基于复杂度特征的调制信号识别

调制信号的调制规律能够直接在信号波形上得到反映，本文使用复杂度来定量描述信号的这种有效、简便的波形变化特征，它包括Lempel-Ziv复杂度和分形维数。在Lempel-Ziv复杂度的提取中，本文提出了一种有效的序列重构方法，以此来提高特征的类内集群程度和类间分离程度。在此基础上针对7种调制类型设计了分层结构的组合分类器，从而获得较为满意的识别。计算机仿真实验也证实了本文方法的有效性。     

基于调制信号细节特征的证据识别

从系统的观点，着力从特征提取和分类两方面提高调制信息的分类正确率和识别效率。由于通信信号的不确定性和信噪比变化范围较大的特点，提出了基于小波争解的细节特征，这种特征不但包含了不同类别的差异信息，而且压缩了信噪比变化范围，在此基础上，分类器设计运用信任函数（证据）理论，改进了常规的贝叶斯决策方法，明显提高了分类正确率。计算机模拟结果证明了此方法的可行性。     

地面机动作战要素类别的模糊识别规则提取

针对地面机动作战体系中各作战要素类别识别难的问题，设计了一种地面机动作战要素类别识别的模糊规则提取流程，并通过基于作战要素类别识别特征构建识别特征向量，利用计算识别特征隶属度提取其中的模糊识别规则，使用信息熵对存在冲突的模糊识别规则进行消歧，采用作战要素类别识别特征权重构建模糊识别树等步骤说明实现过程，通过实验验证了该方法的有效性。     

基于小波变换域的参数化双谱心音信号分析方法的研究

本文利用心音信号在小波域的分布特点,提出了一种基于小波变换域的参数化双谱心音信号分析方法。通过对不同类别的心音信号数据分析表明,本方法不仅能抑制各类噪声的干扰,而且能有效地区分不同情绪状态下心音信号的模式特征,为分析人类情绪变化的特点提供了一种实用而有效的方法。     

一种改进的基于ICA特征空间的高空间分辨率影像的目标识别

为解决高空间分辨率影像目标的识别问题,一种好的方式是将充分考虑高阶累积量的独立分量分析方法引入高空间分辨率影像进行特征提取,但由于基于传统独立成分分析方法提取的特征空间不能最优区分不同类别的样本。为此,提出一种改进的基于独立成分分析的目标识别方法（Multi-ICA）。该方法为每个类别的样本构造单独的特征空间,通过投影到特征空间,得到表征该类别样本特征的特征向量集合。Multi-ICA方法提取的特征空间是基于某类样本图像的共性特征建立的,同一类别样本间的欧式距离要小于不同类别样本之间的欧式距离。因此,可以将待识别样本分类到具有最小欧式距离的特征空间所对应的类别上。现以北京地区的高分辨率卫星Quickbird影像为例,进行了Multi-ICA、传统ICA方法、主成分分析（PCA）方法,以及Multi-PCA方法的目标识别对比实验。结果表明,提出Multi-ICA算法的识别率有明显的提高,并且在一定程度上缓解了由于样本数量增加导致样本特征向量维数增加的问题。     

一种基于矢量量化的音频场景分析方法

基于音频的场景分析技术对机器自动感知环境特征，提高自动化程度等具有重要的意义。考虑到人耳的听觉特性，采用反映人类听觉特性的Mel倒谱系数MFCC（Mel frequency cepstral coefficient)作为音频信号特征，提出了一种用矢量量化来进行音频场景分析的方法。     

一种偌于自组织特征映射的前馈式神经网络模型及其算法

本文提出了一种基于自组织特征映射的前馈式人工神经网络模型，介绍了其结构和算法。该模型基于自组织特征映射机理，用统计方法获得输入信号对不同模式类别的隶属程度，并由此进行模式分类判决计算。该神经网络模型还导出了“模式地形图”的概念，可以实现数据聚类分析的可视化。经计算机模拟验证，上述算法和概念是有效的     

