基于粒子群优化的SAR图像舰船目标特征选择

SAR图像特征提取和分类器设计是进行目标识别的关键,通常情况下分类器性能与特征数量之间并不存在线性关系,相反过度冗余的特征甚至会导致分类器性能严重下降,因此特征选择成为必要。提出一种粒子群优化与Wrapper策略相结合的特征选择方法,针对包含待识别舰船目标的SAR图像,提取其3类共16个典型特征,利用本文所提算法筛选出最佳的特征组合。实验结果表明,将本文所提取的特征组合用于目标识别,分类精度提高了22%,分类时间缩短了2.16 s。     

基于复数不变矩的数字图像相似性分析

系统性地给出数字图像不变矩一般性构造方法,对不变矩冗余性进行分析.通过采用复数矩作为描述数字图像识别特征量的方法,研究复数不变矩所具有不变性的约束条件及其与几何不变矩间的关系,根据复数不变矩构造定理,给出判别复数矩冗余性的一般方法,并结合修正余弦相似度以实例对在工程应用中的采用低阶复数不变矩描述目标特征的有效性进行分析.研究结果表明:采用复数不变矩构造数字图像特征量具有很好普适性,对于图像目标识别特征的描述有较好的效果.     

基于KPCA与KFDA的SAR图像舰船目标识别

针对SAR图像中舰船目标识别的问题,提出了基于核主成分分析(Kernel Principal Component Analysis,KPCA)和核Fisher判别分析(Kernel Fisher Discriminate Analysis,KFDA)相结合的舰船目标识别算法.用核主成分分析的方法对实测的SAR舰船目标数据进行特征降维,再结合核Fisher判别分析法对降维后的样本数据进行多类别分类.将该方法用于对实测的四类舰船目标进行识别,平均识别率可达91.25%.实验结果表明,核主成分分析与核Fisher判别分析相结合的方法可提取目标的有效特征,在较低特征维数情况下获得较高的目标正确识别率.     

用于水下目标识别的无监督特征选择算法

随着社会发展,海洋空间对人类变得愈发重要,对新的水下目标自动识别系统的需求也愈发迫切。在水下目标自动识别系统的构建过程中,提取到的特征含有很多冗余特征、不相关特征和噪声特征,影响系统工作效率,降低了分类识别正确率。为此,本文提出一种新的用于水下目标识别的特征选择算法——基于图学习的无监督特征选择算法(Unsupervised Feature Selection Algorithm Based on Graph Learning,UFSGL)。该算法通过同时进行转换矩阵优化和图学习来优化算法框架,并用正则化方法优化加权图中边的光滑度,最后对转换矩阵进行稀疏化从而进行特征选择。使用UCI数据库的sonar数据集对算法性能进行验证,结果证明,UFSGL算法能够有效减少特征子集中的特征个数,并在一定程度上提高分类识别正确率。     

基于小波尺度谱和遗传算法的转子故障诊断

针对发动机的转子故障,提出了一种基于尺度谱图像纹理特征和遗传算法的故障诊断技术.根据不同转速下的3类转子故障数据样本,运用连续小波尺度谱图像纹理特征提取其图像纹理特征.采用遗传算法对这些特征进行选择优化,去除与分类不相关的冗余特征.最后,构建结构自适应集成神经网络对优化后的特征进行智能诊断.试验表明,该方法能准确地诊断出转子的故障,具有广泛的应用前景.     

大尺度声纳图像目标自动分类方法研究

针对大尺度海底声纳图像l中小目标的自动识别问题,提出了一种基于分形维探测与纹卵特征卡结结合的目标自动分类算法。该算法采用分形维探测方法实现尺度变换,并在此基础上利用基于灰度共生矩阵的纹理特征描述目标特性,最后采用SVM算法解决图像声纳小目标识别中小样本,非线性及高维的现实难题向实现分类。实验结果表明,此算法在对解决大尺...     

舰船装备故障诊断特征知识获取方法研究

将粗糙集理论引入到舰船装备故障诊断特征知识获取,提出一种基于粗糙集理论的舰船装备故障诊断特征知识获取模型.该模型从包含冗余和不一致信息的原始数据出发,构建决策表,通过属性约简和属性值约简获取故障诊断的最小约简属性集和诊断规则,并建立诊断规则知识库.实例分析表明:在保持故障诊断分类结果的情况下,该方法可以提取出最能反映故障的特征,并能有效地解决舰船装备故障诊断中规则获取的知识冗余或缺失问题,从而为粗糙集在舰船装备故障诊断中的深入应用打下基础.     

