基于网络支付的电子商务环境中洗钱行为的识别和监管

针对基于网络支付的电子商务环境中洗钱行为研究识别方法和监管措施) 总结电子商务可疑交易行为的一般规律和特点;在此基础上构造洗钱%反洗钱模型,提出对此类洗钱行为进行识别的方法;根据模型进行计算机仿真,表明延缓洗钱者进入速度、增强识别算法筛选区间扩展性、提高监管者对舆论压力的敏感程度、加大对洗钱犯罪的处罚力度和反洗钱判决能力会对反洗钱监管效果产生积极影响。     

面向手机平台的快速笑脸识别方法

近年来,随着手机平台处理能力的增强,手机内置笑脸识别功能变得可行。传统基于Gabor的笑脸识别方法应用于手机平台遇到的主要难点是运算量大、实时性差。提出了一种改进笑脸特征提取算法,该算法基于Gabor变换和Adaboost算法,训练时采用Gabor变换提取全部特征,然后利用AdaBoost算法从降采样特征中挑选关键特征;检测时先计算关键特征点和相关特征卷积模板,然后计算特征值,最后进行匹配。实验表明改进算法不仅比原算法识别速度快,而且特征点分布规律表明识别性能还具有改善的可能。     

人机耦合反洗钱监测系统构建与机器学习算法优化

针对金融系统反洗钱监测过于依赖计算机筛查导致准确率和适应性较低的问题,将反洗钱监测系统的人机分离模式改进为人机耦合模式,并用真实交易数据训练机器学习算法以优化模型。经样本外验证和评估后发现,在人机耦合监测系统下,基于随机森林算法的机器学习模型具有更好的准确性和适用性。该监测系统对新型洗钱方式具有更强的适应能力,在保证监测准确率的同时,降低了可疑交易错误预警次数,提高了支付机构对可疑洗钱交易监测的效率。     

基于Bagging-SVM动态集成的多极化HRRP识别

针对多极化高分辨率一维距离像（high range resolution profile, HRRP）在目标识别过程中存在计算量和数据量大、识别算法复杂的问题,提出一种基于Bagging-SVM动态集成的目标识别方法。该方法首先提取多极化HRRP平移不变特征向量,然后运用Bagging方法结合基于动态互信息的特征选择方法生成基分类器,最后引入基分类器差异度进行选择性集成。实验验证该方法在缩减数据规模和计算量的同时,能有效利用多极化特征信息,得到较高的分类正确率,并且松弛了HRRP目标的姿态敏感性。     

基于特征线段分析的建筑物面识别方法

将建筑物划分为单个的建筑物面进行处理可以有效降低街景图像理解的复杂度. 因此, 文中提出一种基于建筑物特征线段累积的动态规划方法用于检测街景图像中各个建筑物面的信息. 该方法结合系统工程分析问题的方法, 根据图像建筑物区域直线特征丰富的特点, 分析不同朝向类型的建筑物面中水平直线段透视投影后的变化, 建立相应的特征累积数学模型量化建筑物区域蕴含的直线段特征, 并给出相应的算法优化平滑特征线段累积结果, 最后证明了根据特征线段累积结果识别建筑物面的过程符合动态规划最优性原理, 通过动态规划的方法求解识别目标区域内所包含的各类建筑物面. 实验证明, 该文的方法可以准确的识别街景图像中各类建筑物面, 而且算法复杂度更低, 处理速度更快.     

基于Markov blanket和互信息的集成特征选择算法

针对大量无关和冗余特征的存在可能降低分类器性能的问题,提出一种基于近似Markov blanket和动态互信息的特征选择算法并将其应用于集成学习,进而得到一种集成特征选择算法。该集成特征选择算法运用Bagging方法结合提出的特征选择方法生成基分类器,并引入基分类器差异度进行选择性集成,最后用加权投票法融合所选基分类器的识别结果。通过仿真实验验证算法的有效性,以支持向量机(support vector machine, SVM)为分类器,在公共数据集UCI上进行试验,并与单SVM及经典的Bagging集成算法和特征Bagging集成算法进行对比。实验结果显示,该方法可获得较高的分类精度。     