基于雷达信号循环双谱特征的组合式特征约简方法

提出了一种基于加权类间类内距离比及主成分分析的组合式特征约简算法,并将其应用于选择低截获概率(LPI)雷达信号的高阶循环统计量特征。该算法首先用熵对传统类间类内距离比加权,克服了其只从宏观上刻画特征的类别区分能力,没有反应类别之间分布信息的缺陷,并用其选择鉴别能力较强的特征作为粗选特征子集。然后用主成分分析(PCA)对粗选特征子集去相关,最终得到维数更少的不相关的特征子集。仿真实验结果表明本文特征约简算法的性能优于MFDR和NMIFS。     

基于类别注意力卷积网络的地物分类方法

在近期的研究发展中,语义分割取得了巨大的进步。但大多数方法都是从空间角度出发,来获取更加丰富的上下文信息。与以往的方法不同,本文提出了一种基于类别注意机制的特征融合方法,从类别角度出发,来获取全局上下文信息,并与其他特征信息进行融合,这种方法能够更好地表示图像中各类目标的特征,具有更好的类内聚合性。为此,本文使用了一种ACF（类别注意力特征）模块,以计算和构建图像中各类目标的类别中心,以此为基础得到了一个基于类别注意力的多特征融合语义分割网络,以实现更好的地物分类性能。算法使用ISPRS数据集进行实验,与其他算法进行对比,本文方法具有更好的性能表现。      

语义分割网络下的混合信号频谱分离

单通道接收机下,多个时频混合信号的分离属于非稀疏欠定信号分离问题,难以求解。针对这类非稀疏欠定信号分离问题,提出了一种基于语义分割网络、从频域实现多个指定类别信号分离的新方法。利用语义分割网络提取信号的频域分布特征,克服了单通道接收机下信号先验信息过少的问题。仿真表明,该方法具有较高的分离精度,且响应时间短,可用于单通道接收机中时频混叠信号的分离。     

A new method for modeling preoperative diagnosis of ovarian tumors

In this paper, we present a sequential nonuniform procedure, an inference method which combines feature selection based on the Kullback information gain and a step-wise classification procedure to produce a reliable, interpretable, and robust model. We applied the model to an ovarian tumor data set to distinguish between malignant and benign tumors. The performance of the model was assessed using receiver operating characteristic (ROC) analysis and gave an overall accuracy over 85%, and area under the curve (AUC) of 0.887 which compares well with existing methods. The method presented here is significant because of its ability to handle missing values, and it only uses a small number of variables which are graded according to their discriminative relevance. This, together with the fact that the resulting model is interpretable and has good performance, is likely to lead to widespread clinical acceptance of the method. The method is also generic and can be readily adapted for other classifications problems in biomedicine.     

基于SOM网络的IVC空气过滤器故障分类

介绍了自组织特征映射（SOM）网络的结构和学习方法，提出将SOM网络应用于IVC（独立通风笼盒）空气过滤器故障模式分类的方法。并尝试用单一故障样本对网络进行训练，根据“赢”单元在竞争层的位置对多故障进行判断。实验结果表明，该方法减少了网络训练的工作量，并且达到了较好的分类效果。     

Classification and feature extraction of AVIRIS data

The processing of Airborne Visible-Infrared Imaging Spectrometer (AVIRIS) data is discussed both in terms of feature extraction and classification. The recently proposed decision boundary feature extraction method is reviewed and then applied in experiments. Results of classifications for AVIRIS data from Iceland 1991 are given with emphasis on geological applications. The classifiers used include neural network methods and statistical approaches. The decision boundary feature extraction method shows excellent performance for these data     

电磁环境复杂度等级评估模型

综合考虑靶场复杂电磁环境适应性试验的特点和实际需求,研究了电磁环境复杂度等级分类和评估方法。首先分析了电子装备类型及电磁环境适应性特点。其次提出基于电子装备类型的电磁环境复杂度等级评定方法,即对于雷达类和通信类设备基于信噪比、侦察类设备基于信号脉冲流分别制定复杂电磁环境等级。第三考虑用频装备天线扫描,给出了电磁环境复杂度等级动态统计分析表达式。该研究可为电磁环境适应性试验和作战指挥研究提供重要支撑。     

