持续同调在图像分类和识别中的应用

运用持续同调和单纯复形同调群计算的方法对图像做定性分析.将彩色数字图像看作为5维欧氏空间的一个子空间,构造出这个空间在不同参数下的单纯复形;然后,通过计算单纯复形的同调得到相应的条形码,从而基于该条形码来获取图像的拓扑特征以及相应的几何结构信息;最后,探讨了将持续同调应用在图像的分类和识别工作中的可行性.

基于人工神经网络的暂态电能质量现象的分类与识别

暂态电能质量信号具有发生随机性,持续时间短和非平稳的特性,使得信号的识别实现较为困难。目前对电能质量信号进行辨识的方法有基于规则的专家系统方法、基于神经网络的方法以及结合小波变换技术的神经网络方法等。利用小波变换和人工神经网络的结合方法,对各种暂态现象实现有效地识别和初步地分类。

基于WT和SVM的电能质量分类识别方法

电能质量的分类和识别是电能质量控制的基础。为了高效识别电能质量问题类型,提出了1种基于小波变换和支持向量机的电能质量分类识别方法。该方法采用Db7小波基,应用两分类SVM算法,并采用样本熵提高系统的识别效率,经过理论分析和实际验证,所提方法的平均正确率达到97.92%,基本上能实现对电能质量问题的分类和识别。

基于DTW算法的眼动信号分类研究

EOG信号(眼动信号)是一种易于识别、易于操作和更稳定的生物电信号,可以应用于残疾辅助系统。为了提高EOG信号的分类和识别率,将DTW算法应用于EOG的分类,DTW一种基于模型匹配的分类算法。在实验条件下,收集并分类了5个人的EOG。EOG的类型包括向左运动、向右运动、一次眨眼和两次眨眼。实验结果表明,基于DTW算法的EOG检测方法优于其他传统方法,四种信号的平均识别率均在99%以上。

合成孔径雷达极化成像解译识别技术的进展与展望

极化合成孔径雷达(SAR)能够获取目标的全极化信息,在对地观测、灾害评估、侦察监视等民用和军用领域得到广泛应用。国内主要高校、中科院、工业部门和用户单位在该领域开展了卓有成效的工作,取得一大批标志性研究成果。该文简要综述了极化SAR成像解译识别领域的主要研究进展。在解译层面,主要介绍了极化目标分解和极化旋转域解译等理论方法的研究进展。在应用层面,结合研究团队的工作,探讨了上述理论方法在舰船检测、地物分类和建筑物损毁评估等领域的应用成效。最后,对极化SAR目标解译识别技术的研究进行了展望。

国外机载海面监视雷达发展现状与趋势

首先对目前西方国家装备的较先进的机载海面监视雷达进行了介绍,总结了它们的技术特点。现役机载海面监视雷达具有多功能和多工作模式的特点,除增强了对高海况下的小目标检测能力外,还新增了气象探测、SAR/ISAR和HRRP等先进功能。最后指出了机载海面监视雷达未来发展趋势。

深度学习在医学图像分析中的研究进展

人工智能领域不断创新发展,促使深度学习方法的理论和应用成为研究的热点。在医学领域中,传统的人工读片等医学图像分析方法已无法适应数量迅速增长的影像资料的诊断需求,因此,深度学习方法在医学图像中的应用备受关注。本文主要总结了深度学习方法在医学图像分割、图像分类识别和计算机辅助诊断方面的研究进展,最后进行了小结和展望。