基于HMM的脱机手写字符识别方法研究

为了对手写字符进行识别，对隐马尔可夫模型算法及训练方法进行了探讨．首先简要地描述了字符识别的预处理和字符分割，然后利用Haar基函数提取字符特征，给出了解决隐马尔可夫模型的三个关键问题的算法，尤其是利用高斯混合模型对样本进行训练，建立了结合高斯混合模型的隐马尔可夫模型．实验结果表明，该方法有效可行，与已有研究结果进行对比，该方法具有一定的优越性。     

基于辐射噪声能量分布的舰船目标分类算法

有效的特征提取技术是水中目标识别的基础.为提高基于舰船辐射噪声的水中目标识别准确率,选用小波变换完成信号预处理和滤波,并在信号变换后的多尺度子空间上提取信号特征参数,归一化处理后构建分类特征向量,最后用支持向量机算法进行训练和测试.仿真结果表明,利用小波变换的多分辨率分析方法和支持向量机算法对舰船辐射噪声信号进行分类识别,特征提取算法有效,分类速度较快.     

SVM在合成孔径雷达图像目标识别中的应用

提出一种采用Zernike矩和支持向量机SVM结合对SAR图像中的舰船目标类型进行分类识别的算法。此算法首先对SAR舰船切片图像进行预处理,再采用Zernike矩提取SAR舰船图像切片的旋转不变特征算子;然后,利用支持向量机的方法对目标样本进行训练构造分类器,并采用"一对一"多类方式实现多类舰船目标的识别。最后,仿真建立3类舰船三维模型,并利用本文算法进行分类识别,实验结果表明本文算法能够有效识别舰船目标。     

基于神经网络特征提取的SSA-SVM船舶目标识别方法

运用神经网络图像特征提取联合SSA-SVM分类算法,对通航区域图像中的典型船舶目标进行识别以实现船舶目标的自动分类。首先通过摄像机获得通航区域的高分辨率图像,以AlexNet深度学习网络为基础经迁移学习后提取典型船舶目标特征,获得4种船舶类型、共5 505 024个特征数的典型船舶目标特征矩阵。以特征矩阵为训练依据训练SSA-SVM算法,在种群寻优下获得最佳识别参数,经训练得出在小数据集下具有较强辨识能力的SSA-SVM船舶目标识别模型。实验表明,相比于深度学习的大数据集驱动识别算法,使用AlexNet特征提取的SSASVM算法能够在数据量较少的情况下对散货船、集装箱船等典型船舶目标进行有效识别,识别准确率为88.87%、训练时长为1 856 s,满足实用需求,为水上监管提供了可靠的技术支持。     

基于神经网络的声纳特征级信息融合中目标分类研究

声纳目标特征级融合的主要任务是实现信息压缩、目标身份确定(分类) ,以利于实时处理、决策分析。基于数学模型的各种算法,由于情况复杂,往往很难建立。而人工神经网络通过样本的学习,具有存储记忆、在相似输入下能恢复记忆等特性,从而避免了烦琐而复杂的建模。在神经网络声纳目标识别前的噪声预处理方法中,选用了功率谱特征提取、双谱特征提取算法;在研究了提取的特征后,选取反向传播神经网络(BP)模型;在此基础上构造了BP神经网络,并对网络进行训练与测试,给出识别实验结果。仿真模拟分析证明,基于神经网络的声纳特征级信息的融合,对目标分类有一定效果,为进一步实现声纳信息融合奠定了基础     

基于支持向量机的油滴识别及粒径分布特征提取算法

采用水下溢油模拟实验水槽装置模拟溢油工况,利用工业相机获取油滴图片,将图像分割后得到的油滴图片灰度值作为特征值,基于支持向量机(SVM)算法训练油滴识别模型,获得油滴的粒径分布特征。研究表明:SVM方法所训练模型在测试集样本识别中正确率为100%,在油滴图片识别中正确率超过95%,识别快速、结果可靠;处理相同数量的溢油图片,SVM算法比最大类间方差法(Otsu)用时更少,效率更高;处理204张油滴图片时,SVM算法的平均识别用时比Ostu算法快76.9%,累计识别用时比Ostu算法快74.5%。识别的油滴粒径在自然对数坐标系下呈线性分布,协方差R~2=0.842 7,与经典的Rosin-Rammler粒径分布吻合。     

