结合层次法与主成分分析特征变换的宫颈细胞识别

对宫颈细胞进行多分类可以自动识别出不同状态的细胞,进而为宫颈癌诊断提供科学依据。在用6种多分类算法进行实验后,选取支持向量机作为基分类器,先用一对一策略训练6个分类器进行3分类,然后再训练1个2分类器,这种二层4分类方法提高了识别准确率。考虑不同层特征模式的差异性,在保证识别性能的同时,每层分类前先采用主成分分析法将原始154维特征变换到低维空间,去除冗余特征,加快识别速度。实验证明,所提层次主成分分析法在宫颈细胞分类中相比6种传统多分类方法有更高的识别准确率,可达90%以上;识别速度也较普通层次法提升了21.31%。     

不同干扰对QSPK解调性能的影响分析

随着数字卫星通信的快速发展,QPSK作为数字卫星通信系统中一种重要的调制方式,其解调性能也受到越来越多的关注。主要分析QPSK信号在已调干扰信号下的解调性能,并推导出使得QPSK调制信号解调性能最差的干扰信号的统计分布,而且此时统计分布符合QPSK调制方式干扰信号的特征。最后通过实验仿真分析得出信噪比未超过一定值时QPSK调制信号在QPSK调制干扰信号下解调性能最差,并与不同已调制干扰和AWGN干扰下的解调性能作比较。     

雷达辐射源识别技术面临的主要挑战及对策

信息化战场上,复杂电磁环境严重制约雷达辐射源识别过程。通过梳理雷达辐射源识别技术发展阶段及各阶段主要识别方法,深入分析了现阶段雷达辐射源识别技术面临的主要挑战,并提出应对策略,为创新雷达辐射源识别方法提供借鉴。研究表明,针对未来战场雷达识别面临的主要挑战,平时做好预判,熟谋对策,将极大地有利于战时进行雷达辐射源识别,进而促进整个电子对抗行动作战效能的发挥。     

融合空间偏好和语义的个体活动识别方法

个体活动识别对用户画像、个性化推荐、异常行为检测、群体行为分析和基于活动的资源配置优化具有重要价值。提出了一种基于稀疏的社交媒体签到数据的个体活动语义识别方法,从签到数据中提取活动行为的时间周期性和趋势性特征,并采用空间偏好量化算法,从个体与群体活动的空间关联中提取群体和个体的空间访问偏好,使用自然语言嵌入工具BERT模型提取访问兴趣点的语义。时间特征、空间偏好特征和访问兴趣点名称语义特征共同构成表征群体、个体偏好的时空联合特征,通过极限梯度提升分类器对其进行分类,得到活动语义识别结果。在Foursquare数据集上的对比实验和消融实验中验证了所提活动语义识别模型可以有效提升活动语义识别的准确性。     

融合图嵌入的光滑主成分分析网络图像识别算法

主成分分析网络(principal component analysis network, PCANet)是一种简单的深度学习算法,在图像识别领域具有优秀的性能。将图嵌入思想融入PCANet,提出一种新的图像识别算法光滑主成分分析网络(Smooth-PCANet)。为了验证Smooth-PCANet算法的有效性,在人脸、手写体字符以及图片等不同数据集上构建实验,并将Smooth-PCANet与多种基于深度学习的图像识别算法作了对比。实验结果证明,Smooth-PCANet算法比PCANet获得了更高的识别性能,并且更有效地避免了过拟合,在小样本训练时具有显著优势。     

一种融合显著性的Adaboost的电视制导图像变尺度目标快速检测方法研究

电视制导过程中随着弹目距离的减小,目标图像会呈现尺度的非线性放大,现在传统的目标检测方法,不能满足目标尺度的精确变化,导致目标定位偏差,且检测计算量大,无法达到实时性。本文将基于剩余谱的显著性检测方法融入Adaboost检测过程,并应用于电视制导图像的目标检测中,能够对海面或沙漠等背景较为单一的区域进行快速目标检测,且检测窗口能够准确适应目标尺度的变化。     

基于改进LMS算法的复合材料超声检测缺陷识别

在径向基函数（RBF）神经网络实现无人机复合材料超声检测脱粘缺陷识别时,针对最小均方（LMS）算法在确定网络输出权值时存在稳态失调误差和收敛速度相矛盾的问题,提出一种改进的自适应的变步长LMS算法．该算法根据反馈误差自适应确定步长,通过引进动量项加快收敛速度．将改进LMS算法应用到RBF网络缺陷识别中,结果表明该方法在稳态失调误差较小的情况下,能快速确定RBF网络的权值．改进的RBF网络能够较好地识别超声检测脱粘缺陷．     

水面光电探测技术研究进展分析与展望

文章围绕水面光电探测技术,对该技术的内涵特点、适用范围以及主要用途进行了概括介绍．对近些年来国外在水面光电探测技术方面的发展进行了梳理,分析列举了光电探测技术发展的若干趋势,并分析了目前国内外技术间存在的差距,最后对发展我军水面光电探测技术值得重点关注的研究方向进行了分析并提出了自己的建议。     

精密加工过程切削用量和表面粗糙度关系的模糊化处理方法

在金属切削原理中,用切削用量可以估计理论表面粗糙度。由于切削过程的复杂性,实际加工表面粗糙度和理论表面粗糙度有较大差距。本文采用模糊模式识别方法,对切削用量和表面粗糙度的关系进行了实验研究。本人介绍的理论方法、实现技术路线和实验结果,为以后开展ＦＭＳ或ＣＩＭＳ中智能化质量监控技术的进一步研究打下了基础。     

利用主成分分析的通信调制识别通用对抗攻击方法

深度学习容易被对抗样本所攻击。以通信调制识别为例,在待传输的通信信号中加入对抗性扰动,可以有效防止非合作的用户利用深度学习方法识别信号的调制方式,进而提升通信安全。针对现有对抗样本生成技术难以满足自适应和实时性的问题,通过对数据集中抽取的小部分数据产生的对抗扰动进行主成分分析,得到适用于整个数据集的通用对抗扰动。通用对抗扰动的计算可以在离线条件下进行,然后实时添加到待发射的信号中,可以满足通信的实时性要求,实现降低非合作方调制识别准确率的目的。实验结果表明该方法相对基线方法具有更优的欺骗性能。