基于Floatboost算法的多视角目标识别

采用独立分量分析(ICA)方法对目标图像进行特征提取,提出了基于Floatboost算法与三叉决策树相结合的多视角目标识别级联分类器的设计方法,并融入角度优先粗分类的设计思想.经过与其他分类方法的试验比较表明,基于Floatboost算法的多视角分类器在一定程度上解决了目标旋转等问题,可满足某些实时系统的需求.     

弹道导弹防御系统效能分析与措施研究

简要介绍了弹道导弹防御系统的组成 ,提供了系统作战效能计算的主要思想、方法 ,给出了概率计算模型。根据分析结果 ,结合现代战争的作战方式和导弹防御系统的作战特点 ,提出了提高弹道导弹防御系统作战效能的技术和战术措施。     

红外成像自动目标识别技术研究--计算模型与数据流程

红外自动目标识别是当前智能化图像处理及应用开发的前沿关键技术,其研究进展与计算机视觉的发展水平紧密相关。人类视觉系统是计算机视觉的原始模型,其视觉感知机理的研究将有助于揭示视觉表象的本质,进而为准确描述图像特征信息提供科学而可靠的依据。主要从视觉感知模型、感知功能模块响应特性、视觉对比灵敏度等方面对视觉感知基本原理加以综合分析,并力图利用这些功能卓越的信息处理机制阐明一种具有普适性的视觉计算模型———目标-背景表征模型。在此基础上,将背景区域感知与目标特征分析相结合,提出了自适应信号检测、目标特征识别和运动轨迹跟踪的层次化数据处理流程,从而为红外自动目标识别技术提供一条新的探索途径。     

谈空中战场的目标识别

伊拉克战争中,美英联军空中战场“自相残杀”的误击、误伤事件接连不断,其中影响比较大的包括:美军 F-16战斗机摧毁“爱国者”导弹系统的雷达、英军2架“海王”直升机空中相撞、美空军 F-15E 战斗机误炸己方炮兵阵地等。为什么这些高技术武器装备会犯如此低级的错误?除了人为操作失误外,大多数情况下是“目标识别”功能出了纰漏。在高技术战争条件下,空中战场作战的组织实施极为复杂,尤其是在联合作战环境中,若不能准确、及时地识别空中和地面目标,不仅可能贻误稍纵即逝的宝贵战机,而且极有可能造成严重的误击、误伤     

模糊识别和随机森林算法在柴油机振动信号状态识别中的应用

针对模糊识别算法中,样本特征向量中各参量(分量)对状态分类的贡献权重难以确定的问题,提出了利用随机森林算法对特征参量的重要度评估结果作为特征权重的方法。通过对柴油机台架试验振动信号的跟踪分析,获得了柴油机在磨合期、100摩托小时、200摩托小时、300摩托小时及400摩托小时5种不同使用期(典型状态)的75个振动信号样本,然后计算出各类样本在幅域、时域和频域的特征参量,利用随机森林算法进行特征选择,确定4个重要特征参量及其权重,用统计方法得出其隶属度函数,最后根据评价向量对样本进行识别,识别准确率达到94%以上。     

基于DSP的复杂背景下瞄准分划探测与识别

为解决嵌入式模拟射击训练系统中瞄准分划自动探测与识别的问题,以ADSP-BF533数字视频处理系统为平台,利用瞄准分划的灰度和形状特征,综合运用边缘检测、数学形态学和模板匹配等算子,提出了一种复杂背景下瞄准分划探测与识别算法,成功实现了对瞄准分划的自动探测和识别。     

基于微多普勒特征的欺骗干扰识别

为了提高雷达的抗干扰能力,提出了一种基于微多普勒特征的欺骗干扰识别方法,为雷达选择抗干扰措施提供了先验知识。首先建立了目标回波和干扰信号的数学模型,分析了二者微多普勒频率的差异。其次利用Viterbi算法和FFT谱分析对信号的特征参数进行了提取。最后,定义了识别目标和干扰的特征因子,并根据特征因子设定阈值对目标回波和欺骗干扰进行识别。仿真结果验证了算法的正确性和稳定性,与理论分析一致,表明该方法能够在较低的信噪比环境下对欺骗干扰进行检测识别。     

基于灰色关联的目标识别模型

在分析研究空中目标特征指标的基础上,提出并建立了基于灰色关联的目标识别模型。通过实例说明,利用该方法进行目标识别简单、有效。     

基于人工智能的微反应识别与处理

随着时代发展,人工智能研究运用取得一定的成果,比如苹果公司的siri、Google的搜索引擎、卡内基·梅隆大学的Intra Face应用系统等,都为人工智能条件下的机器人更像真实人类率先布局。如何实现机器人更像真实人类的目标,尽快研究并解决人工智能的微反应识别和处理显得尤为紧迫和重要。本文将以面部微表情和映射心理状态肢体动作的微反应为主,重点介绍人工智能微反应的探测、识别及处理的方式,旨在不断提高机器识别、表达微反应的能力,推动人工智能从感知层面向认知层面演进,实现发展人工智能的终极目标。