多源荧光光谱数据融合下的淡水浮游植物分类识别方法

淡水浮游植物分类识别过程中,主要采用单一的荧光光谱数据进行特征提取,所得特征信息较为片面,分类识别结果的F1分数偏低。为此,以多源荧光光谱数据融合为前提,提出一种新型淡水浮游植物分类识别方法。采用局部线性嵌入算法对多源荧光光谱数据进行降维处理,再通过小波分解算法提取光谱特征信息。运用独立成分分析算法标记出有效的特征信息,依托于多源荧光光谱数据融合原理结合有效特征得到全面的光谱特征信息。将光谱特征输入可解决多分类问题的支持向量机模型,生成淡水浮游植物分类识别结果。实验结果显示,在噪声比例为40%时,文中设计的分类识别方法的分类识别结果F1分数依旧为0.95,与其他两种方法相比提高了14.74%和18.95%,分类结果更加准确。

基于改进支持向量机的纸张缺陷图像分类识别方法

随着纸张生产越来越多样化,带有花纹图案的纸张在缺陷识别时难度大大增加,传统的识别方法准确性不足。针对上述问题,研究一种基于改进支持向量机的纸张缺陷图像分类识别方法。该方法针对采集到的原始纸张图像实施灰度化、滤波前处理,对处理后的图像进行二值化,分割图像缺陷目标和背景,寻找缺陷目标边界并提取缺陷的几何特征和灰度特征。利用蝙蝠算法求取支持向量机两个关键参数的最优值,实现支持向量机改进。以几何特征和灰度特征为输入量,利用改进支持向量机实现纸张缺陷图像分类识别。结果表明:所研究方法的Kappa系数在两种样本集合中的识别都相对更高,由此说明所研究方法的识别能力更强。

基于贝叶斯理论的辐射源分类识别方法研究

针对当前辐射源识别系统中存在的问题,提出了一种结合组合分类器技术的辐射源识别新方法。该方法可以准确地识别各类辐射源,实际仿真结果表明该方法是有效的。

基于EMG频域特征的假肢机电信号识别研究

采集人体表面肌电信号并进行有效模式识别,是多功能假肢研究的关键技术之一.本文研究肌电信号(EMG)的频域信息,以提取有效特征识别不同的手腕部动作.实验采集了8种不同的手腕动作的EMG信号.分别提取了EMG信号的时间序列模型(AR)、时域统计量(DT)、功率谱估计(PSD)、短时傅里叶变换(STFT)和互功率谱(CPSD)5种不同的特征向量,并采用支持向量机(SVM)对特征进行分类.通过特征分类正确率的分析比较,发现提取的信号频率特征能够有效地提高动作的识别率.