基于核协同表示的步态识别

为了提高跨视角下的步态识别率,分析识别率低的原因,原因之一归咎于通常采用线性降维的方法进一步提取步态特征,而实际上,特征数据之间可能存在着非线性的关系,故采用核主成分分析法对特征数据进行非线性降维处理,设计了一种核协同表示的步态识别方法。该方法获取步态能量图,采用核主成分分析法对步态能量图数据进行非线性降维处理并提取步态特征,并用协同表示的方法进行分类。实验结果表明:在90°视角下,采用多项式核函数的识别效果明显优于采用高斯径向基核函数的识别效果;该方法在跨视角下取得了显著的识别效果,与其他算法相比,识别率提高了10%以上;该方法的识别速度约是协同表示的识别速度的1~2倍。     

基于PCA_LDA和协同表示分类的人脸识别算法

人脸识别是近年来模式识别领域的热门课题,其中特征提取和分类器选择是人脸识别的关键步骤。主成分分析和线性判别分析是特征提取的主要方法之一,但主成分分析忽略了数据的类别信息,线性判别分析类内散度矩阵奇异,导致投影矩阵无法直接得出。为解决以上问题,本文提出基于PCA_LDA和协同表示人脸识别算法,该算法结合主成分分析和线性判别分析,将人脸的特征信息压缩到一个更小的子空间内,再采用协同表示分类算法对测试图像进行识别。在ORL人脸库、FERET人脸库和YALE人脸库上的大量实验证实,本文算法能精确地提取到高维图像信息的主要特征,在保留特征信息的同时,大大减小了计算的复杂度。而且相比其它几种典型算法,本文算法具有更高的识别率和更健壮的抗干扰性能。     

基于多核协同表示分类的脑肿瘤分割算法

为了从脑核磁共振(MR)图像中分割出脑肿瘤区域,为疾病诊断和手术导航提供参考,该文在核方法框架下提出一种基于多核协同表示分类的脑肿瘤分割算法。首先对脑肿瘤图像进行多尺度超像素分割,并构造基于超像素区域的空间特征,在多核框架中利用多核协同表示分类方法,将原始光谱信息与所提取的多尺度空间特征融合并应用于脑肿瘤图像的分类,最后结合临床特征实现了脑肿瘤区域的分割。在MICCAI BraTS 2012和2013数据集上的测试结果表明,与现有脑肿瘤分割算法相比,该文方法能够更好地提取脑肿瘤区域,并具有较好的分割精度。     

基于核方法协同表示的高光谱图像分类

为进一步利用高光谱图像在同一区域内像素点的相似特性完成地物分类,提出了一种基于核方法协同表示与绝对距离融合的分类算法。通过核函数将原始数据投影到高维核空间,在特征空间中用全部训练样本表示待测样本,再计算吉洪诺夫正则化下待测像元的重构残差和每个类别表示系数绝对值向量,使用不同权重予以融合作为分类依据。在实验中使用Indian Pines和Pavia University两种高光谱图像数据对该方法进行实验验证,实验结果表明:与原协同表示(CRC)及支持向量机(SVM)相比,改进后分类算法总体分类精度和平均分类精度都有更好的表现,均达到94%以上,具有较好的鲁棒性。     

基于无线传感器网络的车辆检测算法

利用磁干扰原理,无线传感器网络可以对车流量、车速等进行实时监测,逐渐被用于智能交通领域。本文深入研究了车辆磁干扰的特征及其提取方法,提出了一种自适应状态机车辆检测算法。实验表明该算法可以达到对车辆的准确检测。     

基于贝叶斯网络的车辆并线意图识别

为了在多车道行驶场景中准确判断出旁车并线意图,提出了一种基于贝叶斯网络的旁车并线意图识别模型.首先,从运动轨迹数据集中筛选样本构建训练集和测试集,选取特征参数,并利用卡方分裂算法对其进行离散化预处理.其次,在评分搜索的网络结构学习基础上,加入随机抽样来避免局部最优,通过构造接近目标平稳分布的马尔可夫链,多次迭代直到收敛...     

