雷达体制识别专家系统的研究

在分析雷达体制特征的基础上，介绍了雷达体制识别专家系统。该系统综合利用各方面专家知识，采用不精确推理方法，不但能对参数完整的雷达进行识别，也能对参数不完整的雷达进行识别，并给出其识别可信度。     

雷达辐射源识别专家系统

介绍雷达辐射源识别专家系统根据雷达信号参数的变化特征和参数范围识别雷达工作体制和用途的推理过程,介绍识别置信度的融合算法,给出了对本专家系统的测试结果。     

基于知识库的雷达辐射源识别专家系统

从分析雷达辐射源识别的特点出发，提出了基于知识库的雷达辐射源识别专家系统。讨论了系统总体结构模型和面向对象模型。根据系统要求建立了数据库；积累案例形成案例库；获取专家经验及领域知识建立了规则库；依据知识层次结构建立了模型库，这四库一体化形成专家系统。介绍了基于案例、基于规则和基于模型的推理方法，比较了各种推理方法的优、缺点，并提出了基于案例、规则和模型的混合推理。最后给出了系统的功能和实现方法。应用证明基于知识库的雷达辐射源识别专家系统可以得到与专家同样的结果。     

车牌自动定位与模糊识别算法

提出一种基于阈值分割与区域矩化的车牌定位方法，先得到候选车牌区，然后根据车牌区的特征进行筛选得到车牌区，并给出了快速区域矩化方法。字符识别采用两级模糊识别方法，粗分类得到动态的候选集，然后根据该候选集进行细分类。实验结果表明，该方法能对车牌快速准确定位并识别字符。     

雷达辐射源识别专家系统中的推理机设计

从雷达辐射源识别的特点出发，采用面向对象的方法分析了雷达辐射源识别专家系统的推理机的工作原理，给出了推理机的设计思想。介绍了识别的基本步骤；分析了事实库查询识别和规则推理优缺点，主要采用规则推理。给出了推理机的工作原理、推理方向和推理控制策略等。最后采用不精确推理中的确定性理论进行推理实现。应用结果显示，如此设计的推理机可以提高雷达辐射源的机器识别率。     

基于二维非参数特征分析的SAR图像目标识别

在分析传统Fisher线性鉴别分析局限性的基础上,由图像的行信息和列信息提出了两种形式的二维非参数特征分析(2DNFA)的特征提取方法,并应用于SAR图像目标的识别。直接在SAR图像矩阵上使用非参数特征分析提取特征不仅能充分发挥非参数特征分析的性能而且保留了图像矩阵的结构信息,大大降低了散度矩阵的维数,减小了运算量。使用美国MSTAR计划录取的数据对算法进行了仿真验证,实验结果显示两种形式的二维非参数特征分析在较低特征维数下的识别率均可以达到98%以上,表明所提方法的有效性和正确性。     

基于多层LSTM模型的雷达目标航迹快速识别算法

雷达目标航迹的快速识别对指挥员战场决策具有重要的参考作用，传统雷达目标航迹识别算法对于目标特征分析效果差，导致航迹识别效果不理想，为此，设计了基于多层长短期记忆网络(Long Short-Term Memory, LSTM)模型的雷达目标航迹快速识别算法。对雷达目标航迹信息进行采集与去噪处理；构建多层LSTM模型，提高对时间序列数据处理的性能，将采集的数据输入多层LSTM模型中；通过多层LSTM网络自主学习获取雷达目标航迹特征，并设计融合模块对多个特征进行融合处理，得到多特征子集，改善单一特征分析的不足；基于适应性矩估计(Adaptive Moment Estimation, Adam)算法优化模型超参数，训练损失函数，通过构建多层LSTM模型分类器完成雷达目标航迹快速识别。仿真实验结果显示，该算法能够精准提取雷达目标的多特征信息，多特征融合效果良好，航迹识别结果精准，目标位置平均识别误差为0.31 m,雷达目标航迹识别时间平均值为0.56 s,说明该方法能够精准、快速完成航迹识别。     

面向指背关节纹识别的图像集与凸壳优化算法

本文将指背关节纹作为生物特征识别对象,提出了基于图像集与凸壳优化模型的指背关节识别算法。所提算法以指背关节纹图像集作为输入,并将局部相位特征方法用于指背关节纹特征提取,进而寻求适用于指背关节纹识别的凸壳优化模型,研究凸壳模型的构建方法并对其进行优化,从而完成指背关节纹的识别。仿真实验表明,所提算法在公开的指背关节纹中,均取得了不错的识别结果。      

