基于马尔科夫的聚类算法仿真分析

针对传统k均值聚类算法易受初始条件影响的问题,文中在已有聚类算法的基础上提出了一个新型的图型聚类算法:马尔科夫(MCL)聚类算法。通过MATLAB仿真软件对空手道俱乐部数据用马尔科夫聚类算法进行仿真分析,得出聚类结果,并同时分析参数对算法性能的影响。实验结果表明,马尔科夫聚类算法可以应用于对图的聚类中,但同时也会受到参数的影响。     

手势识别技术在物联网课程教学中的应用

人体手势是一种自然并且直观的人际交流模式,最新的Kinect设备可提供一种新的人机交互的方式,能够捕捉、跟踪以及解密人体的动作、手势以及声音。文章利用Kinect进行人体手势识别,在物联网课程的日常教学上提供无接触式互动。     

基于Hadoop的PSO-KM聚类算法的并行实现

根据当前聚类算法与云平台相结合的趋势,针对聚类算法中的k-means自身的缺点,提出用粒子群优化算法优化k均值算法的初始聚类中心,并将改进算法运用云平台全程进行并行处理。以此达到高效、准确地处理大量数据的目的。实验证明,改进后的算法具有相对较高的加速比而且准确性和稳定性也得到提升,将聚类算法和云平台相结合是行之有效的方式。     

基于模糊聚类的图像分割研究进展

模糊聚类算法（Fuzzy C-Means,FCM）是一种基于软划分的聚类过程,已被广泛应用于机器学习、图像处理和计算机视觉等领域.虽然当前已涌现出大量关于FCM的图像分割算法,但仍然面临诸多挑战.本文将基于FCM的图像分割算法归纳为三类：基于空间邻域信息的FCM算法、基于直方图信息的快速FCM算法及基于维度加权的FCM算法.首先系统分析和阐述了各类FCM算法的研究现状,然后通过实验分析各类算法的性能,最后总结了FCM算法在图像分割中存在的问题以及将来的研究方向.     

基于N阶近邻路网的车辆行程时间估计模型

车联网的提出为智能交通的研究提供了新的交通信息收集技术.针对短时交通中车辆的路网行程时间估计问题,提出了基于N阶近邻的隐马尔科夫模型,利用马尔科夫性质来解决道路行程时间的前后关联性问题,同时考虑不同道路的异构性构建了N阶近邻路网模型来模拟路网间的交互影响.针对短时交通中实时数据更新的问题,提出基于道路关联性算法,并结合车联网的采集技术给出了迭代更新模型的方法.实验表明,本文提出的方法在短时交通车辆行程时间预测中精度较高,能够在车辆行进中做出实时预测.     

一种基于HMM的短波电台PACTOR协议识别技术

采用了一种基于HMM的比特流协议识别技术,首先通过模式匹配算法对原比特流进行分类,然后采用隐式马尔科夫模型对量化后的数据进行处理和计算。实验结果表明,它不仅能够对带有混淆协议数据的比特流进行识别,而且可以克服数据包不完整的缺点,并使得协议识别所需时间大大降低。     

一种基于调和均值的模糊聚类算法

k调和均值算法用数据点与所有聚类中心的距离的调和平均替代了数据点与聚类中心的最小距离，是一种减小初始值影响聚类结果的有效的聚类方法。本文对k调和均值算法进行扩展，考虑到数据点同时对不同聚类的隶属关系，将模糊的概念应用到聚类中，提出了模糊k调和均值-Fuzzv K—Harmonic Means(FKHM)算法。在中心迭代聚类算法的统一框架的基础上，推导出FKHM算法聚类中心的条件概率表达式以及在迭代过程中的数据点加权函数表达式。以划分相似度作为聚类结果的评价准则，实验表明，FKHM算法在聚类对于初值不敏感的同时提高了聚类结果的精确度，达到较好的聚类效果。     

基于口令识别的无线控制系统的设计

文章将口令识别与无线通信、机器人控制相结合,实现了基于口令识别的智能车无线控制系统。该系统包含接收和识别口令的主机,发送指令和接收指令的通信模块以及带有特定功能的智能车。主机识别口令后,以无线传送方式将指令发送给智能车,智能车按指令实现相应功能。主机和智能车都基于嵌入式系统。主机硬件电路由三星S3C6410处理器和外围电路组成,口令识别部分采用连续隐马尔科夫模型算法。实验表明,该系统有良好的稳定性和实用性。     

基于隐马尔科夫模型的RCS识别方法研究

雷达散射截面(RCS)时间序列由目标电磁散射特性和姿态运动特性共同决定,包含了雷达目标的材质、尺寸和结构等信息,是实现雷达目标识别的重要测量量.隐马尔科夫模型(HMM)是一种用参数表示的用于描述随机过程统计特性的概率模型,是一个无记忆的非平稳随机过程,具有很强的表征时变信号的能力,非常适合作为动态模式分类器,对具有不同变化特性的时变信号进行分类识别.文中利用HMM表征雷达目标RCS序列变化模式(规律),根据不同类别目标RCS序列变化模式的差异对雷达目标进行分类识别.实测数据验证结果表明,该算法具有较高的识别概率.     

