基于一维倒残差轻量级网络的无人机个体识别方法

在无人机的个体识别问题中,针对传统的识别方法存在网络模型参数量大和算法时效性差等问题,提出基于一维倒残差轻量级神经网络(1D-IRLNN)的无人机个体识别方法。首先提取反映无人机个体间差异的I/Q包络一维特征作为无人机的浅层特征;其次将深度可分离卷积与倒残差结构等设计思想和一维神经网络模型相结合,设计出跳跃级联的一维倒残差轻量级神经网络;最后利用网络模型提取一维I/Q包络数据中的深层特征,从而实现对无人机个体的快速准确识别。实验结果表明,1D-IRLNN模型的计算量分别是同等体量的深度模型1D-CNN与1D-ResNet的305%和238%,网络模型规模分别是深度模型1D-CNN与1D-ResNet的387%和297%,所提方法相较于其他方法,在保持较高识别准确率的同时具有更快的识别速度且占内存更小。     

基于深度聚类的通信辐射源个体识别方法

针对非合作通信条件下缺少标签数据的通信辐射源个体识别问题,提出了一种基于深度聚类的通信辐射源个体识别方法。利用自编码器网络强大的特征提取和数据重构能力对原始I/Q数据进行表征学习,提取个体识别的指纹特征,同时将表征学习过程和特征聚类过程进行联合优化,使表征学习和特征聚类契合度更高,更好地完成无标签条件下的通信辐射源个体识别。通过对5种ZigBee设备采集的信号进行实验,结果表明在信噪比高于0 dB时,可以达到85%以上的识别准确率,证明了本文方法的有效性和稳定性。     

基于EMD和SVD特征提取的通信辐射源个体识别方法

为改善通信辐射源指纹特征提取算法抗噪声及干扰能力差导致的对通信辐射源个体分类识别率低和稳定性差的问题,提出了一种基于经验模态分解和奇异值分解特征提取的方法.通过对信号进行经验模态分解,来克服噪声对指纹特征提取的影响,经希尔伯特-黄变换和奇异值分解实现对通信辐射源信号的指纹特征提取,结合支持向量机算法完成对通信辐射源的个...     

小天鹅行为谱的初步建立

动物行为谱的研究内容是行为型式（ｂｅｈａｖｉｏｕｒａｌｐａｔｔｅｒｎｓ）的描述，它的建立是一个十分复杂的过程．本文在对上海动物园自由生活小天鹅行为长达两年的观察基础上，对所遇见的主要行为用比较标准化的行为术语进行了定义、描述及分类．共区分和定义了３２个行为型式，可分成静止、社会、梳理、取食、运动五大行为类型．上海师范大学校基金资助，上海动物园协助完成．     

颜面、视网膜、虹彩、耳的个体识别

文章分别简述了通过颜面、视网膜、虹彩、耳进行个体识别技术的程式、特点、发展状况和在安全防范领域的应用。     

智能特征识别方法的研究

本文提出的特征表达方法解决了特征识别的脆弱问题,分析特征识别研究现状,探讨特征识别的关键技术的原理方法,对比分析其优缺点,提出一种面向多种应用层次的智能集成化特征识别技术,成功地将特征识别应用于并行设计中产品模型向制造特征的转换过程     

基于工程图形的特征识别方法

在零件几何特征分类的基础上 ,根据工程制图的特点 ,提出了零件视图的“顶点 +边+位置”信息矩阵表示模型 ,通过多视图间关系规则的探讨 ,给出了基于DXF文件格式的几何特征识别方法 为CAD/CAPP的无缝集成提供了实施方案     

基于特征提取的连接词识别方法

篇章分析是自然语言处理中一个重要的研究方向。连接词的识别作为篇章分析中的一个基本任务,对后续的篇章分析起到关键作用。针对连接词识别方法中的高维度特征空间问题,提出了基于特征提取的连接词识别方法。具体来讲,引用多种特征提取方法(IG、MI、DF、CHI、WLLR)对连接词识别中所用的所有特征进行打分排序,提取排在前面的一定数量的特征用于分类。实验结果表明特征提取方法能够有效降低特征维度,在仅仅使用50%的特征的情况下能够获得类似甚至更佳的识别性能。     

结合SOFM失真的HMM语音识别方法

提出一种结合ＳＯＦＭ失真的ＨＭＭ语音识别方法，它直接将ＳＯＦＭ失真测度与左右型离散ＨＭＭ相结合综合利用ＳＯＦＭ失真五ＨＭＭ状态输出概率作为ＨＭＭ的匹配失真测度。该方法既可以看作为基于ＶＱ失真语音识别方法的推广，又可以看作为半连续ＨＭＭ的一种特例。实验结果证明它具有良好的效果。     

基于旋转不变特性的印鉴识别方法研究

特征提取是印鉴识别的基础,其中不变量提取是重要理论．本文是从印鉴旋转不变特性,即从不同角度观看每一个印鉴都有自己不变的独特特性进行探讨的．研究首先提取不变的特征点,然后生成特征向量,再进行向量匹配达到识别印鉴的目的,并且此方法识别准确率高．