一种改进的图像拼接检测算法

通过对图像拼接技术特点的分析,提出一种基于图像纹理特征分析和马尔科夫模型的改进的拼接图像检测算法。该算法计算图像DCT域上的马尔科夫转移概率矩阵,同时对图像进行纹理分析,得到两类特征共178维。为评估该检测算法的性能,提出了一个具体实现方案,提取了图片数据集的特征,使用支持向量机（Support Vector Machine,SVM）对特征数据进行训练与分类。实验表明,该方法取得了较好的分类效果。     

自动检票闸机通行识别的偏序集方法

针对闸机通行识别中的目标识别和事件识别问题,由于不同类型的目标及其事件特征具有相容性,提出了偏序集模式识别方法。该方法根据实际的大样本检测数据,通过定义目标和事件特征的偏序集,比较合理地建立多层次级别的目标和事件特征,以多目标及其事件的一系列特征组成的偏序集为基础,给出通行识别中多类型目标和事件的较为合理的模式识别结果。     

A WEIGHTED FEATURE REDUCTION METHOD FOR POWER SPECTRA OF RADAR HRRPS

Feature reduction is a key process in pattern recognition. This paper deals with the feature reduction methods for a time-shift invariant feature, power spectrum, in Radar Automatic Target Recognition （RATR） using High-Resolution Range Profiles （HRRPs）. Several existing feature reduction methods in pattern recognition are analyzed, and a weighted feature reduction method based on Fisher＇s Discriminant Ratio （FDR） is proposed in this paper. According to the characteristics of radar HRRP target recognition, this proposed method searches the optimal weight vector for power spectra of HRRPs by means of an iterative algorithm, and thus reduces feature dimensionality. Compared with the method of using raw power spectra and some existing feature reduction methods, the weighted feature reduction method can not only reduce feature dimen- sionality, but also improve recognition performance with low computation complexity. In the recognition experiments based on measured data, the proposed method is robust to different test data and achieves good recognition results.     

一种改进的尺度不变特征识别算法用于建盏釉面的相似性判定北大核心CSCD

为解决建盏真伪区分问题,通过改进的尺度不变特征识别算法,建立实验原型系统,用于识别不同类型釉面的建盏。研究的识别模型在云端上提供服务,以便对建盏釉面的相似性进行判断。该系统采用Streamlit平台构建实验性人机交互界面。针对识别模型,研究开发了基于边界跟随法的图像预处理策略,旨在滤除背景和无关材料特征干扰,提高自然条件下拍摄的图像识别能力,以减少对建盏釉面的误判可能性。利用改进的基于支持向量机(support vector machines,SVM)的尺度不变特征变换(scale-invariant feature transform,SIFT)特征匹配分类策略,设计了多项性能实验,以获得足够的数据集分辨率、SVM最优超参数和初始化所需的最小数据集参数模型。经实验证实,系统可清楚地区分相同类型釉面图案(兔毛釉、滴油釉)的相似性。它使用给定的有限数据集提供高达92.60%的识别准确率,并将单次识别速度提高0.84 s。     

基于纹理与特征选择的前视红外目标识别

针对前视红外(FLIR)目标自动目标识别(ATR)问题 ,提出了一种基于纹理特征的ATR方法。不同于传统基于学习、基于 模板以及基于稀疏表示的方法,从图像灰度入手,提出采用局部三值模式(LTP )描述图像纹理特征,同时结合FLIR图像的特点,对LTP进行了增强处 理;然后针对特征的高维问题,采用特征选择方法进行降维处理;最后 采用降维后的特征实现ATR。实验结果表明,本文方法取得了比传统方法 更好的效果;同时也证明,仅从纹理分析入手,也能较好地实现前视红外目标的ATR。     

光纤振动信号特征提取及线性分类方法

在光纤预警系统(OFPS)中产生的入侵事件主要分 为有害入侵和无害入侵。目前对于这两类扰动常规 的特征提取方法通常是采用时域分析,但是对于不同有害入侵事件其时域特征区分不明显, 因此时域处理 不能更好体现它们之间的细节差别。通过对有害入侵信号的频谱进行统计研究发现,不同信 号的频谱分布 存在较为明显的差异性,因此本文将入侵信号变换到频域并借鉴声信号的处理方法,提出了 一种基于能量 占比特征的有害入侵事件识别算法。对采集到的振动信号进行预处理并计算功率谱密度(PSD ),计算各信号 不同频段的能量占比,并将其作为信号分类识别的特征。之后将能量占比特征作为样本送入 分类器进行 OFPS振动信号识别。在分类器的选择上,本文采用线性判别分析(LDA)分类器对信号进行识 别,LDA能 最大限度的保持原始数据信息,并有效区分振动信号。通过实验结果表明该算法在OFPS 振 动信号的识别 研究中提高了有害入侵信号的识别率,从而验证了本算法的可行性,同时有效减少了识别时 间。     

