基于生成模型的人体行为识别

提出了一种基于生成模型的人体行为识别方法。选取关键点轨迹的方向-大小描述符、轨迹形状描述符、外观描述符作为人体行为的特征;为了降低人体行为特征维数,利用信息瓶颈算法进行词表压缩;利用生成模型,结合已标记样本和未标记样本提出了一种人体行为识别的半监督学习方法,解决了行为识别中的小样本问题。在YouTube 数据库、 UCF运动数据库上利用提出的方法与已有的方法进行了对比实验,结果表明该方法具有更高的识别精度。     

地空导弹CGF系统感知行为模型研究

为了有效解决计算机生成兵力模拟目标识别行为的问题,对防空作战中指挥员感知信息和综合处理的过程进行了分析,针对目前CGF系统的需求和感知行为模型的不足,建立了一个综合多特征信息的不确定性地空导弹感知行为模型。该模型对数据库中样本和待识别目标的特征信息进行客观的主成分分析,利用分析得到的综合主成分值对目标进行匹配;在此基础上,引入表示匹配结果不确定性的感知能力值,获得一个带有不确定性的即时信念;最后,通过基于感知能力的证据合并方法将即时信念、先验信念和通信信念合并形成最终信念。实例分析表明该模型可行。     

运动目标轨迹分类与识别

运动目标轨迹识别是运动分析中的基本问题,其目的是解释所监视场景中发生的事件,对所监视场景中运动目标轨迹的行为模式进行分析与识别,智能地做出自动分类.对轨迹有效性判断后采用K均值聚类,引入改进的隐马尔可夫模型算法,针对轨迹的复杂程度对各个轨迹模式类建立相应的隐马尔可夫模型,利用训练样本训练模型得到可靠的模型参数,计算测试样本对于各个模型的最大似然概率,选取最大概率值对应的轨迹模式类作为轨迹识别的结果,对两种场景中聚类后的轨迹进行训练与识别,平均识别率较高,实验结果表明该方法是有效的.     

基于粗糙集理论的飞行轨迹识别

针对飞行轨迹人工识别对专家经验依赖性强,识别准确率不稳定的问题,提出一种基于粗糙集理论的飞行轨迹识别方法。首先,对飞行轨迹进行特征提取,获取用于轨迹类别判定的条件属性和决策属性;其次,利用模糊自组织神经网络对飞行轨迹决策表离散化,采用启发式遗传约简算法对条件属性约简,消除了冗余属性对识别结果的影响;最后,利用实际飞参数据进行轨迹识别,结果证明该方法准确有效。     

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。     

基于小样本学习的军事装备识别技术

针对军事装备样本稀缺昂贵、目标识别研究进展缓慢等问题,从人类认知科学出发,提出利用民用装备数据完成深度学习训练,实现大样本知识积累;采用模式识别算法提取装备武器特征,实现样本目标识别。通过分析2种样本属性空间距离,利用卷积神经网络作为前端,采用SIFT算法作为后端,构建递进学习模型,实现对多种军事装备的高效识别。实验测试模型识别坦克、战机和军舰平均置信度分别为87%、92%和91%,军事装备武器样本数量决定目标识别精度,样本泛化可提高目标识别率。提出的递进学习模型充分利用深度学习和模式识别算法优势,实现军事领域武器装备小样本目标识别。     

多模态交叉解耦的少样本学习方法

当前的多模态少样本学习方法忽视了属性间差异对正确识别样本类别的影响。针对这一问题,提出一种利用多模态交叉解耦的方法,通过解耦不同属性语义特征,并经过特征重建学习样本的本质类别特征,缓解类别属性差异对类别判别的影响。在两个属性差异较大的基准少样本数据集MIT-States和C-GQA上进行的大量实验表明,所提方法较现有方法有较大的性能提升,充分验证了方法的有效性,表明多模态交叉解耦的少样本学习方法能够提升识别少量测试样本的分类性能。     

面向Bayer真彩色航空影像特征匹配的彩色描述符适用性分析

针对Bayer真彩色遥感影像进行特征匹配时,彩色描述符的效果与适用性问题一直研究较少。结合Bayer真彩色遥感影像成像变化规律和彩色描述符算法特点,从理论上分析彩色描述符的不变性。提出模拟数据评价、不同类别影像评价、任务总体适用性评价等三种实验方法对彩色描述符适用性进行实验验证和分析。通过理论分析和实验评估,总体上彩色描述符中RGBSIFT算法效果最优,对Bayer真彩色航空影像特征匹配有较好的适用性,并且不同地物属性影像在特征匹配时有不同的最优彩色描述符。     

多通道特征级联的人体目标再识别

人体目标再识别是视频监控等应用的关键问题之一,文章从特征级联和组合的角度研究了人体目标再识别问题。分析了局部特征集成(ELF)方法的缺点,研究了多通道特征级联的再识别性能,并将提出的级联特征与其他特征进行了组合,最后在公共图库上进行了广泛的验证和比较实验。实验结果表明,与ELF等其他特征相比,文章提出的多通道级联特征和组合特征可获得相当或更好的人体目标再识别性能。     

基于AR模型和K—L变换的中医脉象聚类分析

针对直接利用时域波形识别中医脉象准确率低的问题,提出了一种基于 AR 模型和 K-L 变换的脉象模糊聚类方法。首先对脉象样本作8阶 AR 模型拟合,模型系数构成样本的特征集,其次采用 K-L 变换对特征集进行了压缩,最后利用 F-PFSR(Fuzzy Pseudo F-Statistic Ratio)聚类法对临床实测的40例脉象样本进行了聚类分析。实验结果表明,该方法的聚类准确率平均为85%。