用组合不变量进行模式识别的一种新方法

用与目标的位置、大小、方向和其他变化无关的特征来识别目标是模式识别领域的一个热点。现存的基于不变特征的二维模式识别方法在目标被模糊了的情况下都无法精确识别。本文提出了一种可解决上述问题的新的模式识别方法。该方法用组合不变量作为图像特征 ,以加权规格化互相关作为分类技术。在分类过程中 ,使用每一类的所有原型的第 k个特征的类内标准方差的均值作为加权因子以提高识别率。对头像的数字试验证实了组合不变量特征对图像的平移、伸缩。

基于组合不变量配准的数字减影算法

在现代医学中,DSA是X光片血管可视化技术的重要组成部分之一,在DSA中图像配准对消除运动伪影起着关键作用。运用一种基于组合不变量的相似度测量的模板匹配和弹性TPS算法配准减影方法,并根据实际情况有所改进。经过试验证明这种方法可以自动并有效地去除运动伪影,其速度和血管图像质量均比较理想。

基于一种应力不变量组合的岩石强度准则

针对深部高地应力条件下岩石的破坏机制,建立起一个基于一种应力不变量组合的岩石非线性强度准则。这个应力不变量组合将任意应力状态分解成三个部分:一部分表示最大剪切状态,另一部分代表静水压力状态,最后一部分补充中间主应力的影响。它能解释粘性和塑性介质不可回复变形模型中能量耗散(弥散)的物理机理。该强度准则考虑岩石的拉伸破坏,可同时描述岩体的剪胀或剪缩破坏,其破坏面可以是闭合的也可以是张开的,其子午线能反映高应力状态下的岩石非线性。与两种典型应力状态的试验数据进行了比较,符合较好。

基于拉普拉斯变换技术的配电网概率潮流算法

由于分布式光伏电源接入地区配电网后,其随机性和相关性使得潮流变化具有一定的不确定性,因此针对光伏电源及波动负荷的不确定性,提出了一种基于拉普拉斯变换技术的半不变量法配电网概率潮流计算.通过拉普拉斯变换特性利用半不变量有效估计随机变量的概率密度函数或累积分布函数,进而描述含分布式光伏电源接入配电网的随机变化情况.为了验证组合半不变量和拉普拉斯变换技术,将仿真结果与蒙特卡洛模拟和基于最大熵原理的半不变量方法进行比较.IEEE-33节点算例表明所提方法具有较高的计算精度和较快的计算速度,与基于最大熵原理的半不变量法相比计算负担更低.

基于特征级融合和支持向量机的飞机识别

提出一种新的基于组合不变量的飞机识别方法。对不同飞机机型图像,提取Hu矩、仿射矩和归一化傅里叶描述子(NFD)3类不变量进行特征级融合。针对组合不变量取值范围较大问题,提出采用4种归一化方法,结合支持向量机(SVM)以提高飞机识别系统的分类性能。仿真实验表明,提取飞机的组合不变量特征,采用传统神经网络或SVM构建分类器,分类性能均优于单一类别不变量的同类分类器,且SVM的分类性能要优于传统神经网络。同时,当组合不变量要与智能型分类器结合时,采用特定的归一化方法才能取得较好的识别率。