基于“快速投票”算法的HMM/SVM混合识别模型及应用

提出一种基于隐马尔可夫模型(HMM)和支持向量机(SVM)的双层过滤识别系统。根据隐马尔可夫模型训练中不同结构的序列其L值分布范围不同的特点,对传统多类“投票模型”进行改进,提出一种“快速投票”算法。先用HMM对人类内含子和外显子进行识别,同时,对于L值区域有重叠造成识别率较低的部分,再用支持向量机进行第二次识别过滤。这一模型克服了传统用单一HMM识别方法的不足,实现了HMM和SVM的优势互补。实验表明,用HMM/SVM进行两类识别,其平均识别率达到了90%,进行多类识别,平均识别率达到了91.5%。

基于关键点的点对特征三维目标识别算法

针对复杂场景下的三维点云目标识别速度慢,准确率低的问题,提出了一种基于关键点的点对特征三维目标识别算法.通过直接对关键点建立点对特征,避免了周围邻域局部曲面的特征计算,具有空间维度小和计算速度快的特点.使用哈希表存储,加快了特征匹配的时间.利用快速投票方案对模型点云和场景点云进行匹配识别,生成候选位姿,利用贪婪算法对候选位姿进行聚类与筛选,采用ICP算法对物体位姿进行优化,基于配准后的点云重叠情况完成目标识别.对提出的算法在多个数据集以及真实场景下进行了实验,验证了所提出的识别方法具有可行性和有效性,且对噪声的鲁棒性较强,具有一定的实际工程应用价值.