基于人车协同识别的智慧停车监管服务应用

探索将人车协同识别技术融入静态交通管理与出行服务优化,针对地面停车场、地下停车库、路内停车位等城市典型停车场景,构建城市智慧停车监管服务体系,验证设备实用性和数据可用性。结果表明,所提出的人车协同识别技术可以满足包括停车位状态识别、停车信息服务、动静态交通协调等功能在内的城市智慧停车监管服务要求,研究成果可为静态停车精细化管理策略的制定提供参考。

面向无人机集群的协同识别资源管控设计

无人机集群作战样式已成为各国科学技术与军事研究的热点,文中针对无人机集群目标稳定探测、综合识别等难题,在梳理美军近期开展的无人机集群相关研究进展和典型无人机集群的主要技术特征基础上,分析了面向无人集群的协同识别资源和系统总体需求,提出分布式复合协同识别资源管控流程设计,采用预案工程化设计方法,实现无人集群协同识别系统传感器资源管控闭环,避免识别资源过载,可为反无人机集群作战高效指挥决策和多手段协同拦击提供支撑。

基于人车协同识别的行程轨迹预测

为了解决借车出行和行驶路线违规等问题,首先运用人员识别设备和机动车电子标识构建的人车协同识别系统,将驾驶员和车辆相关联;其次根据检测设备在地图上的位置,利用高斯混合模型对人员行程轨迹进行初步预测,辅以航迹推算校正预测轨迹,进一步确定车辆的行程轨迹,实现准确的轨迹预测。

区域互联电力系统同调机群的分布式协同识别

在电力市场条件下,区域子系统运行具有相对的独立性、系统数据具有一定的不透明性。文章研究了与市场条件相适应的区域互联电力系统的同调发电机识别问题,基于弱耦合算法提出了一种子系统内同调机群的分布式识别方法,在相邻区域子系统间通过交换少量的边界母线信息可形成子系统状态矩阵,实现对子系统内同调机群的识别。通过50机145节点系统的算例验证了该方法的有效性。

基于食物链的计算机免疫多识别器协同识别模型

借鉴自然免疫系统的一些特性,在基于系统调用(systemcall)的基础上建立了位串识别器,并借鉴食物链的一些特征,建立了一种多识别器协同识别模型。该模型符合自然免疫系统的高分布性、多样性、再次反应的快速性等特点。

基于高分辨距离像的分布式协同识别方法

宽带高分辨图像是复杂突防场景下真假弹头识别最有效的特征之一。针对单部雷达无法有效估计目标真实尺寸问题,提出了基于分布式宽带雷达的高分辨一维像协同识别方法。通过多部宽带雷达协同测量,获取弹道目标同一时刻多视角下的高分辨一维距离像,利用多个视角的径向尺寸协同估计目标真实尺寸。仿真分析了典型突防场景下,双站最小二乘估计和递推最小二乘序贯协同尺寸估计方法的有效性。

多分类器融合的指纹全局特征协同识别

指纹识别是生物特征识别中的热点,指纹全局特征识别具有明显的优势,但是单一分类器一般不能取得满意的识别效果。本文采用贝叶斯理论分析了常见的积、和、中值以及投票多分类器融合方法,并根据实际的选举情形,对投票法进行了2种改进。然后对3种指纹全局特征协同识别分类器:灰度值、主分量以及方向场分类器进行决策层融合,并采用了一种崭新而高效的协同模式识别方法。对FVC2002指纹库的实验表明:该方法具有较好的分类性能,预处理与特征提取简单、计算复杂度低、识别速度快、对污损指纹具有可靠的识别率、鲁棒性强,而且应用于身份认证中也取得了较好的认证效果。

基于权值优化的认知WiMax信号协同识别

传统的正交频分复用(OFDM)系统识别算法只能识别出接收信号是否为基于全球微波互联接入技术(WiMax)的OFDM信号,但无法判断该信号是认知信号,并且在复杂电磁环境下识别正确率低。为此,提出了一种协同识别认知WiMax无线网络OFDM信号的算法。该算法首先利用OFDM信号的循环自相关特性估计信号的有用符号时间,并通过估计各协同感知节点的信噪比对时间参数的估计值进行加权,得到有用符号时间的协同估计值,进而判断接收信号是否为基于WiMax系统的OFDM信号;再通过自私攻击策略,实现对OFDM信号是否是认知WiMax信号的判别,为进一步研究认知WiMax网络节点定位技术奠定了基础。仿真结果表明,与非协同识别算法相比,提出的协同识别算法在多径和低信噪比条件下具有更高的识别率。

