小类别数手写汉字识别

针对小类别数手写汉字 ,在骨架图形的基础上 ,把手写汉字看作孤枝、孤环和部件的集合 ,并定义三者之间的方位关系 ,从而建立手写汉字的数学模型 .基于这种模型 ,进一步探讨一种新的识别方法以及新方法所使用的知识库的构造方法 .实验表明 。

星图识别的剖分算法

为了提高星敏感器的测量速度和精度,在星图识别中首次采用了在地球物理地质建模中有着广泛应用的剖分算法。利用这一算法进行星图的匹配识别,仿真实验结果表明与现有的星图识别算法相比,此算法具有高的识别率,良好的实时性和鲁棒性,且所需导航星库的容量小,检索速度快。

基于背景噪声估计的说话人识别算法

基于同段语音中有声和无声部分具有相同的背景噪声特征的假设,该文提出基于背景噪声模型估计的说话人识别算法。该算法从无声信号中提取背景噪声的HMM参数,并结合含噪音频特征估计说话人特征参数,进行识别处理。实验表明,该方法具有比传统去噪技术更好的识别能力,混合噪声下的说话人识别正确率达到了90%以上。

残差修正的加权多项式回归色彩特征化算法

在数字印刷领域,精确再现计算机图像的颜色是高质量印刷的前提,其中色彩特征化是关键环节。传统多项式回归模型由于高阶项会放大特征化样本集中的奇异值,导致模型振荡从而影响色彩特征化的准确性。基于神经网络的色彩特征化算法精度较高,但算法复杂度也呈数量级的提高,难以满足工业生产中的效率要求。为解决上述问题,提出残差修正的加权多项式回归算法,采用具有较强抗差能力的Huber损失函数来替代均方误差。通过自适应机制确定各个样本权重,并利用残差值迭代优化得到最佳权重矩阵,从而降低奇异值样本对系统的影响;此外,修正模块捕获第一个模型可能遗漏的非线性情况辅助调整转换结果,进而提高颜色再现准确性。结果表明,该算法与普通多项式回归相比,平均色差降低1.2,与基于深度置信网络的推理算法精度接近,但运行时间比其减少99.37%。

小波神经网络学习的结构风险最小化方法

针对大噪声、小样本情形下神经网络学习的外推能力弱这一突出的问题,根据统计学习理论中结构风险最小化准则的基本原理,提出了一种基于小波神经基元频率谱分布的小波神经网络阵列结构和基于小波多分辨逼近、综合风险分析的小波网络学习算法.该方法充分发挥了小波神经网络的优点,理论基础可靠,实际意义明确,算法实现简便,自适应性强.仿真实验结果和应用实例说明了该方法对于非线性系统在线辨识的有效性,同时也为统计学习理论的工程应用提供了新的途径.*

小类别数手写汉字建模

在手写汉字识别的研究中，鲜有研究者提出建立手写汉字的数学模型，本文在这方面作了一些探讨。建模的目的通常有两个：一是手写汉字的表示或描述，二是手写汉字的识别。本文针对小类别数手写汉字，在骨架图形的基础上，把手写汉字看作孤枝、孤环和部件的集合，并定义三者之间的方位关系，从而建立手写汉字的数学模型。实验表明，该模型用于识别。

自主天文导航系统中的两种状态方程特性分析

针对天文导航系统所采用的状态方程和量测方程对系统的性能和定位精度的影响,介绍了天文导航中常用的两种状态方程,航天器轨道动力学方程和牛顿受摄运动方程。通过计算机仿真结果分析比较了采用这两种状态方程的自主天文导航系统及其各自的特点和导航性能的差别,为在不同的情况下选用适当状态方程提供参考。

基于内容的音乐检索综述

根据基于内容的音频检索的研究现状,描述了当前相关研究的进展,分析并总结出音乐内容及其检索的概念,给出音乐检索的系统结构,综述了基于内容的音乐检索方法,讨论了基于内容的音乐检索的最新算法,并展望了该领域研究需要注意的问题和发展前景。

基于嵌入式操作系统的码流检测仪的设计

主要介绍了嵌入式实时操作系统及在数字电视广播码流监测方面的开发应用。以研究开发用于监控数字电视网络信号的码流监测仪为例,阐述了怎样开发具有网络功能的嵌入式设备。

基于双特征的丘陵山区耕地低空遥感图像配准算法

针对丘陵山区耕地小型无人机航拍图像(低空遥感图像)中的尺度变化、几何畸变、图像重叠等问题,提出了基于双特征的丘陵山区耕地低空遥感图像配准算法。该算法鉴于丘陵山区耕地背景环境复杂、光照因素等影响,采用尺度不变特征SURF算法提取了遥感图像的特征点,并构建了能够稳健描述航拍图像几何特征的双特征描述子;在此基础上,以高斯混合模型(GMM)为核心,结合2个单一特征差异描述子(基于欧氏距离的全局特征和基于和向量的局部特征)构造的双特征描述子,得到了能够同时通过2种特征进行对应关系评估的双特征有限混合模型(DFMM),并通过再生核希尔伯特空间(RKHS),基于高斯径向基函数(GRBF)对待配准图像进行了全局与局部结构双约束的空间变换更新。为了验证本文算法的可行性及其性能,采用小型无人机航拍的丘陵山区坡耕地多视角遥感图像开展了实验,将本文算法与SIFT、SURF、CPD、AGMReg、GLMDTPS及PRGLS进行了比较。实验结果表明,本文算法不仅在不同坡度的坡耕地航拍图像多视角配准过程中,均具有较好的鲁棒性,也适用于部分复杂地形小型无人机航拍的多视角遥感图像配准。

