基于直觉模糊核匹配追踪的目标识别方法

针对反导目标识别系统需对具有不同重要性的目标类别进行不同精度识别这一问题,提出一种基于直觉模糊核匹配追踪的目标识别方法.该方法利用核匹配追踪算法及平方间隔损失函数的优势设计了基于平方间隔损失函数的直觉模糊核匹配追踪学习机,并进一步扩展到任意非平方间隔损失函数,建立基于任意损失函数的直觉模糊核匹配追踪学习机.提出直觉模糊参数函数化的选取算法,使学习机的最终判决对指定的重要目标类别达到较高的识别精度.线性、同心圆样本高精度识别的实验分别展示了直觉模糊核匹配追踪算法的优越性,实际目标样本的识别结果验证了该方法的高识别率.

基于直觉模糊c均值聚类核匹配追踪的弹道中段目标识别方法

针对核匹配追踪算法(KMP,kernel matching pursuit)进行全局最优搜索导致学习时间过长这一缺陷,汲取直觉模糊c均值聚类(IFCM,intuitionistic fuzzy c-means)算法的动态聚类特性优势,提出一种基于直觉模糊c均值聚类的核匹配追踪(IFCM-KMP,intuitionistic fuzzy c-means kernel matching pursuit)算法,且对UCI库中4组实际样本数据进行了分类实验及有效性测试。最后,选取高分辨距离像(HRRP)这一弹道中段目标识别常用的特征属性,对其进行特征提取获得子像,并分别采用FCM,KMP,IFCM-KMP 3种算法对真弹头进行目标识别仿真实验及结果对比分析,充分表明了IFCM-KMP算法用于弹道中段目标识别较之FCM、KMP的优越性及有效性。

基于近邻传播聚类与核匹配追踪的遥感图像目标识别方法

核匹配追踪算法在生成函数字典的过程中常采用贪婪算法进行全局最优搜索,导致算法学习时间过长。该文针对这一缺陷,提出一种基于近邻传播(Affinity Propagation,AP)聚类与核匹配追踪相结合的分类方法(AP-Kernel Matching Pursuit,AP-KMP),该方法利用聚类算法来优化核匹配追踪算法中的字典划分过程,使用近邻传播聚类将目标数据集划分为若干小型字典空间,随后KMP算法在小型字典空间进行局部搜索,从而缩短学习时间。针对部分UCI数据集和遥感图像数据集,分别采用AP-KMP算法与另4种经典算法进行分类比较实验,结果表明该文算法在时间开销和分类性能上均有一定的优越性。

基于粒子群优化的直觉模糊核匹配追踪算法

针对现有直觉模糊核匹配追踪算法采用贪婪算法搜索最优基函数而导致学习时间过长的问题,汲取了粒子群优化算法全局搜索能力强、收敛速度快的优势对最优基函数的搜索过程进行优化,提出了一种基于粒子群优化的直觉模糊核匹配追踪算法,并将该算法应用于时效性要求更高的空天目标识别领域.实验结果表明,与传统方法相比,本文方法在识别率相当的情况下有效缩短一次匹配追踪时间,计算效率明显提高,且所得模型具有稀疏性好,泛化能力高等优点,特别适用于兼顾识别率和实时性的应用领域.

基于更贪心策略的快速正交核匹配追踪算法

为了得到信号的稀疏表达结果,正交核匹配追踪采用贪婪算法,在逐步回归建模过程中,每步只寻求当前最优原子,这使得计算效率大大降低.针对此局限性,提出了一种新的更加贪心的策略:在每次回归时,选择超过阈值的一个或者多个原子.为了更好的提高算法精度和稀疏度,再利用原子相似度对所挑选的原子做进一步筛选.实验结果和计算复杂度的分析说明:较传统的方法,新的基于更贪心策略的方法不仅能够提高计算效率,而且所得到的模型具有稀疏性好,泛化能力高等优点.

基于免疫克隆与核匹配追踪的快速图像目标识别

为了避免核匹配追踪通过贪婪算法在基函数字典中寻找一组基函数的线性组合来逼近目标函数的计算量大的缺陷,本文利用免疫克隆选择算法全局最优和局部快速收敛的特性,加快对核匹配追踪算法每次的匹配过程进行优化,提出了一种免疫克隆核匹配追踪图像目标识别算法,该算法有效降低了核匹配追踪算法的计算量,对UCI数据集和遥感图像进行的仿真实验结果表明,相比标准核匹配追踪,该算法保持相当识别率情况下可以明显缩短一次匹配追踪的时间,尤其当字典规模较大时效果更为明显;同基于遗传算法优化相比,本文方法目标识别速度快,精度高。

利用核匹配追踪算法进行雷达高分辨距离像识别

雷达高分辨距离像识别是目前雷达自动目标识别研究领域的一个重点.采用核匹配追踪算法来设计分类器,提取一种非常简单的高分辨距离像平移不变特征———功率谱特征为识别特征,通过把高分辨距离像从像域变换到功率谱域来提取目标的平移不变特征,稳健性较好.基于实测数据的识别结果表明该算法具有较好的识别性能,同时其识别运算量较小.

