基于特征分层选择和融合度相结合的近红外光谱多类识别度量算法研究

针对高维空间下获取最优特征子集异常复杂和模型识别准确率较低的问题,提出了基于特征分层选择和融合度相结合的近红外光谱多类识别度量算法。首先引入跳跃度,构造了一种特征分层方法,将所有特征依据对样本的重要性程度划分不同的特征子集,从而避免了从原始特征数据逐个剔除无关特征构建特征子集的繁琐过程;同时又改进了样本的融合度,将其代替K最近邻分类器(KNN)中依据概率进行类别判断的方式,提高了分类器的识别精度,较好地解决了多类识别准确率较低的问题。为验证该算法的有效性,选取五类具有代表性382个烟叶样品为实验对象,构建了烟叶产地识别度量模型,并选取64个样本进行了模型测试,以预测均方根误差(RMSEP)、交互验证均方差(RMSECV)和相关系数(r)作为模型稳健性的评价指标,以产地识别准确率作为算法优劣评价标准。仿真实验结果表明,利用该算法构建的模型具有较低的RMSEP(0.117),RMSECV(0.106)和较高的r(0.973),平均识别准确率达到98.44%,性能明显优于其他算法,该算法对于高维光谱数据具有良好的识别性能。

神经网络用于多类识别问题的有效方法

本文主要讨论多类识别问题。训练集由许多已知类别的 ｋ 类样本组成。使用广泛应用的反向传播算法（ Ｂ Ｐ 算法）训练一个神经网络，使之能正确识别训练样本和测试样本。

基于EEMD的异常声音多类识别算法

为了提高异常声音信号的识别率,提出一种将总体平均经验模态分解和梅尔频率倒谱系数、短时能量及能量比相结合的特征提取改进算法,并对决策导向无环图支持向量机多类识别算法进行改进.首先对声音信号进行分帧,然后对每帧信号进行总体平均经验模态分解得到固有模态函数,最后对每层固有模态函数提取梅尔频率倒谱系数、短时能量和能量比特征.根据提取的特征,采用改进的决策导向无环图支持向量机算法对五种异常声音信号进行识别.仿真结果表明：改进的特征提取算法和决策导向无环图支持向量机多类识别算法相比改进前识的别率分别提高了2%和2.5%.

基于支持向量机的多类形状识别系统

支持向量机是一种能在训练样本数很少的情况下达到很好分类推广能力的学习算法,文中研究了支持向量机的分类机理,并将其应用于形状识别中,利用一对一判别策略构建了多类形状识别系统,实验中以交通标志图像为实验对象进行分类,结果表明该方法的泛化能力优于一般的识别方法。

多类模式识别的动态多叉树算法研究与实现

研究模式识别方法 提出动态多叉树算法 ,用以解决实际环境中复杂的或大模式类别学习及系统动态扩展问题 ,该算法利用分治和局部最优原理缩小目标范围 ,结合整体学习方法提高识别率 ,模拟人脑的循序渐进学习方式 ,实现知识增殖和继承 可解决现有识别系统在学习新知识会破坏已有知识 ,需重新学习的问题 并具有较高的识别率 ,可有效地处理巨模式类识别的问题 该系统可以用于人脸、字符、指纹等对象的识别分类 系统的构造方法体现其通用性 ,性能分析表明其可行性 。

基于兴趣点特征的多类物体识别

针对多类物体识别中计算量大、识别率低等问题,在现有模拟视觉系统的计算模型基础上,对原模型进行了改进,提出了改进模型.首先,通过有效的算法提取图像中的兴趣点,并以此为中心选择适当尺度的小块作为特征模板,从而提高模板有效性;然后,确立了以固定兴趣点个数的方法来选择兴趣点,从而解决多类物体识别中兴趣点选取的阈值问题.对多类物体分类识别的实验结果表明:改进后的模型比原有模型具有更快的识别速度和更高的识别率.

