基于分形和神经网络理论的多尺度图象分割方法

特征空间聚类分割方法的关键问题是有效的特征参数提取和聚类方法的构造，针对这两个问题。本文采用小波变换的多尺度分析方法提取图象的多尺度分形维数作为分割特征参数，用Ｋｏｈｏｎｅｎ自组织特征映射实现特征空间聚类，获得了良好的分割效果。     

MCG网特征库的构造及其动态调整技术

文章介绍了MCG网特征参数的构造,以及如何选取用于异常行为模式的特征.引入时间窗动态调整技术,使得建立的特征库能够随着时间的推移自动更新,克服了特征参数长时性渐变的影响,产生的特征库能较好地表示通话行为.     

基于分形和神经网络理论的多尺度图象分割方法

特征空间聚类分割方法存在的关键问题是有效的特征参数提取和聚类方法的构造。针对这两个问题,本文采用小波变换的多尺度分析方法提取图象的多尺度分形维数作为分割特征参数,用Kohonen自组织特征映射实现特征空间聚类,获得了良好的分割效果。     

一种雷达信号特征参数评估的新方法

针对传统雷达信号特征参数评估中指标构建不完备、应用背景不强等问题,在研究分类器核函数对特征参数影响的基础上,提出了一种新的信号特征参数评估方法。该方法首先构建了以可分离性、稳定性、复杂性为评估指标的评估体系,给出了特征类内聚集度与类间聚集度的新的度量准则,并基于用户需求对各评估指标权重作层次分析,最后利用指标权重矩阵和指标评分矩阵以打分方式对特征参数的性能进行综合评估并排序。应用结果表明,该评估方法可行有效,能够较好地实现信号特征参数性能的分析和评估,为特征参数的研究与选择提供了依据。     

短波信道下的信号调制方式识别

针对短波信道条件下的通信信号调制识别问题,提取了以信号功率谱的各种特征为主要特征参数,使用判决树分类器,对基于Watterson信道模型下的九类常用短波信号进行调制识别.仿真结果表明,所选取的特征参数具有很好的稳健性,在中等短波信道且在低信噪比条件下有较高的正确识别率,且方法简单便于工程实现.     

基于模糊聚类的常规通信信号自动分选方法

为解决从干扰环境中自动分选出常规通信信号的问题,提出了一种基于模糊聚类的常规通信信号分选方法.该方法首先利用区分度函数确定最优的相关度阈值参数,然后利用模糊聚类算法对利用频域检测和测向得到的测量集进行信号分选,并对分选后的通信信号进行特征参数估计.实验结果表明,该算法能够在不做任何假定的条件下对常规通信信号进行正确分选,并对窄带信号的特征参数进行准确估计.     

基于聚类模糊神经网络的非线性电路故障诊断

提出了一种基于聚类算法和模糊神经网络的非线性模拟电路故障诊断方法。通过一个无监督的聚类算法自组织地确定模糊规则的数目并生成一个初始的故障诊断模糊规则库，构造了一类模糊神经网络，通过训练调整网络权值，使故障诊断模糊规则库的分类更加精确，并通过仿真实验验证了该方法的有效性。     

基于自适应加权Fisherface算法的人脸识别

提出了一种改进的Fisherface算法。算法首先利用Karhunen-Loeve（K-L）变换降维，在降维的子空间内，根据样本与同类样本间的距离赋予该样本一权值，再用加权后的样本求取类均值，以新的类均值重建类内散布矩阵和类间散布矩阵，从而改进Fisher判别函数。在ORL和Yale人脸库上的实验结果表明，该算法优于传统的主成分分析（PCA）方法和Fisherface方法，并能有效解决小样本情况下训练样本类均值偏离类中心的问题。     

基于实例的检索

基于实例的推理是人工智能中一项重要推理技术,而推理的核心是检索.介绍了产品设计的相似度计算方法,以及实例特征参数权系数值的确定方法,最后给出产品设计实例库三级检索算法.     

基于模糊理论的雷达信号类型识别方法

针对目前雷达辐射源识别中存在的特征参数难以获得，雷达信号工作模式繁多等问题，提出利用模糊理论对雷达信号进行类型识别。经过多次仿真选择了既简单又有效的特征参数及隶属度函数，实验验证了此方法有较强的识别效果，且工程上较易实现。     

基于特征不变矩的签名鉴别方案

脱机手写签名鉴别的主要困难在于有效特征的提取,因此本文主要围绕提取能反映签名本质的特征进行了相关研究。在具体解决签名鉴别时,一方面要考虑签名的静态特征,另一方面寻找动态特征。重点研究了静态特征。提取静态特征时,利用伪Zernike矩的尺度及位移不变性,计算签名图像的0~10阶伪Zernike矩来组成特征向量。在此基础上,对基于上述两种不同特征的加权欧氏距离分类器进行性能比较,并找到了一个有效的数据融合方案。     