基于决策SVM的入侵检测技术研究

在网络入侵检测中,数据类别不均衡训练集的使用将产生分类偏差,支持向量机是一种新型的统计学习模型,在处理小样本和学习机的推广能力上有很大的优势．针对支持向量机解决k个多类分类问题存在训练样本数据大、训练困难的问题,提出基于支持向量机的决策树训练算法,构建了基于支持向量机决策树的入侵检测系统模型．利用KDDCup99数据集,将本文提出的算法与Lee-Carter方法和1-v-R方法进行了对比实验．通过实验和比较表明,该方法的训练效率大大提高,并且具有较高的检测率．     

基于融合特征支持向量机的港口起重机减速箱故障诊断

本文以港口起重机减速箱为研究对象,通过减速箱试验台缩尺模型预置故障,采集各类故障模式下的减速箱壳体振动信号。通过在时域、频域提取特征值,与EMD分解得到的IMF能量特征进行融合,经PCA降维处理后取一组样本作为训练集用于支持向量机模型训练。再由测试样本集对训练完成的模型进行验证,验证结果说明了用本文选取的融合特征训练的支持向量机在港口起重机减速箱的故障诊断运用是可行的,达到了较高的识别率。     

使用协议分析和聚类支持向量机的入侵检测方法

根据入侵检测中协议分析技术与聚类支持向量机各自不同的检测特点,将协议分析技术融合到聚类支持向量机中,提出了一种新的入侵检测方法.通过协议分析不但可以快速地检测出入侵行为,而且可以有效减少支持向量机的训练时间,同时结合聚类算法进一步减少支持向量机的训练时间和预测时间,从而提高聚类支持向量机的检测效率.使用KDD99中的数据集进行仿真,试验结果表明,算法具有可行性、有效性,能有效提高检测率,降低误报率.     

高阶神经网络与D—S方法在数据融合中的应用

讨论了数据融合与高阶神经网络的串行结合。根据Dempster-Shafer证据理论的基本原理,利用多传感器多周期测量条件下命题不确定性度量的融合算法公式,进行命题的空间和时间融合,以达到空中目标的敌我识别。将融合后的最终结果输入到高阶BP神经网络中,通过目标向量样本的训练,输出相应的目标类型。仿真结果证明,这种方法是行之有效的。     

高阶神经网络与D-S方法在数据融合中的应用

讨论了数据融合与高阶神经网络的串行结合.根据Dempster-Shafer证据理论的基本原理,利用多传感器多周期测量条件下命题不确定性度量的融合算法公式,进行命题的空间和时间融合,以达到空中目标的敌我识别.将融合后的最终结果输入到高阶BP神经网络中,通过目标向量样本的训练,输出相应的目标类型.仿真结果证明,这种方法是行之有效的.     

模糊支持向量机在船舶发电机故障诊断中的优化应用

对以往提出方法的优点进行总结,在故障诊断中对模糊支持向量机进行优化应用,提出一种优化诊断方法。基于模糊支持向量机进行发电机故障分类,构建模糊故障分类模型。利用故障仿真模型获取各种发电机故障的对应电流信号,将电流信号中的特征量设为模型的四维输入向量。根据模糊故障分类模型的分类结果和船舶发电机历史运行数据,建立故障诊断融合识别框架。根据建立的故障诊断融合识别框架,将故障诊断过程分为4个步骤进行船舶发电机的实际故障诊断。对模糊支持向量机的优化应用进行实例研究,测试结果证明其优化应用实现了有效的故障诊断,验证了设计方法的有效性。     

高阶神经网络与D—S方法在数据融合中的应用

讨论了数据融合与高阶神经网络的串行结合。根据Ｄｅｍｐｓｔｅｒ－Ｓｈａｆｅｒ证据理论的基本原理,利用多传感器多周期测量条件下命题不确定性度量的融合算法公式,进行命题的空间和时间融合,以达到空中目标的敌我识别。将融合后的最终结果输入到高阶ＢＰ神经网络中,通过目标向量样本的训练,输出相应的目标类型。仿真结果证明,这种方法是行之有效的。     

基于PSO-ELM算法实现船舶发电机组故障识别

针对船舶发电机组的不同故障类型,通过传感器采集不同故障下柴油机缸盖处的振动信号,构成大量数据集,选取部分数据集作为样本数据。通过EEMD算法对样本数据进行分解降噪,把一维数据分解成能反映柴油机工况信息的多维数据,对分解形成的多维数据使用KICA算法进行特征提取,并对提取后的数据进行训练集、验证集分组。使用PSO-ELM算法搭建故障识别模型,并使用训练集训练模型,使用验证集验证模型,根据验证结果评价模型是否满足故障识别的精确度。     

