基于多源异构数据的城市“三生空间”功能识别

为协调生活、生产和生态空间的用地矛盾,解决数据驱动法在识别城市“三生空间”方面存在的判别不准确和数据覆盖范围不够等问题,提出了一种能够精准识别“三生空间”功能的方法。基于数据驱动法,结合POI(point of interest)、AOI(area of interest)和遥感等多源异构数据的多特征信息,分析在功能评价体系和分类模型中将不同数据源作为特征因子时的识别精度与尺度效应。以高原城市昆明市五华区建成范围为实验对象,研究结果表明:基于多源地理数据的识别准确率达到92%和94%。多源数据的多特征信息能够明显提升城市功能区的识别精度,为城市功能区精准识别提供了新的方法,能够在更小的尺度上为国土空间规划提供数据与方法支撑。

融合机器学习的空间结构智能损伤识别理论研究

为应对大跨空间网架损伤定位中动力指纹同损伤情况之间非线性映射关系难以求解的问题,依托实际工程模型验证了一种基于径向基函数(radial basis function,RBF)神经网络的改进空间结构损伤识别方法。该方法首先建立初始损伤工况同动力指纹数据间的映射,通过对比改进前后对验证工况下实测数据对应杆件的损伤指数识别,发现此方法能够提高网架杆件损伤预测结果10%左右的精确度,从而更快更准确地解决大跨空间结构损伤定位问题。

韵律特征在概率线性判别分析说话人确认中的应用

研究韵律特征在说话人确认中的应用。将整个韵律轨迹以固定段长和段移进行片段划分,并对其进行勒让德多项式拟合从而获取连续性的韵律特征,将特征映射到总变化因子空间,并用概率线性判别分析来补偿说话人和场景的差异。在美国国家标准技术研究院2010年说话人识别评测扩展核心测试集5的基础上加入噪声构造测试集,并分别对韵律特征和传统Mel频率倒谱系数进行测试。结果显示,随着信噪比的逐渐减小,Mel频率倒谱系数性能出现大幅度下降,而韵律特征性能相对比较稳定,两种特征融合后能使系统性能得到进一步提升,等错率和最小检测错误代价相对于Mel频率倒谱系数单系统最多能分别下降9%和11%。实验表明,韵律特征应用于说话人识别中具有较强的噪声鲁棒性,且与传统的Mel频率倒谱系数存在较强的互补性。

基于核Fisher判别分析的目标识别

核Fisher判别分析是基于Fisher线性判别提出的一种非线性分类方法,其主要思想是首先把样本映射到某一特征空间,然后在此特征空间进行Fisher线性判别,这样就隐含地实现了原输入空间的非线性判别.分析了核Fisher判别方法的分类机理,然后基于此方法对三类实际的船舶目标噪声谱进行了识别,并与神经网络、支撑矢量机等其他分类方法做了比较.实验结果表明,核Fisher判别分析(加上一线性支撑矢量机做阈值估计)的识别效果优于其他分类算法.

人脸识别中基于核的子空间鉴别分析

尽管基于F isher准则的线性鉴别分析被公认为特征抽取的有效方法之一,并被成功地用于人脸识别,但是由于光照变化、人脸表情和姿势变化,实际上的人脸图像分布是十分复杂的,因此,抽取非线性鉴别特征显得十分必要。为了能利用非线性鉴别特征进行人脸识别,提出了一种基于核的子空间鉴别分析方法。该方法首先利用核函数技术将原始样本隐式地映射到高维(甚至无穷维)特征空间;然后在高维特征空间里,利用再生核理论来建立基于广义F isher准则的两个等价模型;最后利用正交补空间方法求得最优鉴别矢量来进行人脸识别。在ORL和NUST603两个人脸数据库上,对该方法进行了鉴别性能实验,得到了识别率分别为94%和99.58%的实验结果,这表明该方法与核组合方法的识别结果相当,且明显优于KPCA和Kernel fisherfaces方法的识别结果。

一种改进的核特征抽取方法及其在人脸识别中的应用

首先利用核函数技术将原始样本隐式地映射到高维特征空间;然后在高维空间里利用再生核理论建立基于Fisher鉴别极小准则的2个等价模型;最后在该空间的核类间散布矩阵的非零空间和零空间中应用Fisher极小鉴别准则求取核鉴别矢量.在人脸库上的实验结果验证了该算法的有效性.

