一种新的自适应特征谱

图像特征谱给予图像原始特征以富有表达力的、统一的、可操作的形式化描述。本文针对单一图像特征谱在应用时对图像信息表达的片面性和干扰性问题,提出了一种自适应特征谱,该特征谱利用纹理谱对纹理特征的描述将图像区域划分为光滑区和纹理区,对于光滑区域将选择颜色谱作为区域特征,而对于纹理区将选择纹理谱作为特征值,因此它可以对具有不同视觉特点的图像给予灵活的特征描述。为了检验该特征谱的有效性,我们将它应用于基于内容的图像检索中,实验结果表明,利用所提出的自适应特征谱具有很好的检索效果和较小的时间复杂度。     

CDMA系统中的一种新的自适应功率控制方法

作为第三代移动通信的关键技术之一,功率控制技术在CDMA系统中得到了广泛的应用。本文在分析传统固定步长功率控制方法缺点的基础上,提出了一种将Markov过程理论应用到功率控制中的新的自适应变步长功率控制方法。     

利用ARMA模型估算功率谱的一种方法

本文将Levinson-Durbin算法和最小实现算法相结合，给出一种ARMA模型估算功率谱函数的新方法，从而避免解ARMA模型的非线性方程。     

基于自适应子带功率谱熵的语音端点检测算法

在语音处理中,鲁棒性端点检测是语音处理最重要的领域之一,首先提出了一种子带功率谱熵(SPSE)的特征参数,然后,该参数结合Wuetal提出的自适应子带方法(ABS);发现了一种新颖的鲁棒特征参数-自适应子带谱熵(ASPSE),它能成功地在不同的背景噪声下检测语音端点。实验结果表明,在不同的噪声环境和信噪比下,ASPSE参数非常有效,而且该算法优于其它算法。     

基于神经网络的一种概率谱特征提取方法

表达了一种概率谱特征提取方法、并行、自组织、分层神经网络（ＰＳＨＮＮ）在训练是在缩文尚未对输入矢量产生最佳分类、可提高精确率。     

一种基于自适应谱熵的端点检测改进方法

在低信噪比的环境下,为增强与噪声的区分度,提出了一种适应于低信噪比环境的语音端点检测方法.通过改进语音端点检测的特征参数,更好地区分语音信号与噪声信号,提高在低信噪比环境下的端点检测正确率.基于子带谱熵,引入正值常量对基本谱熵参数进行算法改进,得到改良的负谱熵特征,并结合自适应子带选择方法,得到一种新颖的特征参数--自适应子带常量负谱熵.特征在低信噪比的情况下有较强的抗噪能力,并能够准确地检测出语音端点.实验结果表明,不仅快速有效,具有较强的鲁棒性,而且适合低信噪比的语音端点检测.     

一种基于对象特征的自适应模糊控制

提出了一种基于对象特征的自适应模糊控制.模糊控制器在线判断对象特征,预测控制过程所需能量;据此在线动态变动模糊集合的划分,适应不同对象的控制.控制系统动态品质和稳定性分别在阶跃响应上升阶段和稳态调整阶段实现,兼顾两方面的要求.给出了模糊控制系统稳定的一个充分条件.该条件通过调整控制量的模糊划分实现.     

一种基于短时能量自适应的回声隐藏算法

在前后向双核回声隐藏思想的基础上,提出了一种基于声音信号短时能量自适应的回声隐藏算法,根据不同音段的短时能量自适应调整回声核衰减系数的大小,并且在隐藏信息提取的过程中引入了功率倒谱检测法。改进后的算法具有良好的鲁棒性,不可感知性更高,隐藏效果更好。     

一种基于自适应重心向量的主题检测方法

针对影响主题检测性能的2个重要因素——相似主题的判定和主题漂移问题,提出一种基于自适应重心向量的主题检测方法。该方法将命名实体信息应用到特征表示上,将命名实体向量和关键词向量相结合表示主题的重心向量,以有效区分相似主题。采用增量聚类检测主题,在增量聚类过程中不断修正主题重心,以解决主题漂移的问题。实验结果与性能比较表明,该方法能有效提高主题检测的性能。     

解一类最优控制问题的一种自适应拟谱方法

提出一种解常微分方程最优控制问题的自适应拟谱方法.对状态函数和控制函数使用不同次数的多项式逼近.设计了一个自适应算法决定不同的次数,并给出了理论分析.数值算例比较了本文方法与一种常用的拟谱方法.     

人脸检测中基于自适应ICA的特征提取算法

如何从图片中提取出有效特征来区分人脸与非人脸一直是一个难题.文中提出了利用自适应独立成分分析(Self-Adaptive ICA)算法对图像结构信息非常敏感的特点,有效地从大量正面人脸图片中分离出人脸的局部特征,从而利用这些局部特征基底有效地表示人脸图片.自适应ICA算法的优点是能自适应的拟合图像数据的统计性质,而不用预先设定.通过比较待检测的人脸图片与非人脸图片在这组特征基底上的投影系数,可以较好的区分二者.实验结果也表明这种特征提取方法可以找到一组很好的人脸特征基底.使用这种方法构造的弱分类器的分类准确率在相同的误检率下比Boosted Cascaded方法中的弱分类器高1% ～ 1.5%.     

