Parametric inference for component distributions from lifetimes of systems with dependent components

In system reliability analysis, for an n ‐component system, the estimation of the performance of the components in the system is not straightforward in practice, especially when the components are dependent. Here, by assuming the n components in the system to be identically distributed with a common distribution belonging to a scale‐family and the dependence structure between the components being known, we discuss the estimation of the lifetime distributions of the components in the system based on the lifetimes of systems with the same structure. We develop a general framework for inference on the scale parameter of the component lifetime distribution. Specifically, the method of moments estimator (MME) and the maximum likelihood estimator (MLE) are derived for the scale parameter, and the conditions for the existence of the MLE are also discussed. The asymptotic confidence intervals for the scale parameter are also developed based on the MME and the MLE. General simulation procedures for the system lifetime under this model are described. Finally, some examples of two‐ and three‐component systems are presented to illustrate all the inferential procedures developed here. © 2012 Wiley Periodicals, Inc. Naval Research Logistics, 2012     

基于时频分析的飞机目标识别

本文利用小波变换对五种飞机目标的雷达回波进行时频分析,得到了回波信号的时频分布图。全面清楚地描述了目标的散射特性。文中通过提取时频分布图的矩特征作为目标特征量,对五种飞机的目标作了识别实验,取得了良好的识别效果     

一种基于局部不变特征的图像特定场景检测方法

图像场景的自动检测,对于图像的标注以及语义检索具有非常重要的作用。本文研究根据实际应用的需要,围绕会晤、集会、海滩等八类特定场景图像的检测问题展开。首先对图像进行局部关键点的检测以及SIFT特征描述子的计算,从而提取图像的局部特征,在此基础上基于支撑向量机构建多分类器,进行特征训练,最终获得较为准确的检测结果。实验重点针对分类器核函数的确定以及特征选取策略等问题展开,实验结果表明,采用径向基核函数构建多分类器以及特征点按尺度大小排序取前n位的选取策略可以获得较为准确和鲁棒的特定场景检测结果。本方法在保证满足一定程度场景检测准确率的前提下,具有简单快速的特点,能够满足实际应用的需要。     

全局仿射变换条件下图像不变量提取新方法

从仿射几何理论出发,提出了一种全局仿射变换条件下图像特征不变量构造的新方法.利用仿射区域划分获取一组扩展质心集合作为图像特征点集;求解特征点集的凸包,根据扩展质心的性质将凸包顶点均匀组合成若干特征区域;利用仿射几何性质构造了有效的仿射不变量.实验对该方法进行了全面的比较分析,以验证所构造的不变量更具稳定性和高时效性.     

神经网络在精确打击目标识别中的应用研究

目标识别正确与否直接影响到防空火力的部署、分配及有效打击.利用BP神经网络识别精确打击目标并进行了仿真实验.建立了样本库,提取图像的不变矩作为神经网络的输入量,分别采用基本梯度下降算法、有动量和自适应学习速率梯度下降算法和Levenberg-Marguardt优化算法训练BP网络.仿真结果表明,不变矩理论很好地解决了3维物体的2维图像在旋转、平移、缩放时能否成功提取图像特征的问题,而采用LM优化算法的BP神经网络训练速度快,识别准确率高.     

一种基于自适应阈值估计算法的SAR图像去噪方法

为去除乘性相干斑噪声对合成孔径雷达(Synthetic Aperture Radar,SAR)图像的影响,将小波域去噪和二维平移不变去噪算法进行有效结合,提出一种新的自适应阈值估计算法.基于概率密度函数和贝叶斯估计理论,可以得到子带阈值.通过对数变换,将算法应用于含相干斑噪声的SAR图像去噪.理论分析和实验结果表明该算...     

基于相似原理的点特征松弛匹配算法

利用感兴趣点检测算子提取点特征,构建三角形并利用其相似度来定义点特征的匹配度,提出了一种新的具有比例与旋转不变特性的点特征松弛匹配算法.实验表明,所提出的匹配算法有很快的运算速度和很高的匹配正确率.     

一种灰度图象中的小目标识别方法

介绍了一种基于目标灰度门限和目标之间灰度距离门限的区域自动阈值检测法,用该方法检测提取出灰度图像中包含目标的小区域。然后利用传统的门限自动选择方法找到合适的门限,利用该门限值对所获目标区域进行二值化以得到目标,然后采用改进不变矩方法提取目标特征并采用优化BP神经网络进行识别。该方法经实验验证,效果较好。     

基于不变矩和神经网络的目标识别方法

针对寻的导引头成像制导中实时采集图像由于存在几何失真及像质模糊而导致目标识别精度差的问题,提出了一种基于不变矩和神经网络的目标识别方法.该方法采用一种改进的不变矩算法提取目标图像的不变矩特征量来训练BP神经网络,实现目标图像的识别和分类.仿真结果表明该不变矩特征库训练的神经网络分类器具有较高的识别精度,是一种比较实用的目标识别方法.     

基于不变矩和角点特征的目标识别*

在基于图像的识别系统中,图像发生几何变化或目标被部分遮挡会给识别带来困难,这时必须根据具体情况提取合适的目标特征。基于矩原理,运用Harris多尺度角点检测及SIFT(Scale Invariant Feature Transform)描述算法,研究了基于不变矩和角点特征的目标识别算法。两种特征都具有平移、旋转、尺度不变性。仿真分析表明,在理想情况下,利用不变矩可以获得较高的识别率;而当目标被部分遮挡时,角点是一种有效的识别方法