商家评论的情感分类研究和应用

大多数基于有指导机器学习方法的情感分类采用N元(n-gram)词袋(bag-of-words)模型,使用二值(binary)作为特征项的权重。本文系统地分析了信息检索中常用的特征权重计算方法,并从项频、倒文档率、归一化因子等角度加以借鉴和改进,研究其在商家评论上的应用。最主要的改进在于考虑了特征项在不同类别中分布情况的差异以及对倒文档率的平滑。在餐饮评论语料上的实验结果表明,经典的tf.idf若干变形,尤其是倒文档率类差异(delta idf)及平滑因子(smoothing factor)的引入,能有效提高分类准确率。在酒店、电脑、书籍等领域的在线评论公开数据集上也取得了较好的性能,证明了方法的普遍适用性。这一方法目前已经在中国电信号码百事通业务中用于餐饮商家及优惠券推荐,效果良好。     

特征级图像融合方法及在医学图像应用中的研究进展

医学图像特征级融合在医学领域中有重要的地位,首先给出了医学图像特征级融合流程图;然后对医学图像特征级融合技术进行探讨;其次,将特征变换方法归纳为基于核函数、非线性流行学习、不确定性和仿生学等四类,并分别进行了总结;再次,将特征选择方法归纳为基于启发式搜索、完全式搜索和随机搜索等三类,并对其中典型的粗糙集、遗传算法进行了讨论;最后对医学图像特征级融合技术进行总结和展望.     

彩色图像特征点检测算子

图像特征点的定位检测是计算机视觉中的一个关键问题，特征点检测算子的性能会直接影响到相机参数标定和视觉测量结果。本文在传统的Harris灰度图像的特征点检测算子基础上，利用彩色图像RGB三分量数据融合，提出了彩色图像特征点检测算子；提出了2个空间位置约束条件，使检测到的特征点均匀分布在图像各个区域；还提出了采用Bilateral滤波器取代Gaussian滤波器，得到一种既能保持边缘信息又能有效平滑噪声的图像滤波方法。通过对加噪彩色图像的特征点检测实验证明所提方法特征点定位准确，分布合理，抗噪声干扰性能好。     

An automatic sequential recognition method for cortical auditory evoked potentials

The detection of cortical auditory evoked potentials (CAEP), which are part of the electroencephalogram (EEG) in reaction to acoustic stimuli, has important applications such as determining objective audiograms. The detection is usually performed by a human operator, with support from often basic signal processing methods. This paper presents a novel mechanism for the detection of CAEPs, which is fully automatic and stops the measurement when a given confidence is reached. This proposed detector comprises of three stages. First, a feature extraction by a wavelet transform parameterizes the time domain EEG signal by only few transform coefficients. This feature vector is then classified by a neural network which yields a binary vote on every EEG segment. Finally, a sequential statistical test is performed on successive classifications; this stops the measurement if a specified decision confidence has been reached. The adjustment of the detector according to a clinical database is discussed. Thus adjusted, the proposed CAEP detection scheme is applied to a study, and compared with a human operator. The results demonstrate that this method can attain similar results, but outperforms the human expert for stimulation levels close to the hearing threshold.     

基于PCA与Fisherface互补双特征提取的人耳图像识别

人耳识别目前是一种新的生物特征识别技术,特征提取是模式识别技术中的关键环节,决定着分类结果正确率的高低,单特征提取方法需要在一定的条件下才能取得较高的识别率,但是采用双特征提取却可以克服单特征提取的这一局限性.为了提高分类结果的正确率,提出了一个全新的方法,即基于主成分分析(PCA)与fisherface的互补双特征提取方法,并将其运用于人耳图像识别中,在北京科技大学提供的人耳图像库上的实验结果表明,该方法的人耳识别率明显高于PCA、fisherface、ICA单特征提取的人耳识别率.