Improved AAG based recognization of machining feature

The lost information caused by feature interaction is restored by using auxiliary faces (AF) and virtual links (VL). The delta volume of the interacted features represented by concave attachable connected graph (CACG) can be decomposed into several isolated features represented by complete concave adjacency graph (CCAG). We can recognize the feature’s sketchy type by using CCAG as a hint; the exact type of the feature can be attained by deleting the auxiliary faces from the isolated feature. United machining feature (UMF) is used to represent the features that can be machined in the same machining process. It is important to the rationalizing of the process plans and reduce the time costing in machining. An example is given to demonstrate the effectiveness of this method.

Behavior Recognition of the Elderly in Indoor Environment Based on Feature Fusion of Wi-Fi Perception and Videos

With the intensifying aging of the population,the phenomenon of the elderly living alone is also increasing.Therefore,using modern internet of things technology to monitor the daily behavior of the elderly in indoors is a meaningful study.Video-based action recognition tasks are easily affected by object occlusion and weak ambient light,resulting in poor recognition performance.Therefore,this paper proposes an indoor human behavior recognition method based on wireless fidelity(Wi-Fi)perception and video feature fusion by utilizing the ability of Wi-Fi signals to carry environmental information during the propagation process.This paper uses the public WiFi-based activity recognition dataset(WIAR)containing Wi-Fi channel state information and essential action videos,and then extracts video feature vectors and Wi-Fi signal feature vectors in the datasets through the two-stream convolutional neural network and standard statistical algorithms,respectively.Then the two sets of feature vectors are fused,and finally,the action classification and recognition are performed by the support vector machine(SVM).The experiments in this paper contrast experiments between the two-stream network model and the methods in this paper under three different environments.And the accuracy of action recognition after adding Wi-Fi signal feature fusion is improved by 10%on average.

FEATURE EXTRACTION AND RECOGNITION FOR ECHOES OF HRR RADAR

This paper describes a novel target recognition scheme using High Range Resolution (HRR) radar signatures. AutoRegressive (AR) method is used to extract features from HRR radar echoes based on scattering center model of target. The optimal linear transformation based on Euclidian distribution distance criterion is performed on AR model parameter vectors to reduce dimension of feature vectors further and improve the class discrimination capability of feature vectors. The optimization algorithm is designed utilizing the quadratic property of criterion function and Gaussian kernel based Parzen window density function estimator. The concept of Stochastic Information Gradient (SIG) is incorporated into the gradient of cost function to decrease the computational complexity of the algorithm. Simulation results using three real airplanes,data show the effectiveness of the proposed method.

面向对象影像信息提取软件Feature Analyst和eCognition的分析与比较

介绍了目前最为先进的两种面向对象的影像信息提取软件Feature Analyst和eCognition。通过对两种软件设计思路、工作流程和软件特殊性的对比分析,探讨了影像信息自动提取的发展趋势。

Unsupervised feature selection based on Markov blanket and particle swarm optimization

Feature selection plays an important role in data mining and recognition, especially in the large scale text, image and biological data. Specifically, the class label information is unavailable to guide the selection of minimal feature subset in unsupervised feature selection, which is challenging and interesting. An unsupervised feature selection based on Markov blanket and particle swarm optimization is proposed named as UFSMB-PSO. The proposed method seeks to find the high-quality feature subset through multi-particles' cooperation of particle swarm optimization without using any learning algorithms. Moreover, the features' relevance will be computed based on an information metric of relevance gain, which provides an information theoretical foundation for finding the minimization of the redundancy between features. Our results on several benchmark datasets demonstrate that UFSMB-PSO can achieve significant improvement over state of the art unsupervised methods. © 1990-2011 Beijing Institute of Aerospace Information.

A Survey of Wi-Fi Sensing Techniques with Channel State Information

A review of signal processing algorithms employing Wi-Fi signals for positioning and recognition of human activities is presented.The principles of how channel state information(CSI)is used and how the Wi-Fi sensing systems operate are reviewed.It provides a brief introduction to the algorithms that perform signal processing,feature extraction and recognitions,including location,activity recognition,physiological signal detection and personal identification.Challenges and future trends of Wi-Fi sensing are also discussed in the end.

面向机器智能的情感分析

大模型的兴起,尤其是以大模型为基础的人工智能技术的发展与应用引起了全社会对人工智能技术的广泛关注。人工智能技术已经在很多方面达到甚至超越人类,可以替代人工完成一些技艺要求较高的工作。不过,在人工智能迈向人类智慧的道路上,仍然有许多难题亟待克服与解决,其中一个重要的问题就是情感分析与理解问题,如让机器准确理解人类的情感。针对该问题,文章从情感的定义与分类入手,对情感分析研究需要解决的问题,研究方向、研究现状、面临的挑战、应用前景与展望等进行了讨论。