基于直觉模糊核匹配追踪集成的目标识别方法

针对现有直觉模糊核匹配追踪算法采用部分样本进行训练和停机策略而导致学习机泛化能力下降的缺陷,结合集成学习的思想,提出了一种基于直觉模糊核匹配追踪集成的目标识别方法。该算法通过采用样本扰动和参数扰动的二重扰动策略产生子学习机,并利用多数投票法对其识别结果进行融合,从而提高了集成学习机的分类精度和泛化性能。实验结果表明,与传统方法相比,该方法可获得更优的识别效果,有效提高了识别精度,并能避免采样学习带来的不稳定性。

基于粗糙集理论与核匹配追踪的入侵检测

提出一种将粗糙集理论与核匹配追踪算法结合起来的入侵检测方法,利用粗糙集理论在处理大数据量、消除冗余信息等方面的优势,减少机器训练数据,克服支持向量机(SVM)等算法因为数据量大而处理速度慢的缺点。同时,借助核匹配追踪良好的分类识别性能,并对每个样本作出不同的重要性定义,对粗糙集约筒后的最小属性子集进行分类,实现入侵检测的快速、高分类精度和高检测率。实验结果表明,该方法优于单纯采用粗糙集或人工免疫的方法。

基于Hadamard纠错码核匹配追踪的多类分类方法

针对传统核匹配追踪(kernel matching pursuit,KMP)学习机只能解决二类分类问题的不足,结合纠错输出编码(error-correcting output codes,ECOC)的思想,提出了一种基于Hadamard纠错码的核匹配追踪多类分类方法。该算法通过Hadmard纠错码将核匹配追踪算法推广到多类分类领域,并利用纠错码本身具备的纠错能力提高了分类器的泛化性能。实验中分别对UCI数据集和3种典型空天目标的高分辨一维距离像(high resolution range profile,HRRP)数据集进行测试,通过与2种经典的编码方法进行比较,结果表明该编码方法可以显著提高分类器的性能和鲁棒性。

基于粒子群优化的核匹配追踪目标识别(英文)

提出了一种基于粒子群优化的用于目标识别的核匹配追踪算法.该算法用粒子群优化算法在基函数字典中选择最优的基函数,大大降低了基匹配追踪算法的计算复杂度.通过与标准核匹配追踪算法及基于遗传算法的核匹配追踪算法对UCI数据集及纹理图像的识别试验表明,核匹配追踪算法优良的分类性能以及粒子群优化算法高效的全局搜索能力使新算法能有效识别目标数据.

基于免疫克隆的核匹配追踪集成图像识别算法

为了从分类器集成系统中选择一组较优个体子集,从而改善集成学习系统的性能,提出一种基于免疫克隆选择的核匹配追踪集成图像识别算法.该算法充分利用免疫克隆算法的快速收敛于全局最优解的特性,对训练得到的多个子核匹配追踪分类器进行免疫克隆选择,得到一个具有更好推广性能的集成系统.对Brodatz纹理图像库以及SAR图像进行目标识别.仿真实验结果表明,相比传统核匹配追踪分类器集成和基于遗传算法的选择集成方法,本文方法有更好的集成性能.

城市道路土基病害核匹配追踪识别算法

为准确识别道路土基病害以避免路面塌陷事故的发生,采用探地雷达对城市道路进行检测。针对城市非硬化道路和硬化道路土基病害出现的一般规律,首先通过维纳滤波器对探地雷达图像进行一维滤波,在滤波过程中,对增益函数进行倒谱域内的平滑处理,进而得到增强的雷达图像;然后,采用傅里叶变换、小波变换等信号处理方法,得到探地雷达图像在不同变换域的结果,并通过构建傅里叶核函数、多项式核函数、克罗内克核函数等不同的核函数字典,对探地雷达图像在不同变换域的结果进行匹配追踪,比较在不同核函数下的核匹配追踪序列;最后,通过比较不同核匹配追踪序列的差异,分别找出对道路土基水害和空洞病害类型敏感的核匹配追踪序列,通过该序列识别城市道路土基病害的类型。利用基于相关系数的病害度量算法比较核匹配追踪序列,判断城市道路土基病害发生的区域,并通过算法识别非硬化道路与硬化道路的地下病害。结果表明:病害类型及范围与实际情况相符,水害和空洞均能得到有效识别;通过5组城市道路探地雷达探测数据集验证了算法的有效性,识别准确率达到了99%以上;利用核匹配追踪算法处理探地雷达图像有助于城市道路土基病害识别,可减少路面塌陷事故的发生。

基于多尺度几何分析与核匹配追踪的图像识别

提出一种图像特征提取与识别方法.该方法利用图像多尺度几何分析中的 Contourlet 变换表示图像的丰富轮廓特征信息,利用 Brushlet 变换表示图像的纹理和平滑特征信息,将此两部分特征信息融合组成特征矩阵.选择模糊 C-均值聚类算法对特征矩阵进行聚类分析,获得其数据分布信息,再采用核匹配追踪分类器进行目标识别.该方法对图像中不同种类信息采用不同的表示工具,达到有效保持原始图像中有用信息的目的.对纹理图像和遥感图像进行分类与识别,结果表明与单独 Contourlet 和 Brushlet 特征提取方法相比,本文方法识别率高、运行时间短.