一种改进的ARIMA预测模型在船舶系统中的应用

为实现船舶设备维护方式的智能化升级,用视情维修代替传统的定期巡检,提出一种基于改进粒子群算法(Particle Swarm Optimization,PSO)优化的Elman神经网络融合自回归差分移动平均模型(Auto-Regressive Integrated Moving Average,ARIMA)模型的组合预测模型,用于对设备状态参数进行预测。根据序列特征拟合ARIMA模型,利用改进的PSO算法优化Elman神经网络的权值和阈值,基于改进的PSO-Elman模型的残差预测值修正ARIMA模型预测结果。采用某船设备实际数据对该组合预测模型进行训练和验证,将其预测结果与其他模型的预测结果相对比,结果表明,该组合预测模型具有较高的预测精度和稳定性。     

基于高阶谱的舰船噪声特征提取与实验

利用高阶谱对舰船辐射噪声进行了分析,着重研究了采用双谱分析的方法提取舰船噪声特征,给出了维谱特征提取的算法,提取了9维的特征向量并利用神经网络进行了训练与识别.实验表明,该方法对舰船辐射噪声信号具有很好的分类效果.     

基于红外图像的海上船舶特征识别算法研究

传统海上船舶特征识别算法受到可见光强弱的影响,在暗光条件下对船舶图像识别能力远远不如白天,加之船舶搜救等应用场景多为夜晚。因此,提出基于红外图像的海上船舶特征识别算法研究。首先,基于红外图像识别算法,将红外识别与可见光参量进行高精度融合计算;其次,对融合后的红外识别特征参量进行增强计算;最后,通过粒子群算法对大场景中的目标进行特征绑定,从而实现暗光条件下快速准确识别船舶特征的效果。通过实验对提出算法进行测试对比,证明提出算法在暗光条件下对船舶特征的识别能力高于传统识别算法。     

基于BP神经网络的齿爬式升船机横导向装置结构损伤识别*

为了准确有效地实现齿爬式升船机横导向装置的损伤识别，提出以固有频率变化率、应力、位移作为输入特征参数，由损伤结构分类器、损伤位置分类器、损伤程度分类器构成的结构损伤识别模型。以向家坝升船机横导向装置为例，对18种损伤状态下的横导向装置进行模态分析和静力学分析，得到1 646组训练样本和100组测试样本，分别采用BP神经网络、支持向量机和贝叶斯算法进行结构损伤识别模型的训练与识别准确率测试。结果表明：基于BP神经网络算法的横导向装置结构损伤识别模型对损伤结构、损伤位置、损伤程度的识别准确率分别为93%、90%和91%，比基于支持向量机、贝叶斯算法的识别准确率分别平均提高7%、13%，该模型能够有效准确地对横导向装置进行损伤识别。     

基于BERT的远洋运输询盘命名实体识别方法

电子邮件是远洋运输业务往来的重要载体，研究如何高效地从询盘邮件中挖掘关键实体信息具有重要意义。本文提出一种基于BERT的远洋运输询盘命名实体识别方法，采用监督学习的方式，利用BERT预训练语言模型进行邮件文本信息的特征提取。实验结果表明，该方法能够有效解决远洋运输询盘邮件的信息抽取问题，实体识别的整体效果较好。     

三维动态舰船图像颜色特征自动提取及应用研究

以提升舰船颜色特征的应用技术水平,研究三维动态舰船图像颜色特征自动提取和应用方法。通过相机采集三维动态舰船图像颜色特征后,先使用PCA算法获取三维动态舰船图像的颜色特征子空间,再通过K-means聚类算法得到三维动态舰船图像颜色特征,以该颜色特征作为基础,分别利用支持向量机算法和二阶常速模型实现舰船目标识别和航迹跟踪。实验结果表明,该方法可有效提取三维动态舰船图像颜色特征的R、G、B分量,提取舰船图像颜色特征能力较强。将提取到的三维动态舰船图像颜色特征,应用到舰船目标识别和航迹跟踪,可有效识别舰船和跟踪舰船航迹,应用效果较为显著。