改进的双边二维线性判别分析的手背静脉识别

针对双边二维线性判别分析(B2D-LDA:Bilateral Two-Dimensional Linear Discriminant Analysis)方法中多类类别均值和总体均值接近时难以分类的问题,提出了一种改进的B2D-LDA(MB2D-LDA:Modified B2D-LDA)方法,并将其运用到手背静脉特征提取中.重新定义了类间离散度矩阵,融入了每两类类间的距离,当类别均值与总体均值接近时,则用该类和其他各类类间距离组成离散度矩阵.采用基于欧氏距离的最近邻分类器进行匹配识别.结果表明,在不增加识别时间的情况下,MB2D-LDA平均识别率比B2D-LDA高2％,证明了该算法的有效性.     

模式识别中的图结构描述方法综述

从概率图、组合图、代数图和几何图等模型角度综述模式识别中图结构的描述.分别讲述每一类图模型的图结构构建形式和计算方式,回顾其起源,归纳其历史发展过程,分析其研究现状.其中,着重论述各类图模型描述的不同特点和潜在关系,剖析未来发展方向.引用基于图模型的模式识别发展史上具有代表性的论著,介绍引领方向的研究学者,旨在帮助读者理清图模型的发展脉络,把握其前沿动态.     

基于深度卷积神经网络和深度视频的人体行为识别

传统人体行为识别基于人工设计特征方法涉及的环节多,具有时间开销大,算法难以整体调优的缺点。以深度视频为研究对象,构建了3维卷积深度神经网络自动学习人体行为的时空特征,使用Softmax分类器进行人体行为的分类识别。实验结果表明,提出的方法能够有效提取人体行为的潜在特征,不但在MSR-Action3D数据集上能够获得与当前最好方法一致的识别效果,在UTKinect-Action3D数据集也能够获得与基准项目相当的识别效果。本方法的优势是不需要人工提取特征,特征提取和分类识别构成一个端到端的完整闭环系统,方法更加简单。同时,研究方法也验证了深度卷积神经网络模型具有良好的泛化性能,使用MSR-Action3D数据集训练的模型直接应用于UTKinect-Action3D数据集上行为的分类识别,同样获得了良好的识别效果。     

基于不变角度轮廓线的三维目标识别

三维物体的快速准确识别是研究的热点.根据局部特征变换的特点,提出了不变角度轮廓线的识别方法.算法通过点云矢量特征对物体进行局部分割,利用欧式距离、测地距离以及角度三个变量,建立其不变角度轮廓特征描述,进一步提取不变矩特征,构建特征向量数据库集.被识别物体的特征描述和数据库中特征进行夹角余弦匹配,可完成物体的识别.通过识别实验以及识别算法性能分析,结果表明算法具有较高的识别率和识别效率,可以用于复杂点云物体识别.     

2.4GHz网络信道估计与识别

在2.4GHz网络中,由于wifi、zigbee和bluetooth这3种系统工作在同一频段,致使它们通信时会出现干扰.为区分出不同系统的信号,基于盲源分离理论,介绍了线性主成分方法(PCA)、递推最小二乘算法(RLS)和2.4GHz系统,推导了RLS型算法和信号识别公式,采用Matlab仿真,结合以前改进的RSL算法和信号识别方法,提出一种改进的RLS算法.经过分析,证明该改进的算法可以从混迭信号中有效地分离出各源信号,特别是使这3个系统的不同信号分离,确定每个信号的所属系统及所占信道.     

基于卷积神经网络的钢轨测量廓形畸变动态识别

针对车体多自由度振动对基于激光图像技术的钢轨廓形动态测量所造成的影响,提出一种新颖的钢轨测量廓形畸变识别方法.首先根据钢轨廓形特征和畸变前后的几何差异,设计了一种三通道且参数独立的卷积神经网络结构用于畸变识别,其输入分别为原始廓形图像的降采样、轨鄂点周边裁剪图像和轨底点周边裁剪图像.为了有效训练该网络,通过采集大量正常廓形图像和畸变廓形图像来构建带标签训练样本库.利用训练后的卷积神经网络,在室内钢轨廓形动态测量平台上进行大量的测量廓形畸变识别实验.实验结果表明本文识别方法的精度和查全率均能达到92%以上,验证了该方法的有效性和可靠性.     