基于弱贪婪策略的快速直觉模糊核匹配追踪方法

针对现有直觉模糊核匹配追踪算法采用贪婪算法搜索最优基函数而导致学习时间过长的局限性,基于弱贪婪策略,提出一种随机直觉模糊核匹配追踪算法.该算法不需要保证每次迭代过程都能搜索到当前最优基函数,仅需要在原搜索空间随机抽取一个较小的核字典子集进行搜索来获得近似最优基函数,从而有效减少一次迭代过程的搜索空间,大大降低了算法的训练时间.仿真结果表明,所提出方法在保持识别精度相当的情况下,有效缩短了一次匹配追踪时间,计算效率明显提高,且所得模型具有稀疏性好、泛化能力高等优点.

支持向量机中Mercer核函数的构造研究

核函数的构造是支持向量机中的一个重要的问题,它直接影响模型的推广能力。在核匹配追踪学习机的基础上,提出子波核函数和多尺度核函数,利用多分辨分析可逼近平方可积空间L2(R)的性质,弥补传统核函数在逼近性能方面的不足,并通过实例证明其有效性。

利用旋转森林变换的异构多分类器集成算法

为了增强集成系统中各分类器之间的差异性,提出了一种使用旋转森林策略集成两种不同模型分类器的方法,即异构多分类器集成学习算法.首先采用旋转森林对原始样本集进行变换划分,获得新的样本集;然后通过特定比例选择分类精度高的支撑矢量机或分类速度较快的核匹配追踪作为基本的集成个体分类器,并对新样本集进行分类,获得其预测标记;最后结合两种模型下的预测标记.该算法通过结合两种不同分类器模型,实现了精度和速度互补,将二者混合集成后改善了集成系统泛化误差,相比单个模型集成提高了系统分类性能.对UCI数据集和遥感图像数据集的仿真实验结果表明,文中算法相比单一分类器集成缩短了运行时间,同时提高了系统的分类准确率.

基于PSOA聚类和KMP算法的说话人识别方法

在说话人识别领域,MFCC特征参数得到了广泛的应用,但是MFCC特征参数包含了语义信息、语种信息和说话人信息等多种信息,所以存在参数中说话人个性特征信息不明显的问题,而且将MFCC应用于SVM分类器时受Mercer准则的限制。针对以上问题,提出了一种将PSOA聚类与核匹配追踪算法(KMP)相结合的说话人识别方法,首先通过PSOA聚类算法将MFCC特征参数进行变换处理,得到精简的MFCC特征参数,然后利用KMP算法对核函数形式没有任何限制的特性,对精简后的MFCC特征参数进行分类训练和识别。实验结果表明,基于PSOA-KMP的说话人识别方法相比GMM-UBM识别方法,在EER性能上相对提高了38%。

基于GPR的城市道路地下病害差值检测方法研究

地下工程施工对道路路基破坏产生的地下空洞等病害是导致城市道路路面坍塌事故频发的主要原因,探地雷达(GPR)以其无损、快捷以及浅层高分辨率的优势被广泛应用于道路地下病害检测中。针对目前GPR技术在地下病害一次性检测中存在的环境干扰严重和检测精度低的问题,提出了一种基于差值检测的道路地下病害检测方法。首先通过差值检测算法对配准后的不同时相雷达图像进行差值处理,识别出变化区域即病害可能出现区域,然后利用改进的核匹配追踪算法,识别并提取道路病害特征。根据回波波组形态、振幅和相位特性、吸收衰减特性等方面特征,初步建立地下病害属性划分标准,进而将不同种类病害分级以指导施工修复。对北京四环路部分路段进行应用实验,结果表明:该检测方法有效提高道路地下病害的检测精度至80%。该方法可实现道路病害检测由一次性检测技术向周期性监测技术的转换,为保障城市道路和地下管线安全提供有效的技术支撑。

基于双字典集的信号稀疏分解算法

为得到关于信号更为稀疏的表示,提出一种基于双字典集的信号稀疏分解算法。在算法过程中,建立如下两个字典集:已选字典集和待选字典集。该算法以重复加权提升搜索(RWBS)算法为基础,增加了一步更为严格的从待选字典集中选择最佳核函数的过程,故该算法在保留初始算法的优点的同时,可以产生更为稀疏的模型。通过仿真实验和真实数据实验验证了所提算法的性能。