基于Kinect深度图像的人体识别分析

介绍了深度图像在模式识别中的研究现状及其在人体识别中的应用。针对目前普通相机拍摄的图像识别在光照、姿态、遮挡等因素影响下性能下降的问题,以微软推出的Kinect设备为平台,通过分析Kinect相机获取的深度图的特征,提出以综合点特征和梯度特征的局域梯度特征的方式来对人体部位区分判定,并以手肘为例作了简要论证。     

基于Kinect传感器的家电手势控制应用研究

为提高智能家电的人机交互性,研究实现了一种基于Kinect传感器的手势识别系统,用户通过该系统可手势控制电视的多种操作功能。对常见的三种动态手势识别算法进行分析对比后,结合应用需求,重点研究了动态手势识别DTW算法。基于Kinect for windows SDK获取的手势深度图像和骨骼图像数据,采用DTW算法进行识别,最后给出了程序实现。实验表明,该方法可实现多种电视控制功能,而且具有较好的实时性和准确性。     

基于弯曲可变电阻的手语识别系统设计

文章结合陀螺仪(GYRO)、加速度计(ACC)、弯曲可变电阻三者收集到的手势动作信息,提出一种融合多传感器信息的手势识别方法,以提高训练及识别的速度。首先执行运动窗口检测,然后平滑滤波,将手势加速信号预处理为帧,最后构建离散隐马尔可夫模型以实现手势识别。     

基于多频带谱减法的抗噪声语音识别研究

为了减少在噪声环境下测试条件与训练条件不匹配导致的语音识别性能下降,提出了一种结合多频带谱减法的抗噪声语音识别系统。首先提取带噪语音的前几帧作为估计的噪声信号,将带噪语音、估计的噪声信号按频率划分M个互不相交的频带,然后根据每个频带内带噪语音与估计的噪声信号的性噪比,来确定该频带噪声的谱减参数。语音增强作为前端处理,与语音识别器级连构成抗噪声语音识别系统。通过实验仿真表明,基于多频带谱减法的抗噪声语音识别系统在不同信噪比不同类型的噪声下,识别性能明显优于基本谱减法。     

基于NodeMCU智能语音交互家居系统设计

针对传统家居家电设备很难直接与市场上的语音助手结合,同时高技术产品价格很难惠民,智能家居控制系统因设计成本过高很难实现普及的现象,本文提出将树莓派和NodeMCU开发板联合开发一款性价比极高的智能语音交互家居系统.设计使用树莓派4B+在Linux系统下运行百度云平台提供的SDK加上麦克风阵列和CSI摄像头实现语音识别、...     

基于嵌入式系统的语音口令识别系统的实现

语音口令识别是语音信息处理的一个重要研究方向,本文给出一种基于嵌入式系统的语音口令识别系统的设计方案,硬件系统的核心芯片是嵌入式微处理器,语音口令识别算法采用连续隐马尔克夫模型。实验结果表明,将语音识别系统与嵌入式系统相结合,可以使语音口令识别系统广泛应用于便携式设备中。     

基于事件触发的智能家居温度控制系统设计

在智能家居温度控制系统中,当环境温度波动不大时,采用传统的时间触发控制模式,将造成不必要的节点能量浪费,且节点较多时将加剧因信道竞争引起的丢包与延时现象。为了解决上述问题,在此介绍了基于事件触发的温度控制系统。无线传感节点周期采样环境温度值,事件触发器根据触发条件决定是否发送当前采样值;当执行节点收到新的采样值时,利用随机变异粒子群算法更新控制律。仿真表明,在保证闭环系统输入状态稳定且达到控制目标的基础上,与时间触发相比,事件触发机制下无线传感节点需要传送的采样值大大降低。说明事件触发机制有利于资源受限的无线传感器执行器网络在智能家居中的应用。     

基于隐马尔可夫模型的Cell-ID定位跟踪方法

针对传统基地台识别码(Cell-ID)定位方法精确度不高的问题,提出一种新的Cell-ID定位跟踪算法。该算法利用移动台当前的服务基站信息和相邻基站信息,分别加权计算出似然向量,通过隐马尔可夫模型来获得移动台的运动状态,最后利用最大后验概率准则求出移动台的位置。实验结果表明,该算法复杂度低,在服务基站稳定的区域内定位性能良好,达到通信委员会(FCC)的定位精确度要求。     

基于ZigBee节点的智能家居系统语音控制设计

为实现基于S3C6410核心处理器与ZigBee技术的智能家居系统的语音控制,研究设计了基于SPCE061A单片机的ZigBee语音子节点。凌阳单片机SPCE061A能够进行语音信号的采集、处理以及语音识别,并与无线射频芯片CC2530之间通过串口进行通信。由语音识别系统以及ZigBee无线收发模块等所组成的语音子节点通过ZigBee无线网络与网关进行通信,通过网关来控制其他的ZigBee子节点。该系统实现了对开关型以及红外型家电的智能语音控制。该智能家居语音控制系统具有识别率高,控制使用方便等特点,有一定的发展前景。     

一种基于人脸识别与脸部朝向估计的新型交互式环绕智能显示技术

介绍了环绕智能(简称为 AmI)的概念和一种新型的交互式的环绕智能显示应用技术.首先,作者介绍了环绕智能系统的机理和一些具体的技术问题.系统采用了基于隐马尔可夫模型的人脸识别算法进行用户身份的识别,以实现个性化的服务目标,实验结果表明该方法是十分有效的.这样用户身份可以通过人脸识别的方法加以确定,然后通过 LCS(学习分类器)技术提供个性化的服务.另一方面,我们采用了小波分析和模版匹配技术来估计用户的基本脸部朝向状态,以驱动视频投影机旋转到与人脸朝向一致的方向.总之,文中描述的研究成果将可能应用于智能会议或智能教学环境.