基于BFM算法的空间有形目标识别方法

为了对具有复杂边缘的目标进行更准确的检测识别,提出了一种基于边界片段模板(boundary frag-ment model)训练模式的目标识别方法.方法首先提取目标的边界片段组成弱分类器,然后使用AdaBoost算法将它们提升训练成为强分类器,并用其进行检测和识别目标.仿真实验表明,该方法对有形目标,特别是对具有复杂边缘的空间有形目标有较好的识别效果.     

Closed circle DNA algorithm of change positive-weighted Hamilton circuit problem

Chain length of closed circle DNA is equal. The same closed circle DNA's position corresponds to different recognition sequence, and the same recognition sequence corresponds to different foreign DNA segment, so closed circle DNA computing model is generalized. For change positive-weighted Hamilton circuit problem, closed circle DNA algorithm is put forward. First, three groups of DNA encoding are encoded for all arcs, and deck groups are designed for all vertices. All possible solutions axe composed. Then, the feasible solutions axe filtered out by using group detect experiment, and the optimization solutions are obtained by using group insert experiment and electrophoresis experiment. Finally, all optimization solutions are found by using detect experiment. Complexity of algorithm is concluded and validity of DNA algorithm is explained by an example. Three dominances of the closed circle DNA algorithm are analyzed, and characteristics and dominances of group delete experiment axe discussed.     

Security transmission and recognition of F-knowledge

The concept of F-knowledge is presented by employing S-rough sets. By engrafting and penetrating between the F-knowledge generated by S-rough sets and the RSA algorithm, the security transmission and recognition of multi-agent F-knowledge are proposed, which includes the security transmission of multi-agent F-knowledge with positive direction secret key and the security transmission of multi-agent F-knowledge with reverse direction secret key. Finally, the recognition criterion and the applications of F-knowledge are presented. The security of F-knowledge is a new application research direction of S-rough sets in information systems.     

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PLAR特征补偿的鲁棒性说话人识别仿真研究

针对MFCC特征补偿技术在低信噪比时性能不高的缺点,提出了基于PLAR鲁棒特征的模型补偿方法进行抗噪声说话人识别.PLAR特征从人类听觉感知机理出发,运用听觉心理学概念表征说话人个性特征,具有雏数低,运舅速度快,抗噪性能强等特点,是一种稳健的特征.模型补偿则通过分析被测语音帧的整体分布,对高斯混合模型似然概率进行某种程度的补偿,降低噪声的影响,改善系统的性能,进一步增强系统的鲁棒性.理论分析和实验结果表明,在平稳和非平稳背景噪声环境下,当信噪比大大降低时,此方法比MFCC-GMM方法的识别率平均提高了12.2和14.9个百分点.     

基于堆栈式LSTM网络的通信辐射源个体识别

针对现有通信辐射源个体识别方法预处理过程复杂及特征提取较难的问题,提出了一种基于堆栈式长短期记忆(long short-term memory, LSTM)网络的辐射源个体识别算法。该算法直接使用IQ时间序列信号训练LSTM网络,即可实现对通信辐射源个体的高效识别,避免了复杂的信号预处理过程。为使LSTM网络能更好地适用于通信辐射源个体识别,利用3层LSTM网络提取辐射源深层特征,并通过实验优化了网络参数。然后对该算法的实际应用泛化性进行了实验探究,结果表明该算法在其他辐射源数据集上也取得了较好的效果。最后,通过实验对算法进行了验证,结果表明相比于传统算法,在样本数较多时,该算法的识别准确率可以达到98%,而且简单快速智能,便于工程化与实用化。     

小样本条件下SCGAN+CNN低分辨雷达目标一步识别算法

现有低分辨雷达目标识别方法,通常采用先特征提取、再进行目标分类的两步识别算法,这种算法存在识别率难以提高和方法泛化性不足的问题,对此,提出一种增强条件生成对抗网络（strengthening condition generative adversarial network,SCGAN）+卷积神经网络（convolutional neural network,CNN）的低分辨雷达目标一步识别算法。该算法利用CNN自动获取采样数据深层本质特征,无需特征提取,实现对目标的一步识别。为进一步提高小样本条件下的识别效果,基于CGAN理论来提高样本在特征空间的覆盖程度,并对CGAN的判别器进行改进,在损失函数中增加混叠惩戒项,通过SCGAN生成不混叠的生成样本来更好地训练CNN,提高其在小样本条件下的识别能力。仿真对比实验校验了一步识别算法较传统两步识别算法的优越性,以及SCGAN+CNN的低分辨雷达目标一步识别算法在小样本条件下的有效性。     

基于SAMME+ResNet的多相码信号识别方法

针对传统多相码信号识别方法在低信噪比情况下分类精度不高、类识别率不均衡和识别方法不具有通用性的特点,提出了一种利用集成学习中的多类指数损失函数逐步添加模型(stagewise additive modeling using a multi-class exponential loss function, SAMME)算法和残差神经网络(residual neural network, ResNet)的多相码信号识别方法。通过仿真实验对5类多相码信号进行了分类识别,验证了模型的有效性,分析了不同数量基学习器对模型的影响,最后与传统分类方法进行了对比。仿真结果表明,在信噪比低于6 dB的情况下,所提方法相对于单个残差网络提高了约10%的分类精度,同时缩小了类之间识别率的差距,相对于常用的分类方法也有很大的优势。     

协同虚拟维修过程中的虚拟人体维修操作控制

针对操作人员难以在有限的光学运动捕捉设备捕捉范围内自由运动的问题,开展了协同虚拟维修过程中的虚拟人体维修操作控制研究。基于光学运动捕捉设备对操作人员的下肢动作进行捕捉,根据实时识别结果控制虚拟人体进行大范围运动。针对维修操作过程中的虚拟人体手部运动控制,分析了虚拟人体的手部交互过程,提出了一种基于动态贝叶斯网络的维修操作智能辅助方法。以某液压缸协同式虚拟维修操作仿真平台为例验证了方法的有效性。该方法实现了对虚拟人体维修操作过程的有效控制,具有实时性好、交互性与感知性强等优点。     

电子表格格式去除系统的研究

随着电子影象文档应用的日益广泛,相关文档图象的自动处理日益成为人们研究的热点。本文针对电子表格的特点,对从表格中自动提取填充内容这一问题进行了研究。系统首先在模版库中对输入表格图象进行自动匹配;然后对表格图象与相应的模版图象进行自动配准,从表格图象中将模版信息去除,并对误删除信息进行修补;最终,提取出表格的填充内容。通过对系统的实际测试,实验结果表明该方案是很有效的。