基于一维距离像的飞机目标识别

针对基于多散射中心模型回波的一维距离像(High Resolution Range Profile, HRRP)难以真实反映复杂目标散射特性的问题,研究了基于电磁散射模型回波的生成方法和HRRP 宽带特征提取方法。首先应用等效电磁流法(Method of Equivalent Currents, MEC)棱边修正的物理光学(Physical Optics, PO)算法解算飞机目标动静态电磁散射特性;其次基于目标散射场数据,生成目标回波、仿真HRRP 序列,提取目标宽带特征信息;最后求解了目标在设定航迹下的平均识别率,量化分析了信噪比对目标识别率的影响。理论分析与仿真结果表明:当信噪比(Signal to Noise Ratio, SNR)大于5 dB 时,基于电磁散射建模的平均识别率相对基于传统的多散射中心模型提升了20%。     

Classifier-Directed Signal Processing in Brain Research

Because of the difficulty of extracting useful information from brain electrical or magnetic field measurements, sensitive analytic methods are often required. "Open-loop" techniques for the choice of signal features and the testing of statistical hypotheses are often not sufficient for such problems. The sensitivity of analyses can be increased by "closed-loop" analyses which use feedback from the hypothesis testing to optimize the feature extraction and/or primary analysis to achieve maximal classification accuracy for a pattern recognition analysis which attempts to separate experimental or ciinical conditions. Signal processing algorithms whose parameters are set to maximize the strength of consequent inferences as measured by classifier performance could be called classifier-directed methods. This paper reviews the application of classifier-directed methodologies to waveform detection and categorical classification problems in brain research. Pattern recognition methods are shown to be a convenient way of incorporating expert knowledge in a statistical framework with minimal assumptions about the statistics of the desired or undesired components.     

结合多源特征与高斯过程模型的SAR图像目标识别

针对合成孔径雷达(Synthetic Aperture Radar,SAR)图像目标识别问题,提出结合多源特征和高斯过程模型的方法。分别利用主成分分析(Principal Component Analysis,PCA)、非负矩阵分解(Non-negative Matrix Factorization,NMF)以及单演信号提取SAR图像的特征矢量,并将它们串接为单一矢量。三类特征从不同角度描述SAR图像目标特性,从而为目标识别提供更为有效的信息。决策分类过程采用高斯过程模型进行多元分类,基于融合特征矢量获得概率意义上的最佳决策。实验中,采用MSTAR数据集设置3类目标、10类目标、型号差异以及俯仰角差异识别问题,结果验证了提出方法的优越性能。     

基于部分标记数据进行人脸图像特征提取

针对无监督特征提取的识别率低与监督特征提取需要大量标记的问题,提出一种基于部分标记数据的半监督判别分析(SSDPA)特征提取法。本文方法能实现图像数据降维,避免线性判别分析(LDA)存在的小样本问题,达到提高识别率的目的。算法对图像进行离散余弦变换(DCT)变换;根据DCT图像的频率分布,利用部分标记数据计算SSDP;优先搜索SSDP高的DCT图像信息。将本文方法与其它方法进行组合,在不同人脸数据库上进行了实验。实验证明了本文方法的有效性,用较低的代价获得了优于传统方法的识别率。     

基于显著性差值局部定向模式和深度卷积网络的鲁棒人脸识别

针对传统人脸识别算法特征提取不充分和对噪声敏感的缺点,提出了一种基于显著性差值局 部定向模式(SDLDP) 和深度卷积网络(DCNN)的人脸识别算法。基于信息的显著性,提出一种改进的SDLDP人脸描 述方法,首先计算8个相邻边缘响应值的强度差,前k个最突出的 强度差对应的方向编码为1,其他方向编码为0;然后在利用局部井型领域梯度信息的基础上 ,使用两组梯度值中各自最大值和次大值的方向编码成一个二位八进制数,从而形成改进 的SDLDP编码,进而通过统计选出最具有显著性的SDLDP编码作为特征向量;最后将改进的SD LDP编码作为DCNN的输入,通过逐层贪婪训练网络,获得良好的网络参数,并用训练好的网 络对测试样本进行预测。仿真实验表明,相对于传统的人脸识别算法,本文算法的识别率高 ,并且在对抗噪声方面更具有鲁棒性。     

Gait recognition using radon transform and linear discriminant analysis.

A new feature extraction process is proposed for gait representation and recognition. The new system is based on the Radon transform of binary silhouettes. For each gait sequence, the transformed silhouettes are used for the computation of a template. The set of all templates is subsequently subjected to linear discriminant analysis and subspace projection. In this manner, each gait sequence is described using a low-dimensional feature vector consisting of selected Radon template coefficients. Given a test feature vector, gait recognition and verification is achieved by appropriately comparing it to feature vectors in a reference gait database. By using the new system on the Gait Challenge database, very considerable improvements in recognition performance are seen in comparison to state-of-the-art methods for gait recognition.