基于特征选择的质心向量构建方法

基于质心的文本分类方法对模型较敏感,分类性能较差。为此,提出一种基于特征选择的类别质心向量构建方法FSCC。计算特征与类别之间的特征选择值,利用质心特征权重计算公式得到类别的质心向量,并采用非归一化的余弦相似度计算文档与质心间的距离,实现文本分类。实验结果表明,与基于质心的方法和支持向量机方法相比,FSCC方法的分类效果更好。     

一种组合特征抽取的新方法

该文提出了一种基于特征级融合的特征抽取新方法，首先，给出了一种合理的特征融合策略，即利用复向量给出组合特征的表示，将特征空间从实向量空间拓广到复向量空间，然后，发展了具有统计不相关性的鉴别分析的理论，并将其用于复向量空间内最优鉴别特征的抽取，最后，在Concordia大学的CENPARMI手写体阿拉伯数字数据库以及南京理工大学NUST603HW手写汉字库上的试验结果表明，所提出的组合特征抽取方法不仅具有很强的维数压缩能力，而且较大幅度地提高了识别率。     

一种基于特征提取的访问控制方法

当前,细粒度的授权控制是访问控制中的研究热点,它能够在单一固定的环境下合理地调整访问策略以满足工作流安全。然而,一旦其迁移到新场景,遭遇访问策略未设定的授权,它就可能难以给出正确判断,只能依靠人工审查来确认是否授权,但人工审查授权耗时耗力,在大数据环境下成本过高。因此,引入一种基于过去经验学习的自动化判别机制势在必行。文中尝试给出一种针对基于角色的多级访问控制模型的自动化审查方法,通过采样已有的正确和错误授权的时间、空间等特征来刻画出该访问控制的一般化特征表达,从而使得已有的访问控制模型在迁移环境下面对新情况依然能够给出正确判断,降低人工审查的工作量。实验表明,该分析机制对用户的访问请求有较高的正确评判率。     

基于特征提取的纹理合成算法

对于包含明显特征对象的纹理,现有的纹理合成算法会破坏样图中特征对象的完整性,使得合成的纹理效果不理想。针对该类型的纹理,本文提出了一种基于特征提取的纹理合成算法,该算法将纹理样图进行分层处理,一层是纹理上具有明显边界和完整形状的特征对象,一层是除去特征对象的背景。我们先将纹理上的特征对象提取出来,然后用剩下的纹理合成背景,最后将提取的对象按照样本中的分布规律撒播在背景上来生成纹理。实验表明,该算法能够较好地保证样本纹理中特征对象的完整性,合成效果比较理想。     

结合区域特性和非子采样SPT的图像融合方法

针对基于方向可控金字塔变换的图像融合方法中存在的缺点与不足,提出了一种基于区域特性和非子采样方向可控金字塔变换(NSSPT)的图像融合方法.首先采用NSSPT对源图像进行多尺度、多方向分解,得到低频子带、高频子带以及各方向带通子带系数;然后,针对高频和带通子带系数的选择,结合各子带图像的区域特性,给出了一种基于区域均值能量匹配的"加权平均"与选择相结合的系数融合策略;而对于低频子带系数则给出一种基于灰度均值偏差的选择与加权平均的系数选择方案,得到了融合图像的NSSPT系数.最后,经过NSSPT逆变换得到融合图像.对多组不同的源图像进行融合实验仿真,实验结果表明该方法可以避免"人为"效应或高频噪声的引入,能够获得视觉效果更佳、细节更为丰富的融合图像,其融合效果要优于基于传统的金字塔变换、小波变换以及方向可控金字塔变换的图像融合方法.     

基于EMD功率谱方法的机电作动系统早期故障特征提取

提出一种改进的基于经验模态分解(EMD)功率谱分析的特征提取方法,该方法自适应地将故障信号分解为不同频段上的基本模式分量(IMF)之和,然后只提取对故障敏感的IMF分量的功率谱.由于只有少数IMF对故障敏感,该方法能获得具有较高信噪比的原数据特征信息,这对预测功率变换器早期故障趋势具有极其重要的应用价值.实验结果表明,该方法可有效提取早期隐性故障特征,为飞机机电作动系统的故障预测和健康评估提供必要的前期准备.     

植被光谱维特征提取模型

提出了一种针对植被的光谱维特征提取模型－植被光谱特征提取模型（Vegetation Spectral Feature Extraction Model,编写为VSFEM）。该模型通过分析大量野外植被高光谱曲线,选择了8个光谱维特征位置,并由它们衍生出了一系列特征参量。     

一种基于正交投影的特征抽取方法

本文结合Fisher鉴别准则给出了一组正交投影矢量，并引入了一种度量投影矢量相关性的简捷方法，与经典的Foley-Sammon鉴别分别法相比，所提出的正交投影法具有较强的消除样本特征之间相关性的能力和良好的鉴别能力，最后，在CENPARMI手写体阿拉伯数字库的试验结果证实了该特征抽取方法明显优于Foley-Sammon鉴别分析法。     

一种基于小波的轮廓特征提取算法

从大量含有噪声的3维点云数据中提取实物的边界特征,在以计算机视觉为基础的数字化曲面重建过程中有非常重要的意义。为提高重建精度,需要首先对大量原始散乱数据进行除噪及精简处理,但常规的数据处理方法由于没有区分噪声和特征点,因而使重建精度大大降低。为了准确的进行轮廓特征提取,提出了一种基于小波变换的激光测量扫描表面轮廓特征提取算法,并通过严格的理论推导,构造了一种类似m exh小波的小波基用来对两种边界特征点进行检测。多次实验结果显示,该算法不仅有效地避免了噪声和冗余数据的干扰,较精确地定位到了边界特征点,而且通过重建原始数据,较准确地提取了3维实体的外形轮廓,同时也为实现冗余数据的精简提供了一种新思想。