样本对模型进行训练和测试;并用ROC曲线(受试者工作特征曲线)对模型进行评价.     

基于对偶树复小波变换的遥感图像薄云去除

在卫星传感器获得的遥感图像中,由于受气候影响,图像可能存在被云雾噪声覆盖的区域.提出一种基于对偶树复小波变换的薄云去除方法,利用该变换将含云遥感图像分解成高频和低频成分,通过对高频补偿和低频抑制处理,有效去除遥感图像中的薄云,恢复云覆盖区域的地物信息.实验结果表明,该方法优于常用的薄云去除方法,在去除薄云的同时能有效恢复云覆盖下的地物信息,此效果源于对偶树复小波变换具有的近似平移不变性和良好的方向选择性.     

基于DT-CWT的像素级多分辨分析图像融合算法研究

提出基于对偶树复小波变换的像素级多分辨分析图像融合算法．对多聚焦图像和遥感影像的实验结果表明,本方法较基于离散小波变换和传统IHS变换的融合方法,保留了更多的光谱信息,而且提高了融合图像的空间细节信息．     

互为Hilbert变换对的正交小波构造及其应用

提出一种互为Hilbert变换对的小波代数构造方法.这种互为Hilbert变换对的小波基的构造是从构造小波的充要条件入手,利用延迟滤波器的思想,把问题化为代数方程组求解.该方法可以避免进行谱分解.经实验证实:由基于本文构造的小波对的对偶树复小波变换可以得到比离散小波变换更好的特征提取效果.     

基于优化极限学习机的非侵入式负荷识别

在极限学习机的非侵入式负荷识别算法中,由于输入权值和隐含层阈值的随机产生容易导致误判,鉴于此,提出了一种改进的遗传算法优化极限学习机方法.对遗传算法中选择算子进行改进,改进方法为求解出个体的适应度值,并按从小到大的顺序完成排序,将排完序的种群等分成4份,按照比例从4份中择优组成新种群,对新种群中剩余个体再从适应度较大的...     

基于1D-CNN模型的非侵入式负荷识别

非侵入式负荷识别技术对电网系统的电力调度、风险估计等具有重要意义.现阶段非侵入式负荷识别的数据质量差,算法识别准确度低且只能处理低频或高频数据.针对非侵入式负荷识别数据质量差的问题,提出了数据修复、数据扩展等数据增强方法;针对非线性扰动降低准确度的问题,提出了一种基于1D-CNN的深度学习模型,该模型既可提取低频数据的...     

基于HOG/PCA/SVM的跨年龄人脸识别算法

为了实现跨年龄的人脸识别,通过梯度幅值和梯度方向这2个重要的图像特征测量图像相似度,建立了一种方向梯度直方图 (HOG)、主成分分析 (PCA)和支持向量机（SVM）相结合的人脸识别算法.首先对从FG-NET数据库中选取的人脸图像作预处理,然后用HOG算法提取特征值,用PCA方法降维特征值,最后将样本输入到SVM中进行训练,人脸识别匹配度最高可达90.91%.实验结果验证了算法的有效性.     

基于神经网络的负载识别

提出了基于神经网络的负载识别方法,对供电系统管理有重要的现实意义.     

基于支持向量机的小样本数据概率分布模式自动识别

在装备可靠性工程领域,小样本数据概率分布模式识别是亟需解决的一个难题.统计学习理论是专门研究小样本情况下机器学习规律的理论,支持向量机是当前最新的、基于统计学习理论的机器学习算法.根据现代统计学原理提取了数据分布特征参数,采用支持向量机分类算法构建了小样本数据概率分布模式自动识别模型.测试结果表明,模型对小样本数据概率分布模式具有较强的识别能力.     

非侵入式感应电动机参数辨识

提出一种非侵入式感应电动机参数辨识的方法利用电动机起动电流在某些时段具有稳态电流圆图的特征拟合出感应电动机圆图,由感应电动机基本方程导出基于圆图进行参数辨识的数学表达式．物理实验的参数辨识结果表明：该方法具有较高的精度,简便易行;可在电力用户端口处进行,无需侵入用户内部,故它对电力负荷管理、电力节能乃至电力用户负荷动态特性的调查都有意义．     

基于GMM统计参数和SVM的说话人辨认研究

支持向量机(SVM)是以统计学习理论为基础,解决模式识别问题的有力工具,但是它训练算法复杂,难以处理大量样本,限制了其在说话人识别方面的使用。针对这个问题,提出了一种基于GMM(高斯混合模型)统计参数和SVM的说话人辨认系统,以GMM模型的统计参数来训练SVM说话人辨认模型,有效解决了大样本数据下SVM模型的训练问题。实验表明,该方法有良好的效果,并且与倒谱加权方法结合后,可以增强系统的健壮性,进一步提高系统的识别率。     

基于特征模板提取及SVM的观点句识别

为了有效识别中文微博的观点句,提出了基于Hownet词典及模板的特征提取方法,并使用SVM算法对微博中的观点句进行识别。运用新设计的一个模板匹配的方法来进行特征提取,并通过计算其信息增益筛选出最后的特征模板。实验结果表明:算法具有优越性和有效性。     

支持向量机非线性系统模型辨识的研究

采用标准支持向量机(SVM),v-支持向量机,模糊支持向量机,充分发挥其可以任意逼近非线性模型的良好特性对非线性系统进行模型辨识,通过仿真试验表明SVM学习速度快,在小样本情况下具有良好的非线性建模和泛化能力.     

基于ANSYS的模态动载荷识别

介绍了在模态分析中载荷识别的基本原理,阐述了利用ANSYS进行模态分析及载荷识别的方法,总结和概括了载荷识别时各种因素对识别结果的精度影响。     

Non-Intrusive Design of Self-Checking FSM Based on Convolutional Codes

A non-intrusive design of self-checking finite state machines (FSMs) in VLSI circuits was investigated using convolutional codes. We propose a novel scheme which cannot only detect but also correct errors occurred in FSM states. The error state will be corrected and sent back to the FSM, so that the concurrent error in the current state is detected and corrected immediately. Moreover, we realize the IP core of the self-checking module by SMIC 0.25-μm CMOS technology and also simulate its function in FPGA.