基于融合特征和LS-SVM的脱机手写体汉字识别

提出的脱机手写体汉字识别系统主要研究特征提取和分类识别两个模块.特征提取模块主要包括采用基于不变矩和弹性网格技术的串行特征融合方法,所得到的特征向量不仅充分反映了手写体汉字的全局和局部特征,而且具有很强的区分表达能力.分类识别模块将神经网络多类分类策略与最小二乘支持向量机相结合,所得到的分类器不仅识别率高、泛化能力强,而且有效地解决了多类分类问题.实验证明本文提出的识别系统能够取得很好的识别效果.     

改进防碰撞算法在RFID考勤系统中的应用研究

目的解决目前一些基于RFID的考勤系统因标签碰撞造成数据识别率低、系统稳定性差等问题。方法对现有的RFID防碰撞算法进行了分析,在传统的帧时隙ALOHA防碰撞算法基础上,提出了一种改进的动态帧时隙ALOHA防碰撞算法。结果构建了基于RFID的考勤系统架构,实现了人员考勤信息的记录及防止代替签到情况的发生。此外,还给出了改进的RFID防碰撞算法的详细过程。结论改进算法能够让系统以高吞吐量工作,缩短了识别时间,提高了系统的整体性能。     

NMF在人脸表情识别中的应用

文章将NMF分解用于提取人脸表情子空间特征,并进行人脸表情识别。将人脸图像在特征脸空间上投影,得到的投影系数作为识别人脸表情的特征向量,采用K近邻分类器进行人脸表情识别。     

字母识别的神经网络方法

本文作者用人工神经网络进行英文字母的识别工作。首先进行了字母的数字化转化,将图像格式转化为数字格式,用5×7矩阵的布尔值表示每个字母;然后设计了反向传播型人工神经网络模型;最后,用经过训练的模型对字母进行识别,结果表明:噪声信号的平均水平低于0.2时,神经网络模型能够完全正确识别26个字母;噪声水平在0.2时,神经网络模型开始出现错误,随着噪声水平的增加,神经网络模型的识别率逐渐下降。     

基于核主元分析法和支持向量机的人耳识别

对人耳识别中若干关键问题进行了研究. 介绍了两种人耳图像归一化处理的方法,即基于外耳轮廓长轴的线标记法和基于外耳轮廓起始点的点标记法,并对这两种方法进行了对比. 在分析现有人耳识别方法不足的基础上,提出利用核主元分析法提取人耳图像的代数特征,再利用支持向量机分类模型进行人耳识别. 在带有角度、光照变化的北京科技大学人耳图像库上得到的识别率为98.7%,表明了该识别方法的有效性以及利用人耳图像进行身份识别的可行性.     

基于小波包-LPCC的说话人识别特征参数

论文研究了小波包变换及LPCC参数的提取,在此基础上,提取了基于小波包变换和LPCC的新参数(DWT-LPCC),并基于GMM系统进行说话人识别实验.结果表明,相对于LPCC参数,DWT-LPCC参数大大提高了噪声环境下的说话人识别率.     

基于FPGA的说话人识别系统设计与实现

针对当前基于DSP等硬核处理器的嵌入式说话人识别系统存在训练和辨认时间较长的问题,提出一种基于FPGA平台与矢量量化原理的说话人识别系统实现方案.在采用遗传算法进行矢量量化的说话人识别的系统中,该方案实现的硬件并行运算结构可大大减少求适应度的耗时.经测试,该实现方案在保证识别率前提下,可有效提高训练与识别速度.     

HMM自适应法在应力变异语音识别系统的应用

为了使应力变异在顽健语音识别系统中能够达到较好的识别效果,研究了基于隐马尔可夫模型(HMM)的自适应技术,提出了将最大后验概率(MAP)和最大似然回归方法(MLLR)用于应力变异语音的自适应中.实验结果表明,与基本系统相比,两种方法均有效地提高系统识别率.以SD为初始模型的最大后验概率方法在150个训练样本时识别效果最好,可以达到90.4%.     

基于神经网络的铁路客运列车车号自动识别系统的研究

给出了客运列车车呈自动识别系统的组成及各部分的实现方法，重点讨论了基于多神经网络的识别方法。研究表明该系统的识别率可达到95％，通过所开发的车号显示及修改软件可满足实际工程的需要。     

安全禁止标志识别率与标志特征关系研究

为提高安全标志有效性,需要对安全标志五维特征与标志识别率关系进行研究。选取50名安徽工程大学在校学生为试验对象,40个禁止安全标志为试验材料,研究安全标志的五维特征与标志识别率的关系,建立安全标志识别率与标志五维特征的多元线性回归方程模型。结果表明:标志的熟悉性对标志识别率影响最大,其后依次为简明性、具体性、语义相关性、明确性。此外,回归模型中,常数项为正值,说明仍有其他因素影响标志识别率,有待进一步研究发现。