基于深度学习的边际Fisher分析特征提取算法

提取符合数据分布结构的特征一直是模式识别领域的热点问题。基于固定核映射方法具有获取非线性特征的能力,但对映射函数类型及其参数十分敏感。论文提出一种基于多层自动编码器的特征提取算法,该深度学习网络模型的训练分为无监督预训练以及基于边际Fisher准则的监督式精雕训练过程。通过数据生成性预训练和精雕过程中正则化手段防止过拟合训练。在多个数据集进行分类的实验结果进一步验证算法的有效性。     

基于深度学习的蓝牙射频指纹识别系统

蓝牙射频指纹具有难以伪造的优点,基于射频指纹的身份识别能有效提高网络的安全性。文中设计了一种基于深度学习网络的蓝牙射频指纹识别系统。首先,利用Hackrf One软件无线电平台和GNU Radio软件在蓝牙信号广播阶段采集多种蓝牙信标信号。其次,对蓝牙信号进行预处理,将预处理后的数据分为训练集与验证集。然后,使用MATLAB深度学习工具箱来设计长短期记忆网,利用训练数据集对各个网络进行训练,得到蓝牙射频指纹识别网络。最后,利用验证集对上述网络进行测试和分析。当迭代次数为300时,网络对3种蓝牙信标的射频指纹识别的准确率均达到80%以上。     

基于深度学习的通信辐射源指纹特征提取算法

针对在小样本条件下难以有效提取通信辐射源指纹特征的问题,设计了一种堆栈自编码网络的通信辐射源个体细微特征提取算法。首先通过预处理（高阶谱分析）将原始通信辐射源信号从时域转化到高维特征空间,然后利用大量无标签的通信辐射源高维样本训练堆栈自编码器网络,在此基础上,通过少量有标签的通信辐射源样本对softmax回归模型进行精校训练,从而获得面向通信辐射源指纹特征提取的深度学习网络。实际采集的通信电台数据集上的实验结果验证了该模型的可行性与有效性。      

一种基于压缩边界Fisher分析的硬件木马检测方法

针对物理环境下旁路分析技术对电路中规模较小的硬件木马检出率低的问题,该文引入边界Fisher分析(MFA)方法,并提出一种基于压缩边界Fisher分析(CMFA)的硬件木马检测方法。通过减小样本的同类近邻样本与该样本以及类中心之间距离和增大类中心的同类近邻样本与异类样本之间距离的方式,构建投影空间,发现原始功耗旁路信号中的差异特征,实现硬件木马检测。AES加密电路中的硬件木马检测实验表明,该方法具有比已有检测方法更高的检测精度,能够检测出占原始电路规模0.04%的硬件木马。     

基于深度卷积神经网络的多元医学信号多级上下文自编码器

多元医学信号的典型代表有多模态睡眠图和多通道脑电图等,采用无监督深度学习表征多元医学信号是目前健康信息学领域中的一个研究热点。为了解决现有模型没有充分结合医学信号多元时序结构特点的问题,该文提出了一种无监督的多级上下文深度卷积自编码器(mCtx-CAE)。首先改进传统卷积神经网络结构,提出一种多元卷积自编码模块,以提取信号片段内的多元上下文特征;其次,提出采用语义学习技术对信号片段间的时序信息进行自编码,进一步提取时序上下文特征;最后通过共享特征表示设计目标函数,训练端到端的多级上下文自编码器。实验结果表明,该文所提模型在两种应用于不同医疗场景下的多模态和多通道数据集(UCD和CHB-MIT)上表现均优于其它无监督特征学习方法,能有效提高多元医学信号的融合特征表达能力,对提高临床时序数据的分析效率有着重要意义。

     

基于非平衡Fisher判别的两类红外特征提取

红外目标特征提取和识别中,由于小样本数据选择特征会存在严重的非平衡性,降低特征识别性能.基于此,提出了一种改进型非平衡Fisher判别的两类特征提取方法,以特征统计方差作为判定标准,选择两类目标特征,并对所选特征进行加权判别,以降低小样本库中目标与非目标不平衡性对识别的影响.通过一组空中目标的红外序列验证,说明了改进的加权非平衡Fisher判别标准对空中目标特征提取的有效性.     

基于曲率尺度空间的指纹特征提取算法

提出了一种基于曲率尺度空间(Curvature Scale Space,CSS)的指纹特征提取方法,它不同于经典的基于细化的算法.首先使用Canny算子得到增强后指纹脊线的轮廓,接着计算轮廓中每点的曲率,找出局部曲率最大点作为候选的细节点,然后使用自适应阈值和支撑域(Region of Support,ROS)删除由噪声产生的虚假点;最后利用指纹的细节点附近的轮廓和灰度信息,确定细节点的方向和类型,并使用得到的方向和类型进一步删除虚假细节点.该算法在FVC2002指纹数据库中进行测试,实验结果表明,该算法计算复杂度低,得到的指纹细节点精确、稳定,因此适合实际应用.     

