基于神经网络的舰船目标识别研究

为了实现对水下目标的识别,在现有特征提取方法的基础上,提出了一种从DEMON谱线谱和DEMON谱连续谱提取的特征方法,并设计了一个基于BP神经网络和多神经网络分类识别器的舰船目标识别系统。通过对实际舰船噪声目标进行识别,识别效果比较满意。这对舰船目标识别的发展具有一定的参考价值。     

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.     

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。     

词典在英语写作和口语中的应用

作为一个重要的学习工具 ,词典不但是学习者的良师 ,而且也是益友。在英语学习和应用中 ,它能帮助解决许多疑难问题 ,而且也能提供很多对英文写作和口语表达有价值的信息。但是 ,很多英语学习者迄今还没有认识到这一点 ,他们不能在英文写作和口语学习中充分利用词典的应用价值。因此 ,了解和掌握词典的简史 ,编写特点 ,及其所包含的丰富信息是非常有必要的。再者 ,尽管我国有许多不同类型和版本的词典 ,但它们的使用率却是非常低的。这的确是一个值得注意和亟待解决的问题     

装甲车辆使用与保障费用的指数回归模型

运用逐步回归和主成分分析的方法,选取了装甲车辆诸多战技性能指标集合中的自变量子集,建立了该子集与使用与保障费用之间指数回归方程组.该模型也可推广应用于装甲车辆综合性能的评估.     

基于深度森林的网络流量分类方法

随着网络应用的迅猛发展,流量分类在网络资源分配、流量调度和网络安全等诸多研究领域受到广泛关注。现有的机器学习流量分类方法对流量数据特征的选取和分布要求苛刻,导致在实际应用中的复杂流量场景下分类精确度和稳定度难以提高。为了解决样本特征属性的复杂性给分类性能带来的不利影响,引入了基于深度森林的流量分类方法。该算法通过级联森林和多粒度扫描机制,能够在样本数量规模和特征属性选取规模有限的情况下,有效地提高流量整体分类性能。通过网络流量公开数据集Moore对支持向量机、随机森林和深度森林机器学习算法进行训练和测试,结果表明基于深度森林的网络流量分类器的分类准确率能够达到96. 36%,性能优于其他机器学习模型。