自适应VMD及其在状态跟踪及故障检测中的应用

针对变分模态分解(variational modal decomposition,VMD)的特征提取性能受到参数影响的问题,以及故障状态跟踪的实时性较差的问题,提出一种状态预警线构造方法和自适应VMD方法并将其用于机械零件的故障检测。首先,提取机械零件全寿命振动信号的退化特征,基于2σ准则构造状态预警线来跟踪机械零件的退化状态并检测故障预警点。然后,引入能量熵和互信息构造适应度函数,通过蚱蜢优化算法(grasshopper optimization algorithm,GOA)构造自适应VMD模型来检测预警点附近机械零件的故障状态。结果表明,提出的状态预警线能更及时有效地检测出故障预警点,自适应VMD能更准确地检测出机械零件故障,具有良好的应用价值。

基于变分贝叶斯层次概率模型的非刚性点集配准

非刚性点集配准是计算机视觉和模式识别领域的基础研究问题,现今的非刚性点集配准算法在存在大量离群点、噪声、点集对应关系缺失、旋转和形变情况下,不能非常准确地评估出两个点集间的对应关系.本文通过交替执行点集对应关系评估和空间转换更新两个步骤来逐步恢复点集间一一对应关系.在对应关系评估步骤,首先本文基于有限重尾学生t分布隐变量混合模型(student-t distribution Latent Mixture Model,简称TLMM)构造变分贝叶斯层次概率模型(Variational Bayes Hierarchical Probability Model,简称VBHPM)并将其分为对应关系评估组件和离群点聚合组件,分别用来评估点集间对应关系和聚合离群点,同时使用贝叶斯线性回归方法来抵抗噪声的干扰.其次本文加入Dirichlet先验分布来动态调节模型的混合比例,为对应关系缺失的点分配较小的混合比例以保持点集结构的稳定性.在空间转换更新步骤,本文基于变分贝叶斯(Variational Bayes,简称VB)框架来迭代更新模型参数,并提出树状平均场因式分解方法来维持模型参数间的依赖关系,以获得更紧致的变分下界.此外,本文提出自适应全局-局部约束策略来维持点集间结构的稳定性,抵抗形变和旋转影响的同时实现从局部到全局的约束过程.最后,本文采用了双阶段先验退火方案,在退火过程中使用Gamma先验分布来动态调节精度,实现由粗到精的配准过程.在实验部分,本文不仅测试了VBHPM的性能,而且展示了点集和图像配准的结果,并与当前流行的13种算法进行了比较,VBHPM皆能展现较准确的配准结果和较高的精度.

基于双门限算法的端点检测改进研究

端点检测技术是语音识别中的一个重要步骤,其准确性直接影响语音信号处理的效率,近年来对语音信号端点检测技术的研究一直是语音信号处理的热点。传统的双门限端点算法在实验室环境下检测结果较为准确,但在复杂信道环境下,正确率大大下降。针对传统双门限算法的局限性,论文提出了一种基于二级判决的改进方法。该算法采用短时振幅来构造过零"带",增强复杂环境下过零率的抗干扰性。同时增设辅音能量阈值和疑似辅音阈值,解决清辅音丢失以及无声段混入问题。实验结果表明,该方法在复杂信道条件下端点检测正确率有较大提高。

一种新的非结构化环境可通行区域检测算法

为了可靠地实现非结构化环境越野自主车辆前方可通行区域检测,提出一种基于四线激光雷达的点云特征检测算法。通过点云分布特征搜索具有相对平面扫描特性的较规则分布点云带,提取并拟合近似平行线段集,对规则点云的包络点集进行区域道路边界假设和拟合,根据车辆连续运行时间轴的上下文关系对边界进行滤波平滑和预测增补,并利用点云聚类特征检测区域内障碍物,融合边界与障碍物区域,考虑车辆可达性,最终得到安全的可通行区域。方法有效避免了大幅度、高频率非结构化振动环境中基于地平面绝对高度计算方法的严重缺陷,实验与比赛应用结果验证了算法的可行性与实用性。