基于BitBP特征的多重级联人脸检测器

结合Haar和MB-LBP特征,提出了一种采用BitBP特征描述图像局部信息的方法,该特征可有效描述图像局部区域的灰度像素分布情况,具有比Haar和MB-LBP特征更强的分类能力。且可有效地克服Haar特征数目巨大、训练时间长的缺点。根据BitBP特性,提出一种多重级联的分类器。该分类器的每层均由单一BitBP特征的次级级联分类器构成。而次级级联分类器中的每层分类器均是一个小型的联分类器。利用多重级联结构,可获得更快的检测速度。     

基于K近邻分类间隔的特征选择方法研究

特征选择是机器学习和模式识别领域的一个关键问题。文中详细分析研究一类基于K近邻分类间隔的特征选择算法,并着重讨论当K〉1时,特征选择的评价准则和搜索策略的设计,同时在多个数据集上验证其性能。     

基于DBF的汉语方言自动辨识

在汉语方言辨识中,传统的声学特征是语音信号的谱特征的参数化表示,常常包含说话人、信道、背景噪声等冗余信息,针对上述问题将深度神经网络(Deep Neural Network,DNN)引入特征提取之中,提出了与音素层面相关的深度瓶颈特征(Deep Bottleneck Feature,DBF),尝试从特征层面抑制方言冗余信息的影响.最后在实验部分对瓶颈层的位置,节点数目进行了讨论,结果显示,深度瓶颈特征相对于传统声学特征能够取得更高的识别率.     

一种改进的基于模糊似然函数的特征选择算法

本文在Shang模糊似然函数的基础上,提出了基于特征空间的可信度函数和特征分量影响函数以改进Shang模糊似然函数的可靠性,采用改进的模糊似然函数评价任意特征子集的有效性,可更真实地描述模式在特征空间的分布,是一种有效的特征选择算法。论文将改进算法与原算法进行了测试比较,结果表明改进的特征选择算法具有更好的可靠性和实用性。     

基于关联规则的特征选择方法

提出了一种基于关联规则的特征选择方法，在市场分析中，人们用关联规则来发掘大量数据集中项目之间的关系。关联规则的方法非常适用于图像分析中的特征选择，可以自动地选出可信度较高的特征。使用这一方法挑选合适的纹理特征用于图像分类，并对结果进行分析。     

直观特征匹配在目标识别中的应用

随着卫星遥感技术的迅猛发展,遥感图像的快速判读技术成为急待解决的课题。针对遥感图像的特性,采用基于形状的直观特征匹配模式识别方法实现静止摆放目标的识别,解决了目标在遥感图像上的平移、旋转、缩放和特征匹配时间长的问题,在工程应用中取得了良好的效果。     

基于遗传算法的SAR图像目标鉴别特征选择

针对SAR图像自动目标鉴别的应用,提出了一种基于遗传算法的特征选择方法.首先提取了反映目标和杂波虚警差异的八个特征,分别是:四个空间边界属性特征,一个分形维数特征和三个对比度特征.然后对由八个特征构成的特征矢量采用遗传算法进行特征选择,以选出对于目标鉴别最优的特征序列.遗传算法中适应度函数的设计综合考虑了描述长度、鉴别总错误数以及漏报数等三个因素,使得该适应度函数对于特征优劣的评价更全面.实测数据的实验结果证明了所提算法的有效性.     

组合特征的联机手写维吾尔字母识别

通过分析维吾尔文字母自身的书写特点，为了进一步提高识别率，在原先的外围轮廓特征基础上，再提取了附加笔划形状特征、字母上下左右密度比例特征、笔画数特征以及主体部分和附加部分的位置关系特征，进行了诸多特征有效组合下的字母识别实验。其中，最高识别率达到了75．7％，比原先在单个特征下的识别率提高了近10个百分点。这表明，不同特征的有效组合是可行的，而且具有继续研究的潜力。     

基于改进增强特征选择算法的特征融合图像隐写分析

针对现有的基于特征融合的JPEG隐写分析方法特征冗余度高、通用性较低的问题,提出了一种基于改进的增强特征选择(BFS,boosting feature selection)算法的通用JPEG隐写分析方法。从线性相关度和非线性相关度两方面降低特征冗余,将特征自相关系数和互信息这两种统计性能引入到特征的评价准则中,重新设计了特征权重计算方法,改进了BFS算法的特征评价函数。通过改进的BFS特征选择算法将3组互补性较强且准确率高的特征进行融合降维,得到最优特征子集训练分类器。对3种高隐蔽性隐写算法F5、Outguess和MME3,在不同嵌入率下进行了大量实验。结果表明,本文方法的分析准确率高于现有的检测率较高的JPEG隐写分析方法和典型的融合分析方法,融合后的特征相关性明显下降,并且具有更强的通用性。