基于成像传感器特征的相机源识别

基于模式分类的方法,提出一种利用成像传感器特征进行相机源辨识的鲁棒性方法。分析数码相机成像的特点,提取传感器噪声信息的统计特征,设计一个鲁棒的分类器来确定相机的品牌/型号。所提取的图像特征包括图像去噪差值、小波域子带统计矩以及通道颜色特征。实验结果表明所设计的算法不仅可以有效地正确辨识相机品牌/型号,还具有良好的鲁棒性。     

离散空间中正交小波分解重构算法的实现

针对目前离散空间中分解重构算法的过程较为复杂,主要研究离散空间中周期小波和非周期小波分解重构算法的实现.首先证明离散空间中的多层小波分解重构算法可以按照Mallat分解重构算法的塔式结构实现,从而将离散序列空间与函数空间中的小波理论联系起来;其次,举例说明离散空间中的分解重构算法比函数空间中的Mallat分解重构算法在滤波器的选择上更加灵活;最后,数值结果表明基于离散小波对信号进行处理在很多应用中可以取得更好的效果.     

混合Lebesgue空间中平移不变信号的随机采样稳定性

采样和重构是采样理论中2个重要的问题.在采样集满足稳定性的情况下,信号可以从离散采样集中稳定地重构.为了达到信号重构的目的,对混合Lebesgue空间中平移不变信号的随机采样稳定性进行研究,重点研究能量集中子集上信号的采样稳定性.在生成元满足紧支性和平移稳定性的条件下,定义能量集中子集的标准化子集;研究能量集中子集上信...     

离散正交小波的性质兼容性

函数空间中正交小波的对称性和紧支性不能兼容,而离散空间中正交小波的性质能否兼容仍然是一个未知的问题．本文证明了l2(Z)空间中正交小波的插值性和对称性均与有限长度不能兼容;l2(ZN)空间中正交小波的插值性和对称性均与支集长度小于N/2不能兼容．结果表明,研究离散双正交小波是必要的．     

基于EMD和概率神经网络的说话人识别

基于EMD和概率神经网络的说话人识别方法,主要针对语音信号具有强时变特性问题,通过自适应性的经验模态分解(EMD)方法,对不同说话人的语音信号进行分解后,得到反映信号特征的本征模态函数(IMF),然后计算IMF的能量并进行归一化得到能量特征向量,利用具有简单高效的模式识别功能的概率神经网络(PNN),对不同说话人的语音能量特征向量识别,从而达到说话人识别的目的.实验结果表明,在噪声污染不大的情况下,该方法能够准确快速地识别说话人身份,具有较高的识别性能.     

基于非均匀B样条插值的EMD算法

经验模态分解(EMD)是一种非平稳信号分析方法,存在分解不完全的问题.采用非均匀B样条插值生成包络线,得到了一种新的EMD算法,以实现准确的经验模态分解.针对同一信号给出的对比仿真,表明了算法的有效性.区别于传统算法的非均匀参数化方法具有精度高、实用性强的特点,利于多元推广.     

一种用于医学图像恢复的紧小波标架算法

为更好地消除噪声,保留细节信息,根据图像和噪声的小波系数在频域呈现的不同特性,提出了一种基于区域的消噪方法.将该消噪算法插入到小波标架算法中,在消除噪声的同时恢复了部分丢失的系数.实验结果表明,在没有增加计算复杂度的情况下,无论是峰值信噪比还是视觉效果都有了明显改善.     

一类半双正交小波的分解重构算法

小波的分解重构算法是小波通向实际应用的关键步骤,基于方括号积关系的多尺度分析的建立以及一类新小波的构造,得到了半双正交小波,并通过对尺度空间和小波空间之间关系的分析,得到其对应基之间关系的半双正交小波的分解重构算法.研究表明该算法可归结为对Toeplitz线性方程组的求解,且当尺度函数φ和φ~双正交时,算法退化为现有的双正交小波的分解重构算法.     

基于机器学习的轿车级别评定

建立有效的数学模型可以提高消费者判定轿车级别的准确率。首先,将数据集分为训练数据集和测试数据集,针对训练数据集分别采用支持向量机算法、随机森林算法、k-近邻算法以及朴素贝叶斯算法建立4种模型。其次,用测试数据集比较和分析模型的性能,详细分析了每个模型的优缺点,以准确率作为评价指标,并根据消费者的购买需求,选择相应的模型。