基于异构可重构计算的AES加密系统研究

随着大数据的发展及加密场景的增多,仅以软件运行的加密方式难以满足加密性能的需求;而使用Verilog/VHDL方式实现的FPGA/ASIC加密系统又存在灵活性较差、维护升级困难等问题。针对上述问题,设计并实现了一种基于异构可重构计算的AES算法加密系统,包含了AES算法ECB、CBC、CTR三种主流模式,每种模式实现了128 bit、192 bit、256 bit三种密钥大小的加密。基于FPGA对模块分别进行了硬件加速,同时基于硬件可重构机制实现了不同模式及不同位宽加密模块的动态切换。通过在Intel Stratix 10上实现并验证该系统,实验结果表明:系统中AES-ECB、AES-CTR、AES-CBC吞吐率分别达到116.43 Gbps、60.34 Gbps、4.32 Gbps,ECB模式相比于Intel Xeon E5-2650 V2 CPU和NVIDIA GeForce GTX 1080 GPU分别获得了23.18倍与1.43倍的加速比,整体系统相比纯软件方式的计算加速比达到4.72。

基于嵌入式GPU的pyramid LK光流法高速计算方法研究

在嵌入式计算平台上实现双向约束LK金字塔高精度光流的实时计算,是该算法能否应用于自动驾驶等场景的重要影响因素。为了实现该目的,提出了基于网格划分的特征提取方法及新的双向约束方法;然后设计了动态窗口的金字塔模型,解决了光流计算过程中的负载不均衡问题;最后通过降低计算位宽,使得整体性能获得进一步提升。实验结果表明:在Jetson TX2上,针对真实场景所用的720P视频,所提出方法的性能比OpenCV的GPU版本提升了4.1倍,达到30 fps以上;将采用该方法的SLAM系统成功应用于车载场景并在真实环境中测试,使得系统的性能达到了28 fps。新方法有效地提升了位姿和点云的精度,较好地满足了车载场景的实时处理需求。

SM4国密算法的异构可重构计算系统研究

随着互联网的数据量呈爆炸式增长,以纯软件方式运行的SM4算法速度慢、CPU占用率高,而基于Verilog/VHDL实现的现场可编程门阵列或专用集成电路存在灵活性差、升级维护困难等问题。为了解决上述问题,提出了一种SM4国密算法的异构可重构计算系统的设计方案,采用高层次综合和异构可重构技术,通过优化数据内存分配与传输、优化循环、矢量化内核以及增加计算单元等方式,设计了SM4算法电子密码本模式和计数器模式的定制计算架构,并将该系统部署在FPGA异构平台。实验结果表明:SM4-ECB和SM4-CTR两种主流工作模式的定制计算架构在Intel Stratix 10 GX2800上,吞吐率分别达到109.48 Gbps和63.73 Gbps,是Intel Xeon E5-2650 V2 CPU上对应模式吞吐率的232.63倍和141.62倍。以此核心模块(包含数据输入、加解密、输出)的整体异构可重构计算系统的性能也分别达到了纯软件方式的4.90倍和3.56倍。该方案不仅实现了针对特定模式进行定制加速,而且可以通过硬件重构灵活支持不同的计算模式,兼顾了系统的灵活性和高效性。

海量数据分类v--SVM问题的软最小球方法

海量数据分类问题是目前SVM学习算法研究的一个热点。传统的SVM方法是通过计算二次规划问题求解的，当训练样本数较大时存在一定的困难。文章介绍一种新的方法，该方法把二分类问题看作特殊的软最小球覆盖问题。提出求解SVM问题的全新的最小球覆盖几何解释，通过软最小球算法进行求解，避免了计算复杂度高的问题。可以用来求解11目标函数海量数据v-SVM分类问题。实验结果表明，文章提出的算法与同类算法相比具有相当的竞争力。

基于联合权重超图划分的SNN负载均衡方法

大规模脉冲神经网络并行模拟是探究大脑机能的重要手段。其难点在于合理地将负载映射到并行分布式平台上,提升模拟速度。为解决该问题,提出一种基于联合权重超图划分的SNN负载均衡方法,解决并行计算中进程间计算负载与通信负载的均衡问题,提高SNN模拟速度,并使用稀疏通信的方式替代集体通信,解决事件通信过程中的数据冗余问题,提升通信效率。实验结果表明,该方法使带有STDP突触20%规模的皮质层微电路模型的模拟时间,比标准循环分配算法缩短约64.5%,比普通超图分配算法缩短约57.4%,同时事件通信数据量减少了90%以上。

内点最大化与冗余点控制的无人机遥感图像配准

利用小型无人机进行遥感图像配准在自然灾害损害评估、环境监测和目标检测与追踪等领域发挥着至关重要的作用,但小型无人机的图像采集过程容易受风速/风向、复杂地形、电池容量、飞行姿态、飞行高度等自然或人为因素的影响。这些问题通常会导致捕捉到的场景重叠率低与图像非刚性畸变,在特征点提取过程中产生大量冗余点,增加了图像配准的难度。本文提出一种基于特征点的小型无人机图像配准方法,该方法的核心思想是在配准过程中识别冗余点,同时最大化可用内点数量。所识别的冗余点当作控制点,用于控制网格代图像的运动。最后通过最大化内点和合理移动控制点来恢复图像变换。本文使用50对小型无人机图像进行特征匹配和图像配准的实验,其中平均配准精度可达80.38%,并且本文方法在所有的情况下都优于5种当前流行算法。