多特征空间下的支持向量机及其在图像识别中的应用

分别在主成分分析(PCA)、独立成分分析(ICA)和线性鉴别分析(LDA)所构造的特征空间下用模糊支持向量机(FSVM)进行人脸识别。同时,提出了一种改进的FSVM方法,即利用FSVM和多叉决策树相结合的思想来设计人脸分类器,从而使FSVM分类器的速度得到了大幅度的提高。通过在ORL人脸库上的实验结果表明,该算法是有效的。     

基于ARM的嵌入式指纹图像处理技术研究

研究了特征提取方法和匹配算法;设计了基于ARM的嵌入式指纹处理核心模块,并将其应用于综合业务平台的用户身份认证系统中;具有自主版权的认证加载模式实现了对登录平台的用户身份验证,识别率达到了99.3%.结果表明,该方法能确保平台系统的安全.     

战场目标声音识别关键技术研究

战场目标声音探测技术在现代战争中发挥着越来越重要的作用。针对战场目标声音识别的一些关键技术进行了研究。首先分析了目标声音探测技术的军事应用特点,然后对战场典型目标发出的噪声的物理特性进行了分析。最后论述了战场目标声音识别技术中的几种关键技术,重点分析了特征提取中的LPCC、MFCC技术以及分类器中的隐马尔可夫模型,为战场目标声音识别系统的开发奠定了基础。     

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。     

高功率微波径向线连续横向枝节阵列天线设计

为了实现Ku波段高功率微波的定向发射,研究并设计了新型高功率径向线连续横向枝节阵列天线。该天线采用圆极化同轴TE₁₁模式进行馈电,经双层径向线波导传输后,通过连续横向枝节单元向外辐射。天线工作在驻波模式,相邻两圈缝隙的径向间距为一个波导波长,在上层径向线末端放置短路金属杆,金属杆表面到最内侧缝隙的径向间距为半个波导波长,整个天线具有较高的增益和功率容量。仿真研究了一个工作在14.25 GHz的天线,天线的高度为80 mm,半径为285 mm。仿真结果表明:该天线具有35.3 dBi的增益和47%的口径效率,反射系数小于-25 dB,辐射效率超过99.0%,同时具有吉瓦级的功率容量。     

Study on dynamic response of multi-degree-of-freedom explosion vessel system under impact load

In order to study the dynamic response and calculate the axial dynamic coefficient of the monolayer cylindrical explosion vessel, the wall of vessel is simplified as a multi-degree-of-freedom (MDoF) undamped elastic foundation beam. Decoupling the coupled motion equation and using Duhamel's integrals, the solutions in generalized coordinates of the equations under exponentially decaying loads, square wave loads and triangular wave loads are calculated. These solutions are consistent in form with the solutions of single-degree-of-freedom (SDoF) undamped forced vibration simplified model. Based on the model, equivalent MDoF design method (also called MDoF dynamic coefficient method) of cylindrical explosion vessel is proposed. The traditional method can only predict the dynamic coefficient of torus portion around the explosion center, but this method can predict that of the vessel wall at any axial n dividing point position. It is verified that the prediction accuracy of this model is greatly improved compared with the SDoF model by comparing the results of this model with SDoF model and numerical simulation in different working conditions. However, the prediction accuracy decreases as the scaled distance decreases and approaches the end of the vessel, which is related to the accuracy of the empirical formula of the implosion load, the simplification of the explosion load direction, the boundary conditions, and the loading time difference.     

基于核主成分分析的铁谱磨粒特征提取方法研究

针对铁谱分析的磨粒识别过程中存在原始磨粒特征描述指标参数多、非线性突出的问题,提出基于核主成分分析的磨粒特征提取方法,介绍该方法的原理与算法。结合某柴油发动机故障检测与分析系统中铁谱磨粒自动识别的应用实例,并与传统主成份分析方法进行对比分析,结果表明该方法在进行样本非线性特征参数指标综合以及特征维数压缩方面具有可行性和有效性。     

基于无线局域网MAC层DOS攻击的入侵检测

为了检测无线局域网MAC层的6种DOS攻击方式,提出一种基于Hybrid特征选择和支持向量机的入侵检测算法.该算法先用混合器模式的Hybrid特征选择算法提取8个识别攻击的流量统计特征,然后利用支持向量机对待检测对象进行识别分类.通过建立仿真环境对检测模型的检测效果进行统计验证,表明检测模型在具有较高检测准确率和较低的虚警率,能够有效地检测MAC层DOS攻击,具有实用价值.     

基于PSO-RBF神经网络的雷达目标识别

为提高雷达系统目标识别能力,对粒子群算法及RBF神经网络进行了分析。针对离子群算法(PSO)易陷入局部极小的缺陷,提出了基于自适应时变权重和局部搜索算子的改进PSO算法,并将该算法应用到RBF神经网络核函数参数的优化学习中,进行了雷达目标识别仿真实验。仿真结果表明,相对于标准PSO-RBF神经网络,改进算法不仅收敛速度快,且误差精度高,特别在干扰较强时,目标的识别率有较大提高。