基于ALIF-MPE-SVM组合算法的电机轴承早期故障诊断

为了提高电机用轴承的安全运行稳定效率,通过ALIF算法自适应分解非平稳信号,再以MPE从IMFs中提取出非线性故障信号,将MPE降维处理后的故障特征量利用MPE-SVM思想智能故障的诊断功能,开发得到一种MPE-SVM故障诊断技术,再根据测试得到的电机轴承故障参数完成算法有效性验证。研究结果表明:大部分故障信息都出现于最初的三个IMF内,主成分比例超过80%,因此以前3个主成分作为特征量并将其代入MPE-SVM内实施训练。各组别都可以对故障损伤的准确识别,表明以MPE作为故障特征能够满足有效性要求。ALIF-MPE具备比EMD-MPE更优的分类性能,达到了较低的标准差,稳定的分类状态。该研究能够准确识别电机轴承不同故障程度,对提高同类机械传动设备的故障诊断水平具有很好的理论支撑意义。

融合人体骨架和姿势信息特征的轻量级人体动作识别方法

针对人体动作识别任务中特征值选取不当导致识别率低、使用多模态数据导致训练成本高等问题,提出一种轻量级人体动作识别方法。首先使用OpenPose、PoseNet提取出人体骨架信息,使用BWT69CL传感器提取姿势信息;其次对数据进行预处理、特征融合,对人体动作进行深度学习分类识别;最后,为验证此方法的有效性,在公开数据集WISDM、UCIHAR、HASC和自建的人体动作数据集上进行实验验证,并使用改进的目标引导注意力机制(target-guided attention,TGA)–长短期记忆(long short term memory,LSTM)网络输出最终的分类结果。实验结果表明,在自建数据集下融合姿势和骨架特征达到99.87%准确率,相比于只使用姿势信息特征,识别准确率提高了约5.31个百分点;相比于只使用人体骨架特征,识别准确率提高了约1.87个百分点;在识别时间上相比于只使用姿势信息,识别时间降低了约29.73 s;相比于只使用人体骨架数据,识别时间降低了约9 s。使用该方法能及时有效地反映人体的运动意图,有助于提高人体动作和行为的识别准确率和训练效率。

声音识别技术在计算机信息检测中的应用研究

重点探讨声音识别技术在计算机信息检测中的应用,通过阐述声音识别的基本原理,详细介绍声音识别在计算机信息检测中的应用流程,包括声音采集与预处理、特征提取、模式匹配与识别这3个主要步骤。实验结果表明,基于梅尔频率倒谱系数(Mel Frequency Cepstral Coefficients,MFCC)特征和支持向量机(Support Vector Machine,SVM)分类器的声音识别系统能够有效识别计算机使用过程中的正常操作声音和潜在威胁声音,为计算机安全监测提供了新的解决方案。

水声目标的MFCC特征提取与分类识别

水声目标识别技术在水下信息处理中起着非常重要的作用,从辐射噪声中提取水声目标的有效特征一直都是水声目标识别技术的难点所在。提出了一种利用水声目标辐射噪声的梅尔频率倒谱系数(Mel-Frequency Cepstral Coefficients,MFCC)作为目标特征提取的方法。通过对辐射噪声信号进行梅尔频率滤波得到目标噪声信号的MFCC特征,它模拟了人耳对不同频率的声音具有不同感知能力的听觉非线性效应,因此具有良好的识别效果。通过对实际水声目标的辐射噪声进行测试实验,提取目标噪声信号的MFCC特征向量,并运用K近邻算法对其进行分类识别,实验结果显示MFCC特征提取与分类识别算法对水声目标的识别率达到85%以上。

MFCC特征训练技术在声纹识别中的应用

阐述MFCC声纹特征提取的原理、MFCC特征提取模式和基于MFCC声纹识别的实现。提取模式包括MFCC提取流程、短时傅立叶变换STFT、梅尔滤波器组的构造、离散余弦变换(DCT)与MFCC特征值的提取。针对融合特征提取方案可分性与鲁棒性的缺陷提出改进方案。

面向骨架手势识别的全局时空可变形网络

基于骨架序列进行手势识别关键在于如何融合时空信息提取可分辨性强的特征。该文提出关键点聚焦模块,通过全局上下文建模和不受限于固定形式的卷积方式,网络可以跨越多帧和不相关的关键点,在全局范围内自适应地聚合与手势动作密切相关的关键点信息,提取手势的时空特征。实验表明该方法在ChaLearn2013和SHREC数据集上得到的准确率可以达到94.88%和95.23%,优于现有方法。此外,该方法在处理噪声数据和动态手势方面稳定性更好。

基于时空特征融合的交通警察手势识别

近年来,随着人体姿态估计技术的发展,基于骨架关键点的手势识别技术应运而生。提出了一个GCPM-AGRU模型进行交通警察手势识别。为了更准确地定位人体关键点,对卷积姿态机(CPM)进行改进。在特征提取模块中加入残差思想、通道拆分和通道重组,设计后的特征提取模块更好提取图片特征;在CPM第一阶段加入并行多分支Inception4d结构,使CPM网络具有多尺度特征融合思想,有效改进对人体关键点定位的问题;提出基于注意力机制的GRU,通过为每帧分配不同权重来达到对每帧不同程度的关注,从而更好获取时间信息;结合时空特征信息进行交通警察手势识别。交通警察手势识别的准确度达到了93.7%,相比网络改进之前提高了2.95个百分点。