一种基于SVM的多目标模糊识别方法

支持矢量机是近年来在统计学习理论的基础上发展起来的一种新的模式识别方法 ,在解决小样本、非线性及高维模式识别问题中表现出许多特有的优势。本文重点分析了支持矢量机多分类问题中存在的错分、拒分现象 ,提出了一种基于支持矢量机特征空间的模糊隶属度函数。多目标识别的仿真结果表明 ,采用这种模糊隶属度函数 ,能够减少目标的错分和拒分数量 ,提高识别率。

基于核的两阶段稀疏表示的人脸识别研究

为了提高人脸识别的分类正确率,提出了一种基于核的两阶段稀疏表示(KBTPSR)的人脸识别方法。该方法首先利用一个非线性函数将原始数据空间映射到特征空间;然后,在该特征空间中将待测样本表示为所有训练样本的一个线性组合,接下来根据每个训练样本的表示贡献选出待测样本的M个最近邻;最后,将待测样本表示为上述M个最近邻的一个线性组合并且利用每一类训练样本对待测样本的表示贡献来完成分类。大量的实验结果表明,该方法可以获得很好的识别效果。

基于支持矢量机特征空间距离的多目标分类方法

支持矢量机是近年来在统计学习理论的基础上发展起来的一种新的模式识别方法,主要解决的是两类目标分类问题。多类目标分类一般是分解为多个两类目标分类。多类目标分类之后通常会对某些目标错误分类或者某些目标不能判定其类别,这就是支持矢量机多类目标分类中的错分、拒分现象。针对这个问题,该文提出了一种基于支持矢量机特征空间距离的模糊隶属度函数,根据模糊隶属度的大小对错分和拒分目标重新分类。对美国资源探测卫星数据的多目标分类仿真结果表明,采用这种方法重新分类后,能够有效地减少错分和拒分目标的数量,提高了正确识别率。

鉴别分析方法的最优化问题研究

提出了一种核Fisher鉴别分析方法优化方案,并分别给出了解决两类分类和解决多于两类的分类问题的算法,该方案具有明显的分类效率上的优势。在这种方案的实现中,首先从总体训练样本中选择出“显著”训练样本,对测试样本的分类只依赖于测试样本与“显著”训练样本之间的核函数。还设计出了一种选择“显著”训练样本的递归算法,以降低算法的计算复杂度。将该算法应用于人脸图象数据库与“基准”数据集,得到了很好的实验效果。

重庆市三生空间时空格局研究

“三生空间”对于国土空间格局优化和生态文明建设具有重要意义。利用重庆市2005、2010、2015年3期土地利用数据,基于土地的主导功能,划分“三生”用地空间,并进行时空格局分析。构建“三生功能”评价指标体系,采用GIS空间分析与景观格局方法对2015年重庆市“三生功能”进行定量化刻画与分析。结果表明:1)重庆市“三生空间”以生态空间为主,生产空间次之,生活空间最少,“三生空间”时空分布和空间变化特征明显;2)生态空间景观受人类活动影响在持续的加强,景观破碎化程度在不断地增大,生产空间受人类活动影响在加强,生活空间扩张趋势明显,集聚度越来越大;3)2015年重庆市三生功能呈现出较强的空间分异性,其结果与定性分析吻合度较高。

频率选择信道下的空时分组码盲识别

在单接收天线下,针对频率选择性衰落信道下空时分组码(STBC)的盲识别问题,提出了一种基于Kolmogorov-Smirnov(K-S)检测的有效算法。该算法以经验累积分布函数作为特征函数,通过K-S检测经验累积分布函数之间的距离,达到识别空时分组码的目的。在不同调制方式、采样因子和置信区间的条件下分别对算法进行仿真并讨论其性能,结果表明,该算法性能较好,在信噪比大于6 d B时可达到90%以上的正确识别概率,在非合作通信方面具有一定的实用价值。

基于自适应角度损失函数的深度人脸识别算法研究

角度空间损失函数往往因需要手动调节超参数而引起算法训练的不稳定,类别标签数量的不同也将导致算法的移植性较差。针对这些问题,提出一种带有下界判断的自适应角度空间损失函数并应用于人脸识别。该方法以假设人脸表达特征分布在超球体空间为切入点,通过分析不同超参数对训练结果的影响,使预测概率公式的二阶导数为零并动态地计算当前mini-batch角度分布的去尾平均数;为了提高算法的可移植性,根据类别中心的最小期望后验概率给出自适应调节超参数的下界。通过在LFW和MegaFace百万级人脸数据集上进行算法评估,证明提出的方法可以有效地提高人脸识别精度以及模型收敛率,在亚洲人脸数据集上的实验证明该方法具有较好的鲁棒性与移植性。

