基于结构化Fisherface的人脸识别新方法

特征提取是人脸识别中一个关键步骤.传统的Fisherface人脸识别方法中用样本的类均值和总体均值定义相应的散布矩阵,丢失了样本个体之间的结构信息,本文提出了一种基于原始样本个体结构信息的结构化Fisherface人脸识别方法,最后得到的特征数据中保留了原始样本更多的分布信息.在ORL人脸数据库的实验结果验证了该方法的有效性.     

一种基于马尔可夫链模拟样本的自适应重要样本法

在结构可靠性计算中，传统的重要样本法需要给出最大似然点即设计点。对于结构存在多个设计点的系统可靠性问题，重要样本法失去了普遍性，其效率和精度也随之降低。本文提出了一种适合于计算结构的系统可靠性的重要样本法，主要的改进在于根据Metropolis准则，构造马尔可夫链模拟样本，计算模拟样本的均值和标准方差，并结合重要抽样技术，计算结构的系统可靠性。此方法有效的改善了重要样本法在系统可靠性计算中的应用，并获得了较好的效率和精度。     

贝叶斯方法在船体结构疲劳分析中的应用

针对船体结构疲劳试验的小样本特点，探讨了确定船体结构疲劳寿命分布模型和建立疲劳性能曲线的贝叶新斯方法。该方法将先验信息与样本信息加以综合得到后验概率，将统计推断建立在后验概率的基础上，减小了因样本短而带来的统计分析误差，获得比传统方法更可靠的结果。     

船首机械振动噪声信息特征提取

传统的船首机械振动噪声信息特征提取方法中存在谐波频率偏差较大的问题。为此,提出船首机械振动噪声信息特征提取方法设计。通过计算原始信号的局域均值和包络函数,得到调频信号,利用调频信号计算出瞬时频率,将所有包络函数乘积作为包络信号,与瞬时频率相结合即为原始信号的分量,将分量从原始信号中剔除后重复上述过程,达到振荡噪声信息分解的目的,通过重构将含有噪声信息特征的分量整合在一起,获得对应的谱,实现噪声信息的提取。测试结果表明,与传统的噪声信息特征提取方法相比,设计的船首机械振动噪声信息特征提取方法中谐波频率偏差较小,适合在船首机械振动噪声信息特征提取中应用。     

基于K邻点均值的图像零水印认证算法

为改善图像水印的鲁棒性和不可见性,提出一种新的基于小波提升和K邻点均值的零水印认证方案。首先将原始水印信息进行置乱变换,降低空间相关性,再对原始载体图像进行小波提升分解,对其低频子图进行不重叠分块,对每一小块计算其K邻点均值,利用这些均值和图像均值的关系运算来构造零水印。实验结果表明该方法对常见图像处理过程具有较好的鲁棒性。     

确定船体结构疲劳寿命分布的Bayesian方法

给出了由小样本试验数据确定船体结构疲劳寿命分布的Ｂａｙｅｓｉａｎ方法。采用二级模糊综合评判获得先验概率，通过似然函数反映样本信息，利用Ｂａｙｅｓｉａｎ定理综合先验信息与样本信息得到后验概率，将统计推断建立在后验概率的基础上，弥补了传统 统计推断上的缺陷。     

一种基于马尔可夫链模拟样本的自适应重要样本法

在结构可靠性计算中,传统的重要样本法需要给出最大似然点即设计点.对于结构存在多个设计点的系统可靠性问题,重要样本法失去了普遍性,其效率和精度也随之降低.本文提出了一种适合于计算结构的系统可靠性的重要样本法,主要的改进在于根据Metropolis准则,构造马尔可夫链模拟样本,计算模拟样本的均值和标准方差,并结合重要抽样技术,计算结构的系统可靠性.此方法有效的改善了重要样本法在系统可靠性计算中的应用,并获得了较好的效率和精度.     

基于统计特征的舰船装备维修承包商选择

针对舰船装备维修承包商选择中出现的极端选项问题,尝试综合承包商个别属性评价值和整体评价值的方法来解决此问题.通过比较均值和SAW以及方差和TOPSIS的计算公式,认为在一定意义上,SAW能反应了承包商的整体均值信息,而TOPSIS反应了承包商个体属性的方差信息.分析表明,综合SAW和TOPSIS的方法能较好地解决承包商选择中的极端选项问题;同时,该方法可用于一般舰船装备维修承包商选择.     

基于BP神经网络的图像识别跟踪技术

本文利用BP神经网络抗干扰性强,识别精准等优点对船舶进行识别跟踪。首先获取原始图像,然后预处理,以图像的全部灰度值为训练样本,以新不变矩特征向量为样本集输入到3层BP神经网络中,对含不同噪声均值的图像进行识别。实验结果表明,以新不变矩特征向量作为样本集时抗噪能力强,识别率高。最后以新不变矩特征向量作为样本集进行目标跟踪得到跟踪误差。     