基于计算机网络技术的车辆识别技术

随着我国汽车使用的普及,为了避免出现交通问题,车辆识别技术也逐渐被广泛应用,例如：在停车场、高速公路、十字路口等管理系统的领域中都有应用。车辆识别技术作为先进交通管理的重要技术之一,在解决交通问题的同时,还能加快和稳固城市建设与治安管理。本文通过简单介绍车辆识别技术及车辆识别技术的种类,对基于计算机网络技术中的车牌识别系统原理进行分析,并根据所分析的情况,设计出合理的运作系统。     

基于超声波传感器阵列的车辆周围目标物识别

为了对车辆环境信息进行探测与识别,提高道路交通安全,该文研究了利用超声波传感器阵列识别车辆环境目标类型的方法:以分类器为核心,搭载目标物区分算法,实现对目标物的实时探测与区分。首先根据车辆周围环境信息提取了具有一定形状特征的典型目标物,分别为平板、圆柱和角形3种类型,以支持向量机(support vector machine,SVM)为分类器建立分类模型,根据目标物形状不同构造与优选分类特征指标集;依托分类结果建立目标物的类型区分算法,得到每一时刻各类目标物的概率值。仿真结果表明:分类模型的分类准确率达到91.5%;同时该方法对各种类型的目标物进行区分时,均达到较好的识别效果。在实际道路试验中,采集了汽车、行人和自行车3类目标物,采用该方法达到了良好的识别效果,具有可行性。     

基于Bayes网络的微波视频融合车辆分类

车辆分类系统是智能交通系统中的一个重要组成部分,其功能是检测车辆类型,为道路监控和交通规划提供信息。该文提出了一种基于Bayes网络的传感器融合车辆分类系统,通过微波和视频传感器分别得到车辆的高度轮廓和平面轮廓,采用混合Gauss分布对提取的车辆特征建模,然后在Bayes网络的框架下对7类车辆进行分类。实验表明:该分类系统可以将车辆分类的准确率从单微波传感器的79%提高到融合传感器的87%,特别是中小型车辆和大型车辆之间的重大分类错误率从9%降低到2%。     

基于K近邻字典的协同表示高光谱图像分类方法

近年来基于协同表示的分类方法在高光谱图像分类领域取得很大的成功.但在重建测试样本时,由于用全部训练样本充当字典,导致一些差别较大的样本参与表示,不仅影响分类的精确度,还浪费分类时间.在实施空-谱联合后,用K近邻对重构字典做出二次选择,并参照最近正则子空间的做法提出基于K近邻字典的协同表示分类器.通过在两个基准HSI数据集上的实验证明,所提分类器既提高了分类精度,还节省了分类时间,特别对小样本类别的分类效果改善更明显.     

基于ISA网络的视频人体行为分类识别

采用基于独立子空间分析(ISA)模型与神经网络理论形成的ISA深度网络模型特征提取方法,并结合数据预处理方法、K-means聚类方法以及支持向量机(SVM)分类器等实现对视频人体行为的分类识别.将本研究方法应用到Hollywood2人体行为数据集上进行人体行为识别实验,并与其他常用人体行为特征提取和识别方法进行对比,实验结果验证了本研究方法在人体行为分类识别中的有效性.     

基于LVQ网络处理的多目标分类识别

提出利用光学图像相关识别技术和学习矢量量化神经网络（LVQ网络）相结合,实现多种目标的旋转不变分类识别.阐述了LVQ网络对基于类间综合鉴别函数得到的相关峰进行处理的原理和方法,并进行计算机模拟.结果表明,即使相关信号含有一定的噪声,该方法也可对多种目标图像作出正确的分类识别,识别准确率较高,且具有良好的容错性.     

基于网络表示的半监督问答文本情感分类方法

针对新颖的问答形式的文本展开研究,提出了基于网络表示的半监督问答文本情感分类方法,通过构建异构网络的联合学习提升半监督问答文本的情感分类性能。首先,通过分析标注和未标注样本构建一个异构网络,具体包括词-词网络、问题和答案文本-词网络、情感标签-词网络;其次,利用该异构网络学习获得词向量;最后,将学习到的词向量应用于目前性能最优的分层匹配情感分类模型(hierarchical matching network,HMN)中。实验结果表明,提出的方法在处理问答文本情感分类任务上具有一定优势。     

声传感器网络路由协议设计

声传感器网络是一种有效的情报侦察手段,路由协议是其关键技术之一.介绍了声传感器节点的组成,对路由协议的网络环境做出了假设,提出了路由协议的架构和机制.     