煤矿GIS一张图快速构建平台研究

目前,煤矿使用的工程专题地图基本都是CAD制图,高效提取CAD图件中的数据并快速组织成地理信息系统(GIS)服务,进而支持矿井空间对象创建和业务属性扩展,集成安全生产实时数据,是构建煤矿GIS一张图的关键。基于ArcGIS平台将CAD图件转为GIS服务的方法实现过程较为繁琐,且ArcGIS平台成本较高,无法较好地跨平台运行。针对该问题,设计了一种煤矿GIS一张图快速构建平台。该平台包括CAD图件管理、地图服务发布、专题地图管理3大功能模块:CAD图件管理模块用于图件基础信息管理和状态跟踪,地图服务发布模块用于地图打包发布和在线预览,专题地图管理模块用于地图服务管理、矿井对象创建及属性扩展。基于开放设计联盟(ODA)的Teigha for Java SDK实现CAD图件全要素精确识别与快速准确提取;通过构建基于GIS数据特征的煤矿CAD图件数据分层描述模型,实现了CAD图件全要素数据快速存储;按照面向对象设计思路,开发了Spring Cloud框架下的Web端煤矿CAD图件数据集存储接口及专题地图服务发布平台,实现了煤矿GIS一张图快速构建。以某煤矿采掘工程平面图为例,分别采用传统方法和快速构建平台进行煤矿GIS一张图的构建,对比结果表明,快速构建平台可大幅提高煤矿GIS一张图的构建效率,为煤矿智能化建设提供时空数字底座。

利用U-Net神经网络的多光谱图像草地特征提取

针对多光谱图像目标物特征提取中波段信息融合、计算数据量大、上下文语义信息易混淆等问题,提出了一种融合U-Net神经网络的特征分析方法进行多光谱图像草地识别。首先对图像进行预处理,通过几何校正、辐射校正和图像配准等消除各种不良干扰;然后利用主成分分析法和相关性分析法实现特征波段选择;最后搭建U-Net神经网络进行草地特征提取,辨识出样本图像中的草地范围。仿真实验表明,该方法具有较高的特征辨识和提取精度,具有一定的可行性。

有遮挡人脸识别进展综述

人脸识别技术水平不断提升,在身份认证、人机交互等应用上得到了较为理想的识别率,市场规模不断增长。然而真实场景下的遮挡问题并没有被彻底解决,如何抑制或消除遮挡对人脸关键性特征的负面影响是当前人脸识别领域的热点之一。针对遮挡导致的人脸结构信息缺失问题,对有遮挡人脸识别数据集和有遮挡人脸识别方法进行综述,首先介绍分析了一些重要的新型有遮挡人脸识别数据集;其次,归纳分析了用于解决遮挡问题的传统方法和深度学习方法,重点介绍了基于深度学习的特征鲁棒性提取方法和遮挡部位信息恢复方法;最后,总结分析了相关方法的优缺点,指出有遮挡人脸识别研究存在的问题和挑战,对未来研究方向进行了展望。

基于混合特征与信息熵的人脸微表情识别算法

采用目前方法对人脸微表情进行识别时,存在识别率低、精确度低、运算处理耗时长的问题。提出基于混合特征与信息熵的人脸微表情识别算法,利用二维Gabor小波变换提取人脸眼睛和眉毛的微表情特征,再利用信息熵提取人脸鼻子和嘴的微表情特征,结合整体面部特征加入到支持向量机中,并在Sigmoid函数基础上构建深度学习模型,将优化分类矩阵代入模型中进行多项式阶次训练,获取面部特征分类矩阵,并根据矩阵结果识别人脸微表情。实验结果表明,所提方法识别率高、精确度高、运算处理耗时短。

生物模板保护背景下的迁移学习

基于深度卷积神经网络(CNN)的方法是生物模板保护中较流行的技术。生物特征信息作为人的唯一属性,具有最高安全保护性。目前,大量研究工作正致力于通过更强大的模型架构和更好的学习技术来进一步改进匹配精度。然而,在探索现有深度人脸识别模型的特征提取能力的研究仍然相对较少。文中分析了经典的三种深度学习网络在不同人脸数据集的特征提取能力,具体来说,对比了VGG16、ResNet50、GoogleNet在同一种模板保护下的性能。仿真结果表明:在图像退化的人脸验证VGG16性能优于其他模型;在图像质量高的情况下,ResNet50最优;GoogleNet在面对复杂学习任务性能更强。匹配精度表明迁移学习优于绝大多数特征提取方法。

多粒度融合的命名实体识别

目前主流的命名实体识别算法都是从词汇增强的角度出发,引入外部词汇信息提升NER模型获取词边界信息的能力,并未考虑到中文字结构信息在此任务中的重要作用。因此,该文提出多粒度融合的命名实体识别算法,同时引入中文字结构与外部词汇信息,通过编码汉字中每个字部件,并使用注意力机制使得文本序列中的字启发式地融合细粒度信息,赋予模型获取中文字形特征的能力。在多个命名实体识别数据集上的实验结果显示,该算法在模型精度以及推理速度方面具有较大优势。