基于深度学习的污损指纹识别研究

随着社会信息化水平的提高及不稳定因素的增加,人们迫切需要更加可靠的识别技术对身份进行认证。因此,利用生物特征进行鉴定已成为时下热潮。其中的指纹识别更是因其方便性和可靠性受到普遍认同。传统的指纹识别方法基于特征点比对寻求相似性,此种方法特征点寻找容易出错,且随着指纹的模糊、破坏、污损或是其他问题,均会使识别率明显降低。针对这些问题,该文提出基于深度卷积神经网络(CNN)的CBF-FFPF(Central Block Fingerprint and Fuzzy Feature Points Fingerprint)算法对污损指纹图像进行分类识别。CBF-FFPF算法提取指纹中心点分块图像及特征点模糊化图,合并后输入CNN网络,进行指纹深层特征识别。将该算法与基于主成分分析(KPCA),超限学习机(ELM)和k近邻分类器(KNN)的指纹识别算法进行比较,实验结果表明,所提出的CBF-FFPF算法对污损指纹识别有更高的识别率和更好的鲁棒性。     

基于小波变换的指纹特征提取方法

指纹的细节特征是指纹识别的重要依据,为提高指纹识别的速度和准确度,提出了基于离散小波变换的指纹特征提取方法。通过对指纹图像的每行进行多次haar离散小波变换,对所获得的特征向量再进行离散小波变换,最终得到指纹的特征向量,有效节省运算量,增强指纹识别系统的实时性。     

基于双谱理论的雷达辐射源指纹特征提取

针对雷达辐射源指纹特征提取困难的问题,提出了基于双谱切片法和双谱围线积分法,提取辐射源指纹特征的方法。介绍了二相编码信号的无意调制,仿真了理想情况和含有相位噪声的二相编码信号的时域波形。阐述了含相位噪声雷达信号的双谱估计,仿真了含相位噪声的二相编码信号的双谱图及等高图。最后利用双谱切片法和双谱围线积分法,提取了辐射源的指纹特征,通过计算机仿真实验验证了该方法的可实施性。     

基于局部特性的指纹细节点提取算法

提出了一种基于二值指纹局部特性提取细节点的算法.该算法与快速并行细化算法相比,在提取细节点准确性相当的情况下,速度大为提升.使用FVC2002指纹数据库测试表明,该算法可靠、高效.     

基于星座图对射频指纹识别方法的研究

针对星座图的射频(RF)指纹识别方案中,低信噪比环境下识别准确率低的问题,提出一种基于欧式距离与幅度距离的二维识别算法来进行RF指纹识别。该方案通过对星座图进行优化处理,可从优化后的星座图中提取识别性能更好的RF指纹,再通过二维识别算法来提高识别准确率。仿真结果表明:与仅用欧式距离作为判断依据的方法相比,所提出的二维识别算法的识别准确率最高可提升8%,在设备容量为50组的情况下识别准确率为77.8%,并且从优化后的星座图中所提取的RF指纹具有更好的唯一性和稳定性。     

一种基于I/Q失配的辐射源指纹提取方法

针对现有的辐射源识别方法的不足,利用辐射源自身I/Q失配指纹特征的可检测、可重现、不变的特性,提出一种基于I/Q失配的新型射频指纹特征提取方法.该方法是一种基于信号空间的指纹特征提取方法,它需要对信号的信噪比进行估计.综合考虑,采用基于特征值分解的信噪比估计方法.实验仿真结果表明,在相同的信噪比条件下,基于I/Q失配的射频指纹特征提取方法比双谱、Hilbert-Huang变换信号特征提取方法具有更加优越的射频指纹识别性能.     

一种基于深度变分门神经网络的疾病小核糖核酸关联预测模型

小核糖核酸(miRNA)在基因表达和转录等过程中具有重要作用,与疾病的产生有着密切关联。对于疾病miRNA关联识别,生物鉴定方法代价高、耗时长和效率低。为快速自适应提取疾病和miRNA构成的异质网络信息,该文基于通道型注意力设计变分门图自编码器和门多层感知器,构建一种深度变分门神经网络模型(VGAE-N)并用于疾病miRNA关联预测任务。该模型整合miRNA及疾病的多种相似度信息得到miRNA和疾病的整合相似性特征,然后基于多数据融合的整合相似性网络和疾病miRNA邻接信息,利用变分门图自编码器提取miRNA和疾病网络的拓扑信息和语义信息;其次基于疾病miRNA关联矩阵,利用非负矩阵分解提取miRNA和疾病的低维线性去噪特征;最后,利用门多层感知器融合miRNA和疾病特征,预测其关联关系。实验结果表明VGAE-N模型能更有效地预测疾病miRNA关联,可为生物实验提供可靠的技术支撑。     