基于归一化光变函数的空间目标识别研究

为解决空间目标光度识别中模板建立、姿态分析、相关度量等关键问题,需要建立空间目标光度标准化描述。从空间目标识别问题的三元关系模型入手,分析了传统描述方法的局限性,提出了一种目标本体坐标系下的归一化光变函数描述方法。基于2类不同平台地球同步轨道卫星过去2年的实测光度数据,给出了各变量分布、各曲线对比的图形及统计结果。试验结果表明,归一化光变函数能有效分离观测条件,反映目标固有特征,适合作为空间目标光度特性的标准化描述。

STBC识别中不完全Gamma函数逆的近似解析求解算法

在雷达、通信信号的检测或识别等算法中通常会涉及到下不完全Gamma函数逆的求解.为了便于该类算法在DSP/FPGA等硬件平台上的实现,增强结果的可解释性,将求逆问题转化为对中心卡方随机变量最大值极限分布归一化常数的计算,利用极值分布的尾部等价性质,提出一种下不完全Gamma函数逆的近似解析求解算法,并将其应用于多输入输出空时分组码识别的阈值计算.仿真结果表明,当虚警概率小于0.001,天线个数小于8且样本量大于256时,该算法的相对误差小于10%,单次运算时间小于13μs,可满足实际工程应用需要.

实时FPGA手势识别算法的设计

针对手势识别的硬件加速问题,对图像识别技术进行研究,从手势边缘与肤色信息出发,借助FPGA平台的高速特性,在Sobel边缘提取算法的基础上,提出利用椭圆颜色域分离法与高斯函数加权来优化手势信息特征值提取的算法。原始图像分别输入Sobel边缘提取模块与色彩空间分离模块,经处理后的信号共同输入高斯加权模块,与肤色相关的边缘信息得到加强,无关信息得到抑制。该算法结合了手势图像的色彩信息与边缘信息,经过对比验证,表明通过对边缘与肤色信息的算法优化,能有效滤去与手势无关的信息,在不同光照下测试均获得足够的辨识度。

基于射频技术的高速运动图像自动识别模型

针对传统高速运动图像自动识别方法存在识别误差较高,用时过长,效果较差的问题,提出基于射频技术的高速运动图像自动识别模型.通过智能摄像头对高速运动图像进行采集,采用射频技术读取采集得到的高速运动图像编码,并对高速运动图像进行分析,再建立目标动图像尺度空间模型,将高速运动图像特征向量描述为特征点,并对其进行匹配,同时结合几何区域限定来完成识别.结果表明,所提模型在识别过程中识别误差较低,且识别用时较短,效果较好.

AL-OFDM和SM-OFDM空频分组码信号盲识别方法

针对空频分组码正交频分复用(space-frequency block codes with orthogonal frequency division multiplexing,SFBC-OFDM)信号盲识别问题,提出了一种基于互相关函数的空频分组码信号盲识别方法。首先根据不同SFBC-OFDM元素的相关性,推导了发射信号端信号的相关特性;然后根据发射端信号的相关性,推导了接收端SFBC-OFDM信号的相关特性;最后提出了基于峰值检测的识别算法。仿真结果表明,该算法在较低的信噪比(0 dB)下正确识别概率达到95%,且不需要预先知道信道信息、噪声信息和调制信息。该算法在不同调制方式、时延和频率偏移下正确识别概率在90%以上,能够应用于认知无线电、频谱监控等工程领域中。

基于双正交小波和加权NLDA的人脸识别

文章针对基于零空间线性判别分析方法在高维多类别的人脸识别应用中存在的"次优性"和"效率低"两个问题,提出了一种改进方法。该方法用加权函数重新定义类间离散矩阵以减弱边缘类带来的不良影响来改善次优性问题;并对图像进行双正交小波分解来降低分辨率以到达提高效率的目的。最后在ORL人脸库上进行了实验,通过实验确定了最优加权系数和小波分解的最佳层数,并验证了该方法比基于零空间线性判别分析方法有更高的效率和识别率。

基于深度学习的多STBC盲识别算法

针对空时分组码(space-time block code,STBC)识别中多种编码类型难区分的问题,提出了一种基于卷积神经网络的STBC盲识别算法。该算法首先将接收信号采用自相关函数的频域预处理,输入到卷积神经网络中对信号特征进行提取,全连接层对特征进行映射,实现对6种STBC类型的识别。仿真实验结果表明,在无信道和噪声等先验信息的条件下,所提算法能够有效区分3种相似度高的STBC3码,且将STBC可识别的编码类型由目前的4种扩充到6种,识别准确率能达到96%。该方法的复杂度较低,不需要利用大量样本数据,实时性高,具有较好的工程应用价值。