基于DTW和LVQ网络混合模型的语音识别方法

提出一种基于动态时间规整（DTW）和学习矢量量化（LVQ）神经网络的语音识别方法。该方法用动态时间规整算法先对语音信号进行时间规整，然后通过学习矢量量化神经网络进行语音的分类识别。首先介绍利用动态时间规整和学习矢量量化进行语音识别的基本方法，然后给出DTW／LVQ混合模型的系统结构和学习算法，最后给出三种语音识别算法的实验结果。大量实验表明，混合模型的识别率，皆明显高于单一的动态时间规整和学习矢量量化的识别率。     

基于Hough变换头部检测与跟踪的方法研究

动态视频对象的识别与检测是多目标跟踪领域中的一个前沿课题,以固定单目垂直摄像头下的视频图像为前提,首先利用帧间差灰度图像双向投影检测出人体的运动区域,针对每个运动区域内人体头部运动信息的骨架轮廓具有近圆形(圆弧)这一关键特征,提出了一种基于曲线连续特征的Hough多圆检测方法来实现多目标头部定位的算法,较好的解决了多人遮挡和交叠的问题,然后提出了一种基于目标运动连续性的匹配算法对人体进行头部跟踪.测试结果表明该算法达到了较好的效果.     

基于通信域和雷达域融合特征的无人机集群类型识别算法

目前已有无人机类型识别算法仅通过通信域或雷达域的信号特征实现单个无人机类型的识别，存在识别准确率低等问题。提出了一种基于通信信号和雷达信号融合特征的无人机集群类型识别算法。首先，提取集群通信信号的高阶累积量和瞬时特征统计量，并融合雷达航迹特征构建无人机集群特征矩阵。其次，提出一种改进的特征选择算法—二次筛选的近邻成分分析，对融合特征矩阵进行降维。最后，利用稀疏自编码器网络进行集群类型的识别。仿真结果表明，该算法显著降低了集群特征矩阵的维度(仅为原始矩阵维度的27%),同时在信噪比为0 dB时，对5种集群类型识别的正确率可达88%。     

基于熵特征和支持向量机的调制识别方法

通信信号调制识别在非合作通信领域是一项重要的研究课题。针对当前算法计算量大,能识别的调制类型少的特点,提出了一种基于熵特征和支持向量机（support vector machine, SVM）的调制识别新方法。该算法通过提取接收信号的多维熵特征,作为调制识别的特征参数,并利用基于二叉树的SVM作为分类器,对接收信号进行调制识别。除了信号的信噪比,该算法不需要信号带宽和载频等其他先验知识。理论分析与计算机仿真结果表明,该方法具有很高的识别率,计算量小,具有很好的应用价值。     

基于直线特征的航拍图像机场跑道自动识别算法

针对航拍图像中机场跑道的区域灰度特征和边界直线特征,提出了一种基于直线特征的机场跑道自动识别算法。首先对航拍图像进行边缘检测;然后在归一化的边缘检测幅度图像中进行直线提取,并对提取的直线进行三次连接;再进行机场跑道边界平行直线对的提取;最后根据区域灰度特征对机场跑道区域进行验证,完成机场跑道的识别和定位。大量实验结果表明,本算法对云层遮挡等具有较强的鲁棒性,并且定位准确,是一种有效的机场跑道识别算法。     

一种用于多径信道的调制识别算法仿真研究

无线信道的多径衰落造成通信信号的码间干扰,为通信信号的调制识别增加了难度。针对多径环境下的调制识别问题,提出了一种基于改进的外积分解信道盲辨识算法的调制识别新算法。算法首先对信道进行基于改进算法的信道盲辨识和盲均衡,然后对均衡结果提取高阶累积量特征完成调制识别。与已有算法相比,改进的外积分解算法提高了在信道阶数过估计条件下对噪声的鲁棒性,所提出的调制识别算法扩大了识别种类,提高了识别性能。仿真结果证明了算法的有效性。     

基于蚁群算法的监控系统的图像识别技术研究

介绍智能监控系统中的图像识别技术;利用蚁群算法进行图像分割,提取可疑区域,再运用人工智能中的基于缺省规则推理对可疑区域进行分别处理。运用这项技术对非法入侵对象进行识别,经实验验证实用可靠,满足实时性要求,能将报警信号和可疑区域图像通过网络传送到报警中心。     