无人值守变电站三维实景目标协同识别模型构建

为解决无人值守变电站三维实景目标识别存在的信息饱和及识别效果差的问题,构建了无人值守变电站三维实景目标协同识别模型,该模型使用三维激光扫描仪采集变电站空间数据,利用奇异值分解算法转换空间数据坐标,同时结合迭代最近点法完成点云数据配准,获取变电站三维实景模型,并使用改进原型模式重构的协同识别算法,针对变电站三维实景模型,重新设计反馈时机与反馈样本选择准则,实现无人值守变电站三维实景目标协同识别。试验验证结果表明,该模型在各种环境因素影响下均能准确识别无人值守变电站中设备情况,且避免原型模式重构信息饱和问题,识别率得到有效提高,具有一定应用前景。

改进原型模式重构的协同识别算法及应用

针对协同学模式识别中原型模式重构问题,通过分析当前协同模式识别算法研究的现状,对基于信息反馈叠加的原型模式重构算法进行了改进,重新设计了反馈样本选择的准则和反馈时机,从而在一定程度上解决了原型模式重构的信息“饱和”问题。将该方法应用于水下目标的识别中,仿真结果表明该算法有效地提高了模式识别的识别率和可靠性,在本文的仿真算例中训练样本识别率从改进前的96%提高到改进后的100%,而测试样本的识别率也从改进前的88%提高到91.7%。而且识别的稳定性有了较大的提高。

基于双源图像协同识别技术的驼峰抱闸车辆检测系统设计

为有效识别驼峰编组站抱闸车辆,提高车辆溜放作业效率,设计研发基于双源图像协同识别技术的抱闸车辆检测系统。采用双摄像机分别检测溜放车辆闸瓦和气缸状态,以提高系统检测的准确率。以YOLOX算法为网络基本框架,设计搭建抱闸车辆目标检测模型;因车辆抱闸属于小概率事件,导致模型训练样本稀少,为此采用Mosaic和Mixup算法扩充数据集;结合抱闸车辆制动部件小目标运动特点,引入混合注意力机制和转置卷积方法进行特征增强,优化小目标检测能力。经现场试验验证,该系统满足驼峰溜放作业对实时性和可靠性的要求,有效提高复杂作业环境下抱闸车辆检测的准确性,以进一步保障编组站作业安全。

基于角度引导Transformer融合网络的多站协同目标识别方法

多站协同雷达目标识别旨在利用多站信息的互补性提升识别性能。传统多站协同目标识别方法未直接考虑站间数据差异问题,且通常采用相对简单的融合策略,难以取得准确、稳健的识别性能。该文针对多站协同雷达高分辨距离像(HRRP)目标识别问题,提出了一种基于角度引导的Transformer融合网络。该网络以Transformer作为特征提取主体结构,提取单站HRRP的局部和全局特征。并在此基础上设计了3个新的辅助模块促进多站特征融合学习,角度引导模块、前级特征交互模块以及深层注意力特征融合模块。首先,角度引导模块使用目标方位角度对站间数据差异进行建模,强化了所提特征与多站视角的对应关系,提升了特征稳健性与一致性。其次,前级特征交互模块和深层注意力特征融合模块相结合的融合策略,实现了对各站特征的多阶段层次化融合。最后,基于实测数据模拟多站场景进行协同识别实验,结果表明所提方法能够有效地提升多站协同时的目标识别性能。

协同学理论方法在飞机识别中的应用

此文将协同学理论方法应用到飞机识别 ,同时利用小波变换中的图像融合技术 ,将每一类中的多种型号的飞机融合成一幅图像 ,以提高识别速度 .试验结果表明 ,把协同学理论方法与小波变换中的图像融合技术相结合对模式进行识别 ,不但精确率高 ,而且速度快 .这两点在军事目标识别中是十分重要的 .