基于面部表情GEM和稀疏立方矩阵的三维人脸识别方法

针对姿态和表情变化对3D人脸识别影响较大的问题,提出一种基于面部表情通用弹性模型(generic elastic models,GEM)和稀疏立方矩阵的3D人脸识别方法.利用面部表情通用弹性模型构造3D人脸数据库,3D重建模型为所有人脸姿态创建稀疏立方矩阵(sparse cubic matrix,SCM),并利用自动头部姿态估计法获得人脸图像中三元组角度的初始估计值;为每个子集估计的三元组角度选择SCM的阵列;通过稀疏表示从SCM中选择阵列与探针图像.在FERET,CMU PIE和LFW数据库上的实验验证了提出方法的有效性.与几种优秀3D人脸识别方法相比,提出的方法识别率更高,当姿态变化角度较大时尤为明显.此外,对于480×640图像,LFW数据库上,预处理、人脸检测和分类的总平均处理时间仅为89.4 ms.     

基于核Fisher判别的复杂储层岩性识别研究

复杂储层中多种岩性均可作为储层,不同岩性的物性特征差异较大,分岩性解释复杂储层物性是求准物性较为有效的一种方法,但是不同岩性的测井特征相近,常规线性分类方法识别效果不理想,因为复杂储层的岩石识别中非线性分类特征占较大比例。针对这一问题,本文将Fisher判别分析(FDA)做核推广,形成核Fisher判别分析(KFDA),进一步利用Fisher判别中未提取的非线性信息,通过升维获得更多的非线性分类特征,然后再通过降维来提取利于岩性分类的特征。文章通过实验对核Fisher在数据预处理、关键参数的选取等方面进行了详细介绍,并将核Fisher方法与其它分类方法进行比较,验证了核Fisher方法的岩性识别能力,而对于不同岩性间的差异相似关系,造成岩性识别精度低的情况,提出了分级核Fisher判别分析的思路,研究证明利用分级核Fisher判别分析的思路可进一步提高岩性的识别精度。     

Peripheral Nonlinear Time Spectrum Features Algorithm for Large Vocabulary Mandarin Automatic Speech Recognition

IntroductionCurrentautomaticspeechrecognitionsystemsarebasedoncontext-dependentorcontext-independentphonicsorsyllablemodelsdescribedintermsofse-quencesofhiddenMarkovmodel(HMM)states,whereeachstateisassumedtobecharacterizedbyastationaryprobabilitydensityfunction.Thetimecorre-lationandconsequently,thesignaldynamicsinsideeachHMMstate,arealsousuallydisregardedalthoughtheuseofdynamicfeatures,suchasdeltaanddelta-deltaparameters,cancapturesomeofthecorrelations.Consequently,onlymedium-termdependenc…     

基于吸收分析的多属性反演技术及在油田开发中的应用

为了满足油藏开发阶段砂体内部油水识别的需求,提出了基于地层吸收分析的多属性反演流体识别技术。算法实现分三步:1利用基于广义S变换的瞬时子波吸收分析(GST_WEA)油气预测技术计算地震记录的高、低频吸收因子;2结合吸收因子和其它与流体相关的地震属性,以电阻率曲线为目标函数构建多元线性反演,利用多元逐步回归算法对包括吸收因子在内的多种地震属性进行流体敏感性排序;3进一步利用概率神经网络算法对优选的以吸收因子为主的地震属性进行多属性电阻率反演。通过模型分析验证了GST_WEA油气预测技术的抗噪性。实际应用效果表明吸收因子较其他地震属性具有更高的流体敏感性,通过多属性反演有效预测了砂体内部的含油优势区域。