基于稀疏表示的步态识别

提出一种基于稀疏表示的方法,采用CASIA-B和CUSD步态数据库进行步态识别.首先对步态序列中心化及归一化处理,之后提取了步态的主动能量图像(AEI),AEI很好地表达了步态中的动态信息,以此作为步态的特征图像,并对特征AEI采用两种方式稀疏表示:一是采用基于重构误差的方法建立字典、更新字典及分解系数;二是采用基于区分辨别字典的方式建立字典、更新字典及分解系数.系数分解采用的是正交匹配追踪算法.实验证明提出的方法识别准确性高,识别速度快,适合实时性要求高的场合.     

基于空谱融合与协同表示的高光谱图像分类算法

高光谱图像光谱带间相似度高且存在大量高维非线性样本,传统的基于表示的分类方法无法对同一波段下的不同样本做出有效区分且会造成维数灾难,最终影响分类性能.提出一种空谱融合与协同表示的高光谱分类算法.通过交替学习空间和光谱特征构建具有判别性的特征字典,并用于空间感知协同表示.在分类过程中,计算特征字典与测试样本之间的相关系数...     

基于WSN的战场声目标多特征联合智能分类识别

本文利用WSN对战场声目标进行分类识别。由于战场上目标的声音信号构成非常复杂,采用单一特征很难全面反映其特点,提取多种特征来构成联合特征向量显得非常重要。然而简单的多特征联合识别,给识别带来维数灾难。本文提出,首先对滤波后的信号进行功率谱特征提取,再利用KPCA进行降维处理,将处理后的特征向量与最优小波包能量提取的特征向量组合,最后利用支持向量机完成对战场五类声目标的识别。仿真实验表明,采用这种方法能有效地提高分类识别的准确度。     

无线传感器网络协同定位算法

针对无线传感器网络中基于RSS的定位算法存在的不足,提出一种协同定位算法。该算法包含2个方面：一是引入参考信标节点,以增加节点定位的容错性;二是采用狄克逊(Dixon)检验法剔除异常RSS值,同时引入RSS标准差阈值和学习模型,减小基于RSS的测距误差,有效提高定位精度。通过仿真实验对算法性能进行了评估,结果表明,该算法定位精度得到了有效提高,健壮性和稳定性较好。     

基于分布式无线智能传感器网络的结构模态识别

利用美国伊利诺伊大学结构健康监测项目组研制的ISM400无线智能传感器,分别采用分布式和集中式数据采集方法,对一个简支层压板进行了振动测试试验.采用自然环境激励技术(NExT)和特征系统实现算法(ERA)相结合的一种时域联合算法,仅利用输出信号对结构模态参数进行识别,并将识别结果与有限元模型的计算结果进行了对比分析.根据分布式与集中式两种数据采集处理方法识别的振动频率和模态振型,与有限元数值模拟结果吻合较好,验证了基于分布式数据采集的无线智能传感器网络在结构模态识别中的可行性.在大型土木工程结构需要布置大量传感器时,分布式无线智能传感器网络因其高度集成化和节约电源等优点,比采用传统的集中式数据采集方法更加高效实用.     

基于无线传感器网络的车辆跟踪算法设计与分析

设计了一种基于传感器网络的车辆跟踪方法,为了达到降低能量消耗的目的,文中结合车辆动力学的知识,减小跟踪区域,减少活动节点个数.现实中,车辆运动带有目的性,车辆的位置和速度在时间上具有相关性,为此本论文采用GM模型来预测车辆下一时刻的位置,依据车辆位置来更新跟踪区域,确保移动目标始终处于跟踪区域内.仿真结果表明,相对于OCR法,本方法降低了22%的能量开支.