基于计算机应用技术的舰船图像修复研究

常规方法匹配待修复样本块和填充样本块时,忽略了梯度项距离这一影响因素,造成修复图像与原始图像相似度较差。为此,提出基于计算机应用技术的舰船图像修复方法。采用计算机应用技术,可视化图像待修复区域轮廓,划分多个待修复样本块,通过优先权确定样本块修复顺序,计算待修复样本块、填充样本块之间的颜色项距离、边界项距离、梯度项距离,选取距离最小的填充样本块,填充至匹配到的待修复样本块,完成图像修复。抽取舰船图像,设置对比实验,结果表明,设计方法相比2种常规方法,提高了修复图像PSNR值和SSIM值,修复图像与原始图像的纹理相似度、结构相似度更高。     

一种模糊特征提取算法及其在人脸识别中的应用

F isherface是人脸特征提取中常用的方法,KPCA LDA能更好地解决非线性问题。本文把模糊技术与KPCA LDA相结合提出了一种新的特征抽取方法。首先用KPCA进行初次特征提取,然后利用FKNN计算图像对各类别的隶属程度,再在此基础上用LDA进行二次特征提取。在ORL人脸库上的实验结果表明了该方法的有效性。     

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。     

水声目标辐射噪声谐波特征提取算法

水下目标辐射噪声中的谐波分量包含了反映目标自身本质特性的信息,能否有效提取目标谐波特征关系到目标识别的效果.论文基于目标辐射噪声的一般数理模型,利用最大似然估计和卡尔曼滤波理论,提出一种水下目标辐射噪声谐波特征的提取与分析算法,估计得到了谐波的瞬时基频;然后利用卡尔曼滤波器跟踪瞬时基频的时变特性,实现对基频的精确跟踪和估计;并提取各阶谐波的振幅,得到目标的谐波特征;最后结合仿真信号与实测数据进行对比,验证了谐波特征提取算法估计基频和提取谐波信息的可行性.     

基于DOM的Web信息抽取方法研究

针对Web信息量巨大且具有动态性、不规则性,而Web信息查询和集成存在困难,解决了对HTML格式的Web文档的信息抽取,提出了一种基于DOM的Web信息抽取方法。该方法通过附加语义、样本学习生成基于DOM路径的抽取规则,利用遍历DOM树实现信息抽取。本方法可用于Web查询,也可用于信息集成系统中包装器的构造。     

舰船辐射噪声非线性频谱特征提取与应用

舰船辐射噪声分类识别一直是被动声呐面临的难题,提取舰船辐射噪声的频谱特征来实现分类识别是一种常用的方法。基于舰船辐射噪声频谱特征主要聚于低频段的特点,按照稀疏分解的原理,通过构造完备的非线性频谱字典,提出了一种舰船辐射噪声非线性频谱特征提取方法。对海上实录的多种型号和多种工况的大量噪声样本进行了特征提取,采用最近邻分类器对辐射噪声样本进行了分类识别实验,结果表明,非线性频谱特征的正确分类识别概率高于线性频谱特征的正确分类识别概率。     

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.     

SAR图像舰船目标长宽特征提取技术

SAR图像特征提取是目标识别中的关键步骤,直接影响目标识别的结果。长度类特征因其简单直观、效率高、易于提取等优势,常被作为船只类型的初始判定,针对 SAR图像舰船目标长宽特征提取问题,本文提出一种新的方法。首先通过水平集分割获得目标轮廓,其次采用区域消除方法滤除杂波,获得预处理后的目标图像;其次通过最小外接矩形拟合目标,获取舰船目标切片的长轴、旋转的角度;再次采用最小二乘法椭圆拟合获取舰船目标短轴;最后得到舰船目标的长宽特征。通过实测SAR图像处理结果表明,本文方法能够在背景杂波干扰下,抑制相干斑噪声的影响,提高了长宽提取的精度,是一种有效的舰船目标长宽特征提取方法。     

基于双树复小波的被动目标特征提取方法研究

针对水下目标辐射噪声特征提取困难的问题,提出一种基于双树复小波变换的特征提取方法。首先,采用一种改进的小波阈值去噪方法去除水下目标辐射噪声信号中的噪声成分,该方法可以获得优于经典小波阈值去噪方法的结果;其次,在特征提取过程中,采用具有近似平移不变性的双树复小波变换,该方法能够克服信号时移带来的影响,得到稳定的目标特征向量。仿真试验和实航数据处理结果表明,本文方法提取的目标特征向量比使用离散小波变换提取的结果更稳定。     

非平稳特征提取方法与智能诊断技术在自动机故障诊断中的应用

回顾对目前常用的非平稳特征提取方法与智能诊断技术,并总结舰炮自动机故障诊断需解决的难题,介绍非平稳特征提取方法与智能诊断技术在舰炮自动机故障诊断中的应用现状,详细阐述舰炮自动机故障诊断研究中存在的问题及对发展趋势的展望。     

基于改进小波算法的舰炮齿轮箱故障特征提取

小波变换具有优良的时频分析特性,适合于提取齿轮箱等机械设备的故障特征。但是由于小波滤波器的频响应特性不理想,因此直接对信号进行小波变换会产生一定的虚假频率,从而影响故障特征提取的准确性。针对小波分析的混频现象,在深入分析该现象产生原因的基础之上提出一种改进算法,并给出了利用该算法提取故障特征的具体步骤,为舰炮齿轮箱故障特征提取提供了一个新途径。仿真结果表明,该方法能有效地消除混频现象,提高了故障特征提取的准确性。