基于自适应差分演化的特征选择算法在石油储层识别中的应用

近年来我国石油产量跟不上需求,供需矛盾进一步凸显,导致石油的对外依存度已经连续几年超过警戒线,为了缓解供需矛盾,石油的增储上产是一种有效措施,但精确地识别石油储层成为增储上产的一大难题,而特征选择是精确识别石油储层的有效保障.本文提出了一种增强型自适应差分演化算法,即ESADE算法,在算法中使用了双种群的概念,构造了一个简单的双层差分演化,并且在算法的选择操作中加入模拟退火的思想;接着将ESADE算法作为特征选择的搜索策略,将ReliefF算法、BIF算法、FCBF算法及随机抽选特征算法作为评价准则库,SOM神经网络算法、模糊C均值算法、K均值算法和K近邻算法作为分类器库,得到了一种基于ESADE的特征选择算法.然后将此算法应用于某油田oil81、oil82、oil83、oil84和oil85五口井的测井数据集上进行石油储层的油层、差油层、水层和干层的分类识别,并与未进行特征选择直接进行分类的结果进行比较及相同分类正确率下不同分类算法组合及不同属性选择的比较.实验结果表明与SOM神经网络算法、模糊C均值算法、K均值算法及K近邻算法这四种分类算法相比,基于ESADE的特征选择算法能在利用较少属性的同时提高分类准确率,并能够提供不同的属性和分类算法的最优组合方案.     

动态因子模型的结构识别研究

为了将关于动态因子模型载荷矩阵元素的零约束和外生冲击脉冲响应函数的零约束合并,本文首先提出了一类识别动态因子模型的零识别约束;其次,在这类零识别约束条件下,本文分别给出了判断动态因子模型可全局识别和恰好识别的秩条件.此外,对于恰好识别的动态因子模型,本文还给出了一种识别算法,该算法可以有效地解决在实证分析中动态因子模型的识别问题.     

基于离散动态贝叶斯网络的辐射源目标识别研究

提出基于离散动态贝叶斯网络模型,对若干可观测的目标特征参数进行综合推理.推导了离散动态贝叶斯网络的推理算法.建立了目标识别的离散动态贝叶斯网络模型.应用图形模式,使得计算量大大简化,降低了实用的复杂性.仿真结果表明,该方法能够将各种目标特征进行综合,使得各种特征及不同时刻的同一特征互相修正补充,克服了依靠单一特征进行目标识别的局限.     

基于线性矩阵不等式的动态投资组合鲁棒策略

考虑证券市场股票期望收益和协方差矩阵的不确定性,研究了基于线性矩阵不等式的动态投资组合鲁棒策略问题.在跟踪误差投资组合模型和鲁棒优化方法的基础上,提出了一种动态投资组合鲁棒策略和求解算法,采用上海证券市场交易数据,运用线性矩阵不等式进行了实证分析.结果表明,基于线性矩阵不等式的动态投资组合鲁棒策略是有效、可行的.     

基于时空频特征融合的距离-速度复合欺骗干扰识别技术研究

针对距离-速度复合欺骗干扰信号形式复杂及识别难度大的特点,提出了一种基于时空频特征融合的距离-速度复合欺骗干扰识别算法。首先,分析真实目标和虚假目标在空域、频域和时域的特征差异;然后,针对真假目标在不同域的特征区别,分别提取回波点迹的空域特征和频域特征;最后,将提取的空域及频域特征在时域进行融合,采用先积累后判别和基于二进制检测两种特征融合方法,利用时空频融合特征对距离-速度复合欺骗干扰进行判决。仿真结果表明,该算法能够对距离-速度复合欺骗干扰进行有效的识别。     

基于感兴趣点特征的彩色图像目标分类与识别

提出一种基于赋色尺度不变特征变换的特征提取方法,分析证明了该特征对平移、旋转、缩放、颜色漂移等因素的不变性。进而研究了基于该特征的彩色图像目标分类与识别的策略和实现技术,提出了相应的算法。通过运用阿姆斯特丹目标图片库中随机选择的50类对象进行分类识别的实验检验,识别正确率可达到100%。理论分析和实验结果表明,赋色尺度不变特征在彩色图像的分类识别中展示出优越的性能。     

基于数据修补DDBNs的空中目标识别方法研究

简要分析了离散动态贝叶斯网络用于目标识别时对缺失数据处理方法的研究现状,提出了把数据修补技术用于变结构离散动态贝叶斯网络。首先在对空中目标识别模型分析的基础上,构建了一种基于数据修补的离散动态贝叶斯网络模型。进而构建了修补算法的数学模型,并给出了修补过程。待缺失数据修补完整后,再运用修正后的直接推理算法计算目标类型。通过仿真结果对比,表明该方法可以有效地提高识别系统的准确性、可靠性和鲁棒性。