基于分数阶Cosine和Sine变换说话人证实特征的提取

提出了基于分数阶Cosine变换和分数阶Sine变换用于说话人证实的新颖特征,即广义Bark平均能量差和主、从分数阶域间广义Bark平均能量差.为考核这些特征的实用性能,完成了一系列说话人证实实验.虽然上述特征的单一应用并未体现出极佳的准确率,但它们经过合理组合后的性能同原单一特征相比更能良好地描述说话人声音个性.     

基于图像化卷积的半潜式平台响应预测

在风、浪、流等复杂环境荷载的联合作用下，海洋浮式平台运动响应呈现强非线性及非平稳特征。为了解决海洋平台运动响应复杂多变、难以预测的问题，本文结合图像化特征提取方法与卷积神经网络（convolutional neural network,CNN），提出一种半潜式平台六自由度响应预测方法。首先根据海洋荷载计算方程，结合实测荷载数据，提出图像化海洋环境特征提取方法；其次，基于CNN建立平台响应预测模型，并对不同特征输入、模型参数等影响进行分析；最终，利用实测数据验证了所提预测方法的误差仅为3.84%，对比直接基于原始数据的CNN模型，精度提高了64.24%。     

分形矩在印刷体藏文特征提取中的应用

运用分形矩理论,提出了一种基于分形矩的藏文字符特征提取方法。用该方法提取的特征有效地反映了藏文字丁的局部和全局特征,减少了图像中像素位置变化给识别部分带来的负面影响,并在一定程度上克服了藏文字丁极多而造成的误识率高的缺点,解决了由于特征向量维数较多造成的运算速度慢的问题。     

一种估计水中目标辐射噪声线谱的方法

线谱是水中目标辐射噪声中重要的特征信息,在被动声呐系统中,线谱提取是水中目标识别的关键技术.文章简述了水中目标辐射噪声的物理成因和频谱特征,利用经典谱估计法与现代谱估计法在短时序列谱估计中的特点,结合仿真试验的结果,提出了一种对水中目标辐射噪声低频段线谱估计的联合分析法,并用该方法对2艘实船噪声进行了谱分析.实验结果表明,该方法对低频段的线谱特征提取有较好的实用效果.     

Classification of underwater still objects based on multi-field features and SVM

A Support Vector Machine is used as a classifier to the automatic detection and recognition of underwater still objects. Discrimination between the objects can be transferred into different projection spaces by the process of multi-field feature extraction. The multi-field feature vector includes time-domain, spectral, time-frequency distribution and bi-spectral features. Underwater target recognition can be considered as a problem of small sample recognition. SVM algorithm is appropriate to this kind of problems because of its outstanding generalizability. The SVM is contrasted with a Gaussian classifier and a k-nearest classifier in some experiments using real data of lake or sea trial. The experimental results indicate that SVM is better than the others two.     

基于神经网络/模糊逻辑系统的混合式特征提取器

特征提取是水声目标分类的关键环节之一，用以获取各类目标的一些可鉴别性特征。螺旋桨轴频、叶率和叶片数是目标的本质性、鉴别性特征，是分类的重要线索。本文提出了一个基于神经网络／模糊逻辑系统的混合式特征提取器，先利用侧抑制神经网络从目标辐射噪声的包络谱中提取线谱序列，再利用模糊逻辑系统从线谱序列中提取出螺旋桨轴频、叶率和叶片数。对目标数据的分析表明：该特征提取器能够为目标分类提取有效的鉴别性特征。     

被动声呐目标识别技术的现状与展望

简述了被动声呐目标识别的常用技术，分析了这一领域的研究现状，并针对现阶段被动声呐目标识别存在的问题，展望了下一步的工作。     

基于调制线谱特征提取的被动声呐目标识别技术研究

目标噪声特征提取和目标分类器设计是被动声呐目标识别系统的关键技术。本文针对被动声呐目标识别，首先着重研究了调制线谱特征提取方法，然后为了训练神经网络目标分类器，本文将遗传算法和BP算法相结合，提出了一种新的自适应遗传BP算法。最后，对海上实录的三类目标噪声进行了分类识别，实验结果表明本文设计的被动声呐目标识别系统具有很好的分类效果。     

分层CS-LBP和HOG特征融合的人脸识别研究

针对单独的纹理特征只能提取图像的纹理信息而不能得到图像轮廓边缘信息的问题,在人脸识别的特征提取研究中提出了分层CS-LBP和分层HOG特征的融合方法.对图像分别进行多次CS-LBP和HOG特征的提取,得到分层CS-LBP特征提取图像和分层HOG特征提取图像,对分层的特征提取图像再次提取分层CS-LBP和分层HOG特征,并将两种分层特征进行融合,得到更有效的人脸的纹理及边缘轮廓特征.在ORL和GT人脸库上的实验结果验证了所提出的分层特征融合方法的有效性.     

基于遥感图像的舰船目标检测及特征提取技术

首先运用OSTU算法对舰船目标图像的陆域和海域空间分离,进而提出一种基于云干扰背景的高斯分布混合统计模型进行虚假目标的过滤。在实现舰船目标(ROI)检测的基础上,又根据舰船图像的特征提取形态特征和尾迹特征等,精确实现对舰船目标鉴别。数据表明,通过以上步骤的技术处理,能够很好地实现对遥感图像的舰船目标进行虚假过滤和快速的舰船特征提取。