基于复数不变矩的数字图像相似性分析

系统性地给出数字图像不变矩一般性构造方法,对不变矩冗余性进行分析。通过采用复数矩作为描述数字图像识别特征量的方法,研究复数不变矩所具有不变性的约束条件及其与几何不变矩间的关系,根据复数不变矩构造定理,给出判别复数矩冗余性的一般方法,并结合修正余弦相似度以实例对在工程应用中的采用低阶复数不变矩描述目标特征的有效性进行分析。研究结果表明:采用复数不变矩构造数字图像特征量具有很好普适性,对于图像目标识别特征的描述有较好的效果。     

基于聚类的朴素贝叶斯分类无监督学习方法

为实现朴素贝叶斯分类模型的无监督学习,提出一种基于数据挖掘理论中聚类算法思想的学习方法。该方法首先定义不同类型单维状态分量的差异度量方法和混合型多维向量的联合差异度量方法,通过分析样本数据中向量之间的差异性进行聚类统计,得到研究对象的分类类别,然后对各单维状态分量分别聚类得到特征核值,进而确定不同类别各分量对应单维特征核值空间的概率隶属度。仿真实验结果表明,该方法能有效进行朴素贝叶斯分类学习。     

基于小波域2DPCA特征提取算法的SAR图像识别

文章提出了一种利用二维离散小波变换与二维数主成分分析结合对SAR图像进行特征提取的新方法。该方法对SAR图像进行二层小波分解后提取低频子带图像的二维主成分分量作为目标的识别特征,利用支持向量机完成目标分类。采用MSTAR实测SAR目标数据集进行特征提取和分类实验,实验结果表明:该方法可以有效提高目标的正确识别率。     

基于PCA与属性权重模糊聚类的入侵检测方法

针对入侵检测数据集中存在大量冗余信息及传统聚类算法的效果不佳,提出了结合主成分分析与属性权重模糊聚类算法的入侵检测方法。该方法分为特征提取和模糊聚类两阶段,使用主成分分析进行特征提取、消除冗余属性;将经主成分分析后得到新成分的贡献率作为聚类算法中属性的权重值,实现了基于属性权重的模糊聚类。在KDD-CUP99数据集中的实验结果表明,该方法能有效地降低检测训练时间和提高检测正确率。     

基于相关性精简关联规则生成算法

针对传统基于支持度-置信度桩架关联规则挖掘算法生成规则只考虑支持度和置信度的因素、没有考虑规则两者本身内在的关系并因此产生大量无效的规则的情况,提出了一种采用相关性精简关联规则产生的算法,此算法增加了一个度量——相关性来精简关联规则的产生。实验表明该算法在继承传统算法的优点的同时在一定的程度上提高了规则的有效性,降低规则冗余。     

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.     

通信对抗目标信号特征研究

通信对抗目标的信号特征是识别通信对抗目标的主要依据。首先,分析了通信对抗目标信号特征的产生机理,并对其进行了分类。其次,探讨了信号技术参数作为细微特征应满足的准则。最后,研究了通信对抗目标信号特征的主要内容及提取方法,并对这些特征用于目标识别的可行性进行了分析。     

基于多特征信息和直方图相交的改进Meanshift算法

针对Mean-Shift算法仅利用颜色信息并以Bhattacharya系数为相似性度量导致算法准确率较低的问题,提出一种结合颜色和纹理信息并以直方图交集为相似性度量的跟踪算法。首先用局部二元模式算子提取纹理信息,再以对数比加权直方图取代传统直方图构建目标和候选目标模型,然后根据场景自适应地综合两类特征并通过Mean-Shift算法获得目标的初略位置,最后以直方图交集作为相似性度量并用Powell方法求其极值作为目标在当前帧中位置的估计。实验表明,该算法不仅能增强跟踪的准确性,而且对光照弱、目标与背景颜色近似等情况也有较好的鲁棒性。     

漏斗破拱措施分析

漏斗是散装物料转运过程中易发生起拱堵料的关键部位.鉴于多种散装物料的物理特性难以准确测定,在漏斗设计时,除了要满足漏斗壁倾角和排料孔尺寸的理论要求,还须采取一定的破拱措施.通过对机械搅拌法、气动法、机械震动法、优化漏斗结构和漏斗内壁加衬板等方法的分析,结合散装物料的物理特性和漏斗的功能要求,选择合理的破拱措施,使漏斗排料通畅,以保证散装物料的输送和转运过程中的连续性和可靠性.     

一种基于独立成分分析和径向基神经网络的人脸识别新方法

提出了一种新的基于独立成分分析和径向基神经网络的人脸识别方法。独立成分分析可以从高阶上消除特征数据的相关性,改进了主成分分析方法只能从2阶上消除数据相关性的弱点;最终特征数据的分类由RBF神经网络来实现。在人脸数据库上的实验结果表明该新方法的识别性能较其他方法有了很大提高。     

液压挖掘机挖掘工况与挖掘力分布特性分析

根据液压挖掘机的挖掘工况,提出了在挖掘机整个挖掘区域关于整机理论挖掘力分布特性分析的问题,进行了在各个挖掘工况下挖掘力分布特性的研究,并且开发了相应的软件.利用该软件,对各种能力的挖掘机能够进行其挖掘性能的分析和挖掘力分布特性分析.     

一种基于稀疏表示声纳图像识别方法

提出了一种基于灰度-梯度共生矩阵的稀疏表示声纳图像识别方法.该方法采用灰度-梯度共生矩阵对声纳图像进行特征提取,特征提取结果相比全局的特征提取包含了声纳图像的重要的纹理信息;并结合稀疏表示的分类方法对声纳图像进行识别.实验表明,该方法既满足了对声纳图像进行识别实时性,又提高了识别的准确性.