一种新的多类模式识别方法

提出了一种基于支撑向量机的多类分类器,用N1个支撑向量机组合构成一个具有二叉树结构形式的N多类分类器.讨论了该多类分类器的泛化推广能力,同时还提出了该多类分类器的基于特征空间的BTSVM学习算法.BTSVM算法使用核函数转换的方式计算特征空间的样本距离;采用类间最小距离最大化作为聚类准则,在每个决策结点产生两个最优子集;然后采用支撑向量机学习算法学习两个最优子集,确定决策结点的最优分类面.理论和实验结果表明,本文提出的基于支撑向量机的多类分类器在整体性能上要优于其它类似的分类器系统.

基于半监督boosting表面肌电信号多类模式识别

针对表面肌电信号较为复杂,且获取标注样本代价较大的问题,提出了基于半监督boosting学习的表面肌电信号多类模式识别方法。与目前半监督boosting算法着重解决两类分类问题,将多类问题转化为多个两类问题不同,本文方法通过联合分类置信度及样本间相似度确定每次迭代过程中未标注样本的预测类别,达到利用未标注样本提高多类问题正确识别率的目的,避免了将某一样本划分多类的问题。由实验分析可知,本文算法与现有半监督boosting算法相比,正确识别率更高,对于不同标注样本数及不同基分类器具有较好的鲁棒性。本文方法降低了人工标注代价,对多类问题具有良好的识别效果。

用于HRRP多类目标识别的D距离分类器

在雷达自动目标识别(radar automatic target recognition,RATR)领域,为了保证基于高分辨距离像(high-resolution range profile,HRRP)的目标识别算法在进行小样本多类目标识别时仍然具有优异的识别性能,需要提出一种同时具备优异泛化性能与低运算复杂度的识别算法。利用比值计算两个向量之间的比值距离,并将比值距离应用于距离分类器中,称之为D距离分类器。然后利用八类地面目标实测数据将D距离分类器与其他一些RATR统计模型进行比较,分别分析其在小样本与多类目标时的识别精度。最终结果验证出D距离分类器在训练样本有限且多类目标识别时仍然具有优异的泛化性能与很低的运算复杂度。

基于亲和传递聚类的多类物体识别方法

多类物体识别在提取特征之后,样本的数量会呈指数倍增加,为减少计算量同时,不降低识别率,采用亲和传递算法对样本数据进行聚类形成视觉字典,帮助并提升物体识别效率。在Sowerby图像数据库上进行实验证明,该方法与使用k均值聚类建立视觉字典方法相比,在同等条件下具有更高的识别率。

一种用于多类模式识别的综合感知器网络和学习算法

提出一种由感知器神经元组合成的综合网络模型及相应的学习算法 .网络由 3层感知器神经元组成 ,中间层到输出层的权值相应地为 +1或 - 1.输入层到中间层的权值通过学习获得 ,且中间层每个神经元的权值单独学习完成 .该学习算法在有限次迭代步骤内终止 .当算法终止时 ,对于可线性划分的多类模式识别问题总是能找到正确的解 .如果还有模式不能识别 ,则说明这是一个不可线性划分的多类模式识别问题 。

融合能量熵编码和分类模型的牵引电机故障诊断

针对牵引电机故障特征不明显、识别定位困难等问题,提出一种融合能量熵编码与分类模型的故障特征量化诊断方法。结合故障机理特性,对故障严重程度进行建模,用微弱电流信号重构对故障敏感的电磁转矩信号,建立基于经验模态分解能量熵和故障属性知识编码的故障特征矩阵;为消除牵引电机故障样本少、非线性模式识别对精确诊断的影响,提出一种改进的灰狼优化算法(IGWO)对支持向量机分类SVM模型参数进行辨识,通过对多类故障准确识别率寻优实现对牵引电机状态预测。在高速列车牵引系统半实物仿真平台进行优化模型对比试验,通过对故障诊断指标分析可知,能量熵编码与IGWO-SVM融合方案可以很好地识别牵引电机故障。

基于核聚类方法的多层次支持向量机分类树

针对解决多类模式识别问题的SVM方法进行研究,在比较几种常用的多类SVM分类算法的基础上,提出一种基于核聚类方法的多层次SVM分类树,将核空间中的无监督学习方法和有监督学习方法结合起来,实现了一种结构更加简洁清晰、计算效率更高的多层SVM分类树算法,并在实验中取得了良好的结果.