基于深度卷积神经网络的海战场目标协同识别方法

海战场的目标识别是敌我判断、精确跟踪以及准确打击的前提,在现代海战中起着至关重要的作用。针对舰船编队场景下的海战场典型目标的识别问题,提出了一种基于卷积神经网络的协同识别方法,该方法通过优化VGG-NET的层数、节点数得到一组易于训练的精简网络,构建了一种多输入/单输出的舰船协同识别架构,提出一种基于D-S证据理论的加权和方法用于单输出的决策级融合。仿真实验表明,基于单平台的方法在烟雾环境下仅获得47.22%的识别率,而使用协同识别方法能够获得55.83%的识别率。该方法具有良好的性能,能够在复杂海战场环境下有效地识别目标。

基于深度时空循环神经网络的协同作战行动识别

针对协同作战行动识别面临的行为特征空间大、模型参数多、训练速度慢等问题,将时空图模型和时序建模有机结合,提出基于深度时空循环神经网络的协同作战行动识别方法,建立战场协同作战行动识别架构,引入建议窗口生成机制划分战场空间为局部战场集,利用时空图设计层次循环神经网络模型以识别局部战场协同作战行动,并结合局部战场协同关系传递性实现整个战场的协同行动识别。实验分析表明,该方法具有较高的协同作战行动识别准确率。

协同模式识别中不平衡注意参数的研究

本文讨论了协同模式识别基本动力学方程中注意参数不平衡情况下的动力学行为，证明了势函数的稳定不动点分布状况，并给出了注意参数的一些重要性质，以指导有选择性偏向的模式识别研究．

基于在线聚类的协同作弊团体识别方法

针对大规模服务计算环境中聚集反馈、协同作弊和虚假评价等问题,通过融合在线聚类与共谋欺骗检测技术,提出了一种支持大规模服务可信度分析的在线协同作弊用户发现方法.首先,根据大规模服务系统日志中用户反馈评分信息,综合考虑大规模服务计算的大数据特性问题,设计了一种新颖的基于改进更新规则的在线KMeans聚类算法:在基于随机梯度法的在线聚类算法的基础上,采用了一种改进的基于小批量学习的在线聚类方法;并且,通过自动修正权重的聚类分组方差计算,进行递减增量优化,提高了在线KMeans算法的聚类质量,同时保证了聚类算法的时间效率;然后,充分考虑了协同作弊团体的同谋行为特征和协同攻击现象,利用聚类分组的性质和同谋团体异常性的特征,检测出协同作弊团体.仿真实验结果表明:提出的基于在线聚类的协同作弊团体识别方法具有良好时间性能,有效地解决了大规模服务计算中虚假反馈的问题.

协同式目标识别系统的直觉模糊威胁评估

针对传统威胁评估方法存在权值设置主观性强,对结果的解释性较差等问题,提出一种基于直觉模糊推理的协同式目标识别系统威胁评估方法。首先给出系统的威胁评估指标并规范化,然后使用多种属性函数设计直觉模糊推理系统,设计推理合成算法,简化推理准则。仿真结果表明,直觉模糊推理系统有效反映了指标与威胁度的映射规律,方法合理有效,为干扰资源配置和火力打击部署提供决策支持。

一种新的协同模式识别学习算法

在协同模式识别中,学习可以归结为求原型向量和伴随向量.文中提出了一种基于核函数映射的学习算法,输入向量被隐式地映射到一个可分性有所提高的向量空间,然后计算变换后的原型向量.对伴随向量增加一个附加的约束以避免它的范数超过一定值,从而改善伴随向量的性能,减少误识别.通过对数字、英文字母和汉字等的训练实验表明,这种算法得到的伴随向量能更好地表示样本的特征,计算所得的初始序参量能更好地反映测试图像与训练样本之间的相似程度.

基于频谱监测传感网的分布式协同信号识别

为提高频谱监测传感网对电磁环境的感知能力,提出一种分布式协同信号识别算法.该算法在传感器节点上提取调制信号的高阶累积量和谱线特征,融合中心则根据对传感器节点的信噪比估计为各节点分配权值,并在特征层上对各节点提取的特征参数进行融合,利用已建立的特征分类器完成对调制信号的识别.仿真表明:在高斯白噪声信道,信噪比不低于-4dB时,对常见9种数字调制信号的识别概率高于90%;此外,在个别节点信道环境较为恶劣的情况下,仍能保持较高的识别能力.