基于类内类间判据与遗传算法的故障特征选择方法

针对原始故障数据集因"高维"和"海量"引发的"维数灾难"问题,提出一种基于类内类间距离判据和遗传算法相结合的故障特征选择方法.在提取出时域、频域、小波包频带能量作为描述系统状态的原始故障特征集基础上,经类内类间距离判据初次选择剔除不相关特征之后,引入遗传算法二次选择去除冗余特征,得到一种近似最优特征子集.结果表明:基于类内类间距离判据和遗传算法的故障特征选择方法可以剔除不相关和冗余特征,最终得到精简特征子集,并且筛选出的特征子集对故障类型的判别有很高的识别能力.

基于聚类RBF神经网络的人体行为识别

提出基于聚类RBF神经网络的人体行为识别方法。通过基于单模态高斯背景模型的背景差分法提取动作轮廓;采用基于中心距的傅里叶描述子,对图像轮廓线进行处理,降低了特征的维数;利用谱聚类算法提取行为序列的关键特征向量,采用改进的基于聚类的RBF神经网络进行行为识别。仿真实验表明,该方法能有效识别人体行为类别,应用效果满足实际要求。

基于聚类神经网络的人体行为识别研究

本文提出了基于融合特征的聚类神经网络人体行为识别方法。采用了傅里叶描述子提取人体动作外形轮廓,利用外接矩形长宽比及变化率表征人体运动特征;提出了聚类分离度和紧密度相结合的Silhouette宽度,定义了训练参数目标误差为均方根误差RMS,采用改进的基于聚类的RBF神经网络进行行为识别。仿真实验表明,该方法能有效识别人体行为类别,应用效果满足实际要求。

基于最优分数阶傅里叶变换的模拟电路故障特征提取新方法

模拟电路故障诊断中故障特征提取是关键技术之一,为获得有效的故障特征信息,研究提出一种基于最优分数阶傅里叶变换(FRFT)的模拟电路故障特征提取方法。该方法把在原始数据空间中可分性差的特征数据映射到合适的分数阶空间,用类内类间距离作为判据,通过遗传算法确定分数阶p值,找出在分数阶Fourier域内类内类间距离最大的故障特征,然后用PCA降维和神经网络分类诊断。实验表明该方法能增强不同故障模式的可分性,提高了诊断结果的准确率。

一种基于量子遗传算法的红外图像分割方法

针对经典的二维O tsu和最大熵算法的不足,提出了一种基于量子遗传算法的海上红外图像目标分割方法.该方法同时考虑了图像像素点的灰度分布信息和像素间的空间相互信息,将基于fisher准则的类内类间距离判据作为分类依据,利用量子遗传算法进行寻优以获取最佳阈值,实现了海上红外目标图像的分割过程.选取3幅海上红外目标图像进行了仿真实验.实验结果表明,提出的方法在分割效果和计算速度上都优于传统的O tsu和最大熵法.

面向硬件木马检测的旁路信号特征选择方法

针对基于旁路分析的硬件木马检测中存在的旁路信号冗余以及高维问题,探究特征选择方法在去除冗余、降低旁路信号维数方面的可行性,提出了一种以类内类间距离作为可分性判据的特征选择方法对旁路信号进行预先处理。首先分析了IC芯片旁路信号的特征选择问题,然后阐述了基于类内类间距离的可分性判据以及特征选择搜索算法,最后在FPGA密码芯片中植入硬件木马,并基于K-L方法进行检测实验,通过对旁路信号进行特征选择前后的木马检测效果对比发现,该特征选择方法能有助于分辨出无木马的"金片"与含木马芯片之间旁路信号的统计特征差异,更好地实现硬件木马的检测。

利用局部离散度活动轮廓模型的强度非均匀图像分割

强度非均匀现象在真实图像中普遍存在,采用常规基于强度的分割算法会导致严重的误分割。针对强度非均匀图像分割,提出了基于局部离散度的活动轮廓模型分割算法。首先定义基于类内类间距离的离散度,然后利用核函数提取局部区域信息,同时加入边缘指示函数加权的轮廓线长度项能量,建立基于局部离散度的活动轮廓模型。最后引入水平集函数惩罚项,避免水平集方法在演化求解时需要不断初始化的问题。合成图像和真实图像实验结果证明本文算法性能稳定,适应于强度非均匀图像的分割。

基于DWT和ONMF的人脸表情特征提取

提出了一种基于离散小波变换(discrete wavelet transformation,DWT)和标准正交非负矩阵分解(orthonormal non-negative matrix factorization,ONMF)的人脸表情特征提取方法,该方法先通过离散小波变换,降低图像的噪声,并将得到的图像的低频信息作为研究对象;再采用标准正交非负矩阵分解来提取表情特征。实验结果表明相对于PCA,NMF和LNMF方法,本文方法能够有效地减小类内与类间距离的比值,体现了很好的聚类效果;较高的识别率和较快的识别速度表明了该特征提取方法的有效性。

农作物面积遥感调查中最佳波段的选择研究

以南京周边地区农作物面积遥感调查为例,对遥感图像的特征进行了研究,分析计算了研究区影像的各个波段的OIF指数和基于类内类间距离准则的J值,提出了一种基于OIF指数、类内类间距离准则的最佳波段选择方法,对于遥感图像处理中最佳波段选择具有借鉴价值。

基于目标特征与决策树支持向量机的生猪体态识别

为实现生猪异常行为的自动化监测,提出了一种数字化表示生猪目标特征的体态识别研究。首先对猪场采集到的视频图像采用改进的Grabcut分割算法进行生猪目标提取;然后基于生猪轮廓图像建立生猪目标特征集,包括圆形度、矩形度和Hu不变矩等12个特征;并利用类内类间距离判据对样本数据建立的特征集进行特征优选;最后构建决策树支持向量机(DT-SVM)对生猪体态进行分层识别。实验结果表明,选择的最优特征集可以有效地表征生猪体态信息,DT-SVM对单只猪的站立、躺卧和扎堆猪的适度扎堆、过度扎堆都有较高的识别率,为进一步探索生猪异常行为分析奠定了基础。

基于RBF神经网络的人体行为识别技术研究

本文提出了基于聚类RBF神经网络人体行为识别方法。采用背景差分法检测人体轮廓特征,Meanshift粒子滤波自适应算法跟踪人体运动特征,跟踪对颜色和纹理特征的特征融合方式进行了改进;采用了傅里叶描述子选取人体动作外形轮廓,利用人体运动速率表征人体运动特征;提出了结合聚类分离度和紧密度的Silhouette宽度,定义了均方根误差RMS为训练参数目标误差。实验表明,改进的算法提高了人体行为的识别率,具有较好的实用价值。