基于核聚类方法的多层次支持向量机分类树

针对解决多类模式识别问题的SVM方法进行研究,在比较常用的几种多类SVM分类算法基础上,提出了一种基于核聚类方法的多层次SVM分类树,将核空间中的无监督学习方法和有监督学习方法结合起来,实现了一种结构更加简洁清晰、计算效率更高的多层SVM分类树算法,并在实验中取得了良好的结果。

基于可分性的多类目标特征选择算法

对于多类目标识别,首先通过扩展类别标示符编码,给出了特征线性可分定义,基于Farkas引理推导了多类目标线性可分的充要条件．然后,借鉴支撑矢量机原理,在特征可分条件的基础上,定义了特征有效率并提出了一种新的多类目标特征选择方法．实测数据实验结果表明,与经典的Relief特征选择算法相比,文中算法的推广性能优于前者．特别地,对于小样本数据效果更为明显．

基于深度卷积神经网络的遥感图像目标识别与检测

提出了一种基于深度卷积神经网络的遥感图像多类目标识别方法,采用FasterR-CNN模型,以ZFNet为基础网络,通过实验显示对飞机、船舶以及油罐的识别准确率分别为90.67%、93.85%、83.33%,平均识别准确率达到了89.28%.同时与CNN、T-T-RICNN等识别检测方法的识别结果对比发现,提出的FasterR-CNN模型识别性能较好,有着良好的识别检测精度.

基于概念空间学习认知的机器人目标识别方法

针对复杂环境中机器人多类目标识别通常所依托的原始特征空间中数据区分度低、难以直接表达高层次特征知识的挑战性问题,采用概念空间知识表达方法,通过多传感器数据融合与特征提取建立基本特征空间,并运用高斯混合模型表示目标的各种属性,形成具有高层知识特性的概念空间,在此基础上进行高层知识的概念学习,增强多类目标在概念空间中的可区分性.利用支持向量机作为机器人的分类器,实现针对室内环境的多类目标物体的准确识别.实验结果表明:该方法不但有效地获取和表达待识别目标的高层特征知识,而且能有效提高机器人的目标识别与环境感知能力,展现出优越的分类识别性能.

一种新的多类模式识别支撑向量机

两类支撑向量机(SVM)用于模式识别具有最优的推广能力.对于常见的多类识别问题,需要构造多类SVM.本文提出一种新的基于决策树的构造方法,由此构成的多类SVM (DTSVM),与现有的方法相比,具有更快的计算速度,适用于需处理样本数较多的识别问题.

Identification and Quantification of Non-Spherical Particles

In commercial applications of phase Doppler anemometry (PDA), the effectiveness of non sphericity of particles is present and the response of PDA system deviates from the theoretical prediction. In this paper, the statistic characteristics of PDA signal related to irregular particles is analyzed and a method of statistic classification of irregular particles is proposed.It proves that the parameter of PDA signal for irregular particles is an unbiased estimation for spherical ones, the mean of the phase difference is in direct proportion to the mean diameter of particles and the standard deviation of the phase difference increases linearly with the standard deviation of irregular particles. As an application of the identification of irregular objects, fuzzy patterns and similarities of haemocytes are used to recognize and quantify cell samples.The statistic classification of particles is more significant in practice.

嵌入式系统用MPC860组建以太网

文章用HPC860在嵌入式系统中组建以太网,用集散表算法对多类IP地址进行 识别,并进行信息帧的发送、接收和检错。