红苋菜色素的提取工艺研究

本文研究了红苋菜色素的提取时间、提取温度及不同方法对提取效率的影响,结果表明红苋菜色素的最佳提取工艺为:用水做提取剂,低温下提取,不种方法各有特点。     

一种基于组合降维的图像识别方法

为克服图像识别中传统方法需要进行高维矩阵奇异值分解的困难,提出了先局部降维再总体降维的组合变换方法.ORL人脸图像数据库的实验表明,这一方法不仅减少了运算量,而且能较好地解决人脸这样一类复杂的图像识别问题;总体来说优于传统的基于KL变换的识别方法.     

支持向量机规则提取

支持向量机是一种黑箱模型,其学习到的知识蕴含在决策函数中,不仅影响了用户对利用支持向量机技术构建智能系统的信心,还阻碍了支持向量机技术在数据挖掘领域的应用。由于对支持向量机规则提取进行研究有助于解决上述问题,因此该领域正成为机器学习和智能计算界的研究热点。分析了具有代表性的支持向量机规则提取算法,并提出该领域未来的研究重点。     

基于直线特征的图像－模型匹配算法

提出了一种新的基于直线特征的图像与模型匹配方法。该方法选择那些可以描述目标边界的直线建立模型。识别时 ,分层次地综合使用直线的多种特性 ,从而提高了效率 ,减少了误匹配的可能性。文中给出了用仿真图像和真实图像所做的实验结果。该算法可以用于目标识别、变化检测和视觉导航等多个领域     

基于热物理仿真分析的红外点目标特征提取与识别

根据弹道中段空间目标和诱饵的表面温度分布规律，从热物理的角度分析了目标和诱饵的红外光谱辐射特性，指出了弹道中段目标和诱饵红外辐射特性的本质差别，并据此提出了红外目标识别中的特征基函数，用特征基函数构造红外点目标识别的四维特征矢量。仿真实验表明，这一特征矢量用于红外点目标识别非常成功。     

弹道目标微多普勒特性基于逆Radon变换的稀疏表示

作为识别空间弹道目标的有效方法,微多普勒特性提取对于雷达系统的时频分辨率提出了很高的要求,因此,要求雷达系统具有更高的采样频率。作为近年来新兴的技术手段,在远低于奈奎斯特采样定理的采样频率下,压缩感知技术可以对具有稀疏特性的信号实现高精度还原。对空间弹道目标时频分布进行逆Radon变换,在变换后的IRT域内获得时频分布的稀疏表示,从而可以借助压缩感知技术有效降低采样频率的要求。     

基于多特征模糊融合的疲劳状态判决

在基于视觉的疲劳驾驶识别过程中,使用单个特征进行疲劳驾驶判断,常常会受到非普遍适用性、噪声等因素的影响,从而导致识别率降低。为了解决眼部特征参数或者是嘴巴特征参数单个特征识别率低甚至特使环境无法识别的问题,提出一种基于多特征融合的判决方法,利用了各种特征之间的优势互补,可以降低噪声和类内类间差异的影响,从而提高系统的性能,并且能增强适用性。最后通过实验结果证明,使用眼部和嘴巴特征融合的方法比单一的判决方法准确率更高。     

基于谱分析的卫星通信调制识别算法

通过分析典型卫星通信信号功率谱、平方谱、四次方谱以及包络平方谱特性,针对卫星通信随参信道造成信号噪声谱均值与方差随频率变化这一问题,采用最小二乘法对信号谱图进行预处理,定义偏离比作为单频分量检测值,在无任何先验知识条件下提取一组鲁棒性强的特征参数,实现信号自动调制识别。实验证明,改进后的算法复杂度较低、过程简单易实现,所提取参数对数字信号的调制指数与滚降系数不敏感,具有较好的可分性与稳健性,并同样适用于随参信道的信号调制识别,具有一定的实用意义。     

基于小波变换的直升机声目标识别

综述了小波变换的原理和性质以及它在直升机声目标识别当中的应用。主要论述了利用小波变换进行信号分解与滤波、目标特征提取等方面的应用,最后给出了计算机模拟仿真结果。结果表明,利用信噪分离方法和目标特征提取方法可以在低信噪比情况下准确识别目标。     

基于多特征的图象目标识别分类

文中研究将多特征信息融合技术用于图象目标识别分类的方法,利用图象灰度表面的分形特征与图象的摘特征（非分形特征）所提供的信息进行融合处理,在决策层中运用Ｄｅｍｐｓｔｅｒ－Ｓｈａｆｅｒ证据推理理论,并使用决策规则对目标进行分类。在实验中,将经过信息融合分类的结果与单特征独自分类的结果进行比较。结果表明,多特征信息融合的目标识别方法具有良好的稳定性,准确性和可靠性,能够有效地提高图象分类识别系统的精确度与容错性。