基于子带谱熵法和PSO-GA-SVM的汽车鸣笛识别

针对鸣笛抓拍系统会产生误判的问题,提出了一种基于子带谱熵法和支持向量机的汽车鸣笛识别算法. 首先,使用子带谱熵法对声音样本进行初判,将子带谱熵高于阈值的样本直接判定为非鸣笛样本. 然后,对初判为鸣笛的样本中的疑似鸣笛部分进行分割,并提取Mel频率倒谱系数作为声音的特征. 最后,使用支持向量机对分割结果进行进一步分类,并使用粒子群算法与遗传算法的融合来优化支持向量机的参数. 仿真结果表明,该算法具有较好的鲁棒性. 在对实际采集样本的鸣笛识别中,该算法也取得了较高的准确率.     

基于Daubechies小波的人脸识别算法

为寻求正确率更高的人脸识别技术,提出一种基于Daubechies小波变换和支持向量机(DW-FPSVM)的人脸识别算法.首先对人脸图像进行一次二维Daubechies小波分解提取特征,接着利用快速PCA对特征降维去噪处理,最后选取合适的核参数建立分类模型对其识别,并对常见的ORL人脸库、Yale人脸库进行实验仿真.结果表明:人脸识别准确率随支持向量机核参数γ的增大而减小,且基于DW-FPSVM能够有效的提高人脸识别算法的准确性和稳固性;相较于其他小波的相关结果发现,Daubechies小波更具应用优势.     

线性判别分析特征提取稀疏表示人脸识别方法

针对稀疏表示分类(SRC)算法采取随机脸法提取的数据特征判别力较弱问题,提出一种线性判别分析特征提取稀疏表示人脸识别方法.该方法首先采用线性判别分析算法求解最优判别投影子空间,然后把训练样本投影到该子空间以提取相应的数据特征,并用训练样本的数据特征做字典来表示测试样本数据特征.更进一步来说就是,通过提取出测试样本稀疏特征的向量,和测试样本的数据特征进行比对找出其联系和差别并表示出比对后的残差.最后根据构造的残差找出样本的类别来实现其识别目的.通过在Extend Yale B和CMU PIE人脸数据库上一系列的测试,证明该方法具有很好的识别效果.     

一种基于SVM的人形识别算法

提出了一种基于SVM(支持向量机)人形识别的算法,通过对静态图像小波变换提取目标的局部形状突变特征,并结合动态帧的步态特征,然后利用支持向量机对小样本进行学习与识别.通过实验验证,该算法具有实时性好、识别率高、可靠性高、适用范围广等特点,以达到实现监控自动化和智能化的目标.     

一种改进的FSVM语音情感识别算法

针对语音特征参数对某类情感具有不确定性的问题,提出一种基于典型相关性分析的改进模糊支持向量机算法,应用于语音情感识别.采用典型相关性分析方法对特征向量进行降维,得到样本的约简向量集,在此约简向量集上建立模糊支持向量机模型判定情感类型.仿真实验结果表明,该方法相比于传统支持向量机法和模糊支持向量‘机法具有较高的识别准确率.     

基于特征选择和支持向量机的数字调制识别方法

针对基于决策树的数字调制识别方法在低信噪比和小样本情况下的不足,提出了一种改进的基于特征选择和支持向量机的数字调制识别算法。首先选择信号训练样本的循环谱截面作为备选特征集合,然后利用基于支持向量机的特征选择方法保留有效特征参数并训练分类器,最后将待识别信号选择后的特征输入支持向量机分类器,完成对ASK、MSK、PSK、QAM等4类信号的识别。仿真表明,本文算法在低信噪比和小样本情况下的识别性能优于基于决策树的调制识别方法。     

基于支持向量机的人脸特征分类技术

针对人脸识别技术中准确性较差、识别复杂度较高、预处理较易陷入"维数灾难"等问题,本文运用支持向量机人脸特征分类技术,提出了进一步提高人脸识别效率的一种方法。为了达到面部特征的精确检测与识别,通过微粒群优化的智能KFD算法,确立核函数最优参数σ的值,实现不同类特征的类内间距最小、类间间距最大的数学特性,从而将特征进行分类,并采用Matlab进行仿真分析。仿真结果表明,随着σ增加,可分性测度Y先呈正比增加,然后急剧减少,最后趋于稳定;当σ=0.2时,类间间距最大,类内间距最小,最容易使不同类的样本投影尽可能的分散。该方法解决了样本特征值线性不可分、二次规划计算量大的问题,而且通过分析可分性测度与σ的关系,找到最优参数σ的值和对应人脸识别的最优算法。该研究提高了人脸识别精度,降低了计算量,实现了面部特征的精确分类。     

LDA及支持向量机的人脸识别算法研究

在主成分分析的基础上采用线性差别分析法对人脸图像进行特征提取,构造人脸的特征脸空间,在特征脸空间运用线性差别分析法进行人脸识别。在支持向量机方法理论基础上,利用LibSVM分类器对处理后的人脸图像进行分类,考虑到核函数参数对分类结果的影响,通过参数寻优及算法的改进将多类问题的分类简单化,并大大提高识别效率,在ORL人脸库的识别结果表明,本方法在特征参数个数的选取、识别效果等方面都有其独到的优越性,具有很好的可行性和实际意义。     

用支持向量机方法识别大肠杆菌启动子

为了进一步研究大肠杆菌启动子的识别算法,结合大肠杆菌基因分子生物学的有关理论,利用支持向量机(support vector machine,SVM)方法对启动子进行了识别.根据启动子的序列保守性,从每个启动子样本中选取了长65bases的序列作为正样本,从大肠杆菌编码区选取相应长度的序列作为负样本,建立了基于支持向量机的分类器;并讨论了应用SVM方法时,核函数参数的选择问题.实验结果表明,基于支持向量机的识别方法能更好地提取启动子保守序列的统计特征,正样本和负样本的相关系数可以达到81.62％.     