基于改进U-Net的刑侦红外手印目标提取

红外图像技术在刑侦领域的应用越来越广泛。通过案发现场遗留的热痕迹可为案件搜集更多的证据。但是红外图像往往存在轮廓不清晰、提取效果模糊等问题。针对这些问题提出一种基于改进U-Net的图像目标提取方法。网络结构采用三层的上采样和下采样：上采样采用双立方插值,下采样采用步长为2的3×3卷积。通过跳跃连接将浅层特征和深层语义信息融合,并引入Dropout和Batch Normalization结构使得网络更快、更好地收敛。以刑侦红外手印为研究对象,通过实验对比改进U-Net、Sobel算子、分水岭、最大熵、Otsu等算法的图像目标提取效果。结果表明,本文搭建的U-Net网络能够更完整、更有效地提取红外手印的轮廓信息,在红外手印的提取上取得了较好的效果。     

电台指纹识别技术研究综述

由于各个通信电台在硬件制造工艺上的细微差异,导致电台发射的信号频谱上携带区别于其他电台的个体特征,即电台指纹。电台指纹识别在当今通信对抗领域中电台个体的识别、侦查、监测、定向打击等军事活动中扮演着越来越重要的角色。从电台指纹产生机理分析入手,整理和归纳能够作为电台个体识别依据的指纹特征相关的研究理论和成果,总结常用实现同一型号、不同电台个体识别的特征参数提取方法,并且对电台指纹识别技术在军事和民用方面的应用前景作出展望。     

基于完备模糊Fisher的特征提取方法

为了更好地进行鉴别特征提取,一个完备模糊Fisher特征提取方法被提了出来,它在充分利用样本分布信息的基础上,重新定义了模糊类间散布矩阵和模糊类内散布矩阵;完备模糊Fisher方法考虑了模糊类内散布矩阵的奇异性,通过分别提取模糊类内散布矩阵的零空间和非零空间的鉴别信息,得到样本所有的鉴别信息。在Yale人脸库上的实验结果证明了该方法的有效性。     

多层融合深度局部PCA子空间稀疏优化特征提取模型

子空间方法是主要利用全局信息的经典模式识别方法,随着深度学习思想的引入,局部自学习结构特征模型得到大家的关注.利用深度学习原理,本文提出一种多层融合的深度局部子空间稀疏优化特征自学习抽取模型解决目标识别问题.首先,对训练样本集通过最小化重构误差得到第一层的主成分（Principal Component Analysis,PCA）特征映射矩阵;然后,通过L₁范数约束对特征映射结果进行稀疏优化,提高算法鲁棒性.接着,在第二层映射层以第一层的特征输出为输入,进行同样的特征矩阵学习操作,最终将图像映射至深层PCA子空间;然后,对各个映射层的特征提取结果进行加权融合,进行二值化哈希编码和直方图分块编码,提取图像的深度子空间稀疏特征.在FERET、AR、Yale等经典人脸数据库以及MNIST、CIFAR-10等目标数据库上的实验结果表明,该算法可以取得较高的识别率以及较好的光照、表情、人脸朝向鲁棒性,并且相对于卷积神经网络等深度学习框架具有结构简洁、收敛速度快等优点.     

基于幅度调制畸变Wiener模型的OOK辐射源指纹特征提取

通过分析生成On-Off Keying（OOK）信号的发射机系统的幅度调制畸变特性,阐明了OOK信号辐射源特征产生机理,建立了OOK辐射源的幅度调制畸变特性的Wiener模型,并根据信号模型应用差分进化算法完成OOK幅度畸变特性参数的估计,从而构建辐射源指纹特征完成对OOK信号辐射源的识别。仿真试验和实际数据测试表明,该算法具备OOK辐射源指纹特征提取和识别能力,对实测数据中4个OOK辐射源识别率为93%,优于基于暂态幅度特征的提取方法。     

轻量扩展的射频指纹地图构造方法

随着群智感知和机器学习的融合,基于射频指纹的室内定位技术引起研究者的广泛关注。然而现有工作存在指纹地图构建阶段开销过大形成的可扩展性和实时性瓶颈问题。针对这一问题,该文提出一个新颖的轻量可扩展指纹地图构造方法(FFIL)。在指纹构建阶段,将整个室内环境划分为多个环路快速分割地图并获取射频指纹;在指纹匹配阶段,首先计算AP与目标点间的距离,然后选择与圆环半径最相似的环路上的参考点一一匹配;在定位阶段,采用等高线聚类算法来提高定位精度。通过真实数据驱动的大量仿真和实验证明,FFIL能减小指纹地图构建的开销,同时提高定位精度和系统实时性。