矩不变量在目标形状识别中的应用研究

本文提出了图像分割的一种新的算法，简单实用。实验表明，它优于经典的最大方差准则门限法和最大熵分割法。本文利用中心矩构成仿射不变量，作为目标的特征。本文提出了利用上述各特征的一种数据融合算法。实验表明，利用该算法进行识别时正确率高，且所用时间短，效果好。本文所提供的方法在对１８类目标１３８幅图像进行识别时总识别正确率高于８５％。     

新型隐球菌微型计算机自动识别系统的研究

本文研究了新型隐球菌微型计算机识别系统的设计原理和方法。本系统已在AST—286及其兼容机上实现。临床送检768帧图象识别结果与常规培养的符合率达98％,速度比目前常用的培养鉴别方法提高500～1000倍。     

K—L变换在有效特征提取中的应用

在机械故障智能诊断过程中,提取反映机器状态的有效特征参量时要花费大量的时间和精力,而且这种依靠人的经验来提取特征参量的方法有一定的盲目性。为了解决如何尽可能快而有效地寻找一组特征参量,使诊断对象不同状态之间的可分性为最佳的问题,采用了K—L变换特征提取方法,研制出相应的软件,并已将该方法应用在大庆油田抽油机减速箱智能故障诊断系统中。     

一种基于改进的SEVQ 匹配算法的汉语全音节语音识别系统

本文全面介绍了一种采用改进的ＳＥＶＱ匹配算法的特定人汉语语音识别系统,具体描述了系统总体方案、系统参数的选取策略、各种识别预处理所用方法及语音模式匹配原理和方法。系统的实时识别率超过９３％     

基于BP 网络与D-S理论相结合的点目标状态下卫星及其伴飞诱饵的识别方法

本文提出的点目标状态下卫星及其伴飞锈饵的识别方法是基于ＢＰ网络与Ｄ－Ｓ理论相结合的信息融合方法。该方法采用目标的红外辐射特征,先用ＢＰ网络对目标进行粗分类,然后用Ｄ－Ｓ理论对ＢＰ网络的多次识别结果进行融合。仿真实验结果表明,Ｄ－Ｓ理论的最后输出比ＢＰ网络的输出识别率得到很大的改善,抗噪能力得到很大的提高     

低分辨雷达的目标特征提取方法

基于现役低分辨警戒雷达 ,研究了进行目标分类和识别的途径 ,提出了基于波形特征和时间谱信息的目标分类和识别方法 ,试验分析了基于目标波形信息的特征 ,得出目标波形信息可用于目标识别的结论。现场试验表明 ,该方法对目标大小分类和架次识别有好的效果。     

神经网络在声纳目标识别中的研究进展

综述了神经网络在声纳信号预处理、目标特征提取及其自动分类方面的研究进展,简要分析了神经网络模型的特点和在应用中的局限性。并对该领域的发展趋势提出了自己的看法。     

军用实时语音识别系统的探讨

本文介绍并讨论语音识别军事应用的潜力和现状,给出我们建立的一个可用于军事作战指挥和多控制场合的小、中词汇表实时语音识别系统。     

基于进化规划的自适应高斯神经网络

自适应高斯神经网络能够对目标信号的功率谱有效识别特征进行自动提取和分类,但此网络使用BP算法,其误差能量函数是一个不规则的超曲面,容易陷入局部极小值.因此,提出了一种使用进化规则来设计和训练自适应高斯神经网络的新方法.该方法能够自动地确定网络的最优结构和联结权值,同时避免网络的局部优化.实验结果表明,将该方法用于被动声纳目标的分类识别,能够有效地克服局部最小问题,具有更好的识别率.     

军事领域细粒度识别技术与应用

战争的信息化程度不断加深对军事侦察提出了更高要求。军事目标识别作为军事侦察的主要任务之一,需要能够处理细粒度军事目标,为人员提供更加详细的目标信息。但传统的粗粒度目标识别方法无法得到目标的细粒度信息。因此,如何识别细粒度目标成为目前军事侦察亟需解决的问题。针对该问题,本文结合军事领域的实际需求,对细粒度识别技术的发展现状进行了分析,提出了军事领域细粒度识别技术应用流程的数据集构建、模型设计和终端部署三个阶段,同时,从无人机侦察、遥感侦察和单兵侦察三个方向分析了细粒度识别的应用前景。经过分析,军事领域细粒度识别技术已经具备实际运用条件,具备良好的应用价值。