遗传优化支持向量机在失火故障诊断中的应用

故障样本的缺乏严重制约智能故障诊断的发展,支持向量机算法的提出有效地解决了小样本学习问题.然而支持向量机算法中两个参数惩罚因子C和核参数γ对故障样本的准确识别起着决定性作用.针对参数较难选择问题,采用遗传算法对支持向量机中的两个参数进行全局寻优.把汽车在典型故障下尾气中各气体的体积分数作为训练样本,样本经过主成份分析实现降维和去相关.用处理过的样本和最优参数建立基于支持向量机的多元分类器模型,进行故障类别诊断.使用LIBSVM工具箱进行仿真,结果表明经遗传算法优化后的支持向量机对于小样本故障诊断有很高的准确率.     

基于重采样的三维人脸样本扩充

为了对现有三维人脸数据库的数据规模和数据覆盖范围进行扩充,提出一种基于样本重采样的三维人脸样本扩充算法.该方法首先根据面部器官的分布规律对人脸样本进行区域划分,并获得关于各个器官的样本集;然后通过从各个器官样本集中选择器官并重组的方式来获取新的三维人脸样本,为了保证新器官之间的无缝融合,提出了基于薄板样条函数(thin-plate-spline,TPS)的几何信息缝合方法和基于微分算子的纹理缝合方法.实验结果表明:本文提出的样本扩充方法能对现有三维人脸数据库进行扩充;扩充后的样本集可以提高算法的效果.     

阶梯式坝面消能工

本文评介分析了溢洪道阶梯坝面消能工的水力特性与消能效果。研究表明，将传统的曲线型溢流坝面改为阶梯型，可使下泄水流的动能在阶梯坝面上消除７５％～８８％，从而大大改善对坝下河床的冲刷，缩小乃至省去消能塘。这种消能工尤其适用于单宽流量较小的砌石或碾压混凝土重力坝工程。     

基于生成树的人脸识别

为了提高人脸识别的准确率,研究了基于生成树核的人脸识别.定义了最大生成树的概念,7个生成树核和3个基于直方图核和生成树核的复杂核,并给出了人脸图像的图示,阐述了人脸图像转化成图的过程.实验结果表明,生成树核的性能优于通路核.     

基于彩色图片的人脸检测方法

提出了一种基于肤色的精确人脸定位算法,详细叙述了在图片的颜色调整与肤色检测,肤色区域的平滑、分割与填充,候选眼睛的选取及配对中遇到的具体问题并提出了解决方案.本算法能较为准确地定位彩色图像中的正面、小角度偏侧和旋转的人脸,还能检测出一幅图中的多个人脸.     

基于小波变换的人脸检测

提出了一种基于二维离散小波变换的人脸检测算法。该算法采用Haar小波计算小波脸,导出了提取人脸特征向量的相应公式,利用感知准则训练线性分类器进行分类判决。在4个不同的人脸数据集上与特征脸方法进行了比较。结果表明,该算法的计算效率和检测精度均优于特征脸方法。     

基于免疫算法的人脸检测

提出了一种定位准确的、鲁棒的人脸检测方法,新方法根据人的面部结构知识得到人脸椭圆模板,利用免疫遗传算法在新的灰度图像中进行模板匹配,以确定人脸在新的图像中的位置.实验结果表明,在中等复杂背景下的人脸定位应用中,该方法与遗传算法以及改进的遗传算法相比较,定位更加准确,并且有较高的抗干扰性能,而且该方法对光照、人脸姿态、表情及其他噪声具有较强的鲁棒性.     

人脸检测技术研究进展

人脸识别技术在国家军事安全、安全验证系统、视频会议、人机智能交互等方面有着巨大的应用前景;在民事和经济领域.各类金融卡、信用卡的持卡人的身份验证.社会保险人的身份验证等方面具有重要的应用价值.作为人脸识别的重要环节--人脸检测也得到特别的重视.人脸检测的目的是检测图像中的人脸并将其从背景中分割出来.其次是特征提取与人脸识别.人脸检测是一项具有挑战性的课题.虽然人类的人脸识别能力很强,能够记住并辨别上千个不同人脸.可是计算机则困难多了,它存在很多难题.     

基于缩放因子的人脸直方图特征距离度量方法

奇异特征区域在人脸直方图匹配过程具有更高的可分辨性。基于此,在人脸直方图特征匹配算法的基础上提出一种基于缩放因子的人脸直方图特征距离度量方法。该方法通过缩小直方图距离较近区域的距离、放大直方图距离较远区域的距离,并在匹配中突出高可分辨性区域,以获得更高的识别精度。实验表明该方法可以显著提高各种局部特征提取方法和直方图距离度量算法在人脸识别中的精度。     

基于混合RGB和HSV方法的人脸检测

采用一种简单而强大的基于肤色的人脸检测技术,将基于RGB和基于HSV的色彩模型组合来进行肤色分割,以提高检测的准确率．实验结果显示,本文描述的算法在识别一张人脸和多张人脸的情况下可以达到90％以上的准确率．     

基于AdaBoost的人脸检测算法

针对人脸检测的特点,深入分析了基于Haar-Like小波特征和AdaBoost算法构造强分类器的人脸检测算法,并将此算法应用于ORL人脸库.在Visual C++6.0平台下,首先利用AdaBoost算法训练得到用于人脸检测的强分类器H(x),然后利用该分类器进行人脸检测.实验表明,提出的算法在保证检测精度的同时,极大的提高了人脸检测速度,且受光照变化影响小.