基于边缘检测与最小二乘支持向量机的人脸图像识别

文章建立了完整的人脸识别系统,通过图像预处理、特征提取和识别3个过程,实现了人脸的分类识别;研究了图像预处理过程中的边缘检测方法,比较了基于一阶导数的Robert算子、Prewitt算子、Sobel算子和基于二阶导数的Gauss-Laplacian算子的检测效果□在识别阶段采用最小二乘支持向量机方法,进行人脸识别实验,并对实验结果进行比较。     

基于改进FaceNet的飞行器结构裂纹识别方法

基于计算机视觉的裂纹自动识别算法在飞机全尺寸疲劳试验中具有较好的工程应用前景。但由于飞机结构构型多样、疲劳试验环境复杂,直接应用现有的目标检测算法会存在较高的误判率。因此,提出一种基于关键部位状态对比的裂纹识别方法,以人脸识别模型FaceNet为基础,利用对比机制消除结构表面纹理、划痕等干扰因素的影响,并通过对裂纹数据结构和特征分布规律的分析,对FaceNet模型的样本生成规则、网络架构和损失函数进行了适应性改进。该方法具有对裂纹敏感、对图像质量要求低的特点。在疲劳试验环境中,该方法对长度为0.2～5 mm裂纹的检测准确率为97.6%,相较于现有方法优势明显。     

关于人脸识别原型系统设计的研究

人脸识别具有直接、友好、方便的特点,是进行身份确认的最自然直接的手段.人脸识别对身份自动确认和身份自动辨认具有重要的科学意义和巨大的应用价值.正是因为如此,近年来在国际上有很多研究者对基于人脸特征的身份识别和验证进行了大量的研究.本文综述了人脸识别系统研究现状,在此基础上,所论证的人脸识别原型系统,人脸识别算法简单,提取的人脸特征空间占用小,为人脸识别系统实用化提供了可行的、实际的研究平台.     

一种基于肤色和脸部特征的人脸特征点检测算法

人脸检测通常是人机系统中人机交互的第一步,像人机系统中基于人体特征的用户身份识别,计算机对用户感情和意图的理解等.本文提出了一种用于办公室环境下的彩色图像中人脸检测算法.基于一种新的肤色检测算法,对图像进行肤色区域检测.算法通过构建眼,嘴模板来进行人脸的校验.实验结果表明,该算法可以实现在图像中出现照明,人脸表情,尺度较大范围变化情况下的人脸检测.     

基于磨粒磨损机理的机械磨损状态监测

针对机械设备磨损状态监测准确率较低的问题,基于不同磨损机理下磨粒具有不同的形状和纹理特征,提出了一种基于磨粒特征识别的机械磨损状态监测的数学模型。通过形状特征识别球状磨粒和切削磨粒,结合形状、纹理特征识别疲劳磨粒和严重滑动磨粒,基于提取的特征参数建立机械磨损状态监测的特征向量,通过量子粒子群优化(QPSO)的径向基函数神经网络模型,实现对机械磨损状态的监测和判别。实验结果表明:QPSO-RBF神经网络数学模型结构简单,比传统PSO-RBF神经网络模型的识别准确率高5%,可用于常见机械磨损状态的检测。      

基于域自适应的复合材料结构损伤识别方法

深度学习模型能够辅助提高基于导波的复合材料结构损伤监测的可靠性，但需要大量的损伤样本。以大量的模拟损伤样本和少量的真实损伤样本为基础，设计一种基于域自适应的损伤识别模型，实现从模拟损伤识别向真实损伤识别能力的迁移。首先，通过粘贴质量块收集大量模拟损伤数据，设计卷积-时序混合神经网络，实现对模拟损伤的高准确率识别；然后，在模型中加入域自适应模块，使模拟损伤和真实损伤数据在特征空间内分布规律近似，进而在无需对真实损伤进行标注的情况下，实现准确识别。实验结果表明，该方法对真实损伤的检出准确率为85.7%,优于传统深度学习模型。     

局部自主遥操作中的抓取构型识别研究

针对局部自主遥操作过程中识别目标准确率低的问题,提出了一种基于改进快速区域卷积神经网络的抓取构型识别方法,通过对其区域生成网络中锚点尺度、前景特征区域、候选框的线性回归和分类网络分别进行改进,以提高抓取构型识别的准确率。首先将抓取构型参数化,然后在目标区域中利用锚点法对抓取构型参数进行识别,结合视觉传感器采集到的深度信息确定目标高度,并通过线性回归方法对抓取区域进行修正。通过搭建机器人试验平台,利用Cornell Grasp Dataset进行训练与测试进行验证。试验结果表明,提出的方法在简单网络识别准确率为96.4%,并成功实现机器人对目标的抓取。     

汉语动词框架库的自动构建技术研究

语义知识库是自然语言处理的基础性工程,但现阶段语义知识库的构建,大部分基于人工。针对动词语义信息在自然语言处理中的实际应用,提出了自动构建汉语动词框架库的方法。首先,本系统针对不同的格关系抽取不同的扩展特征,并提出了将格标作为特征,训练得到基于最大熵的格关系识别模型,从而有效的识别了文本中的动词格关系。其次,采取有效的基于现有词语相似度的算法,并加入了启发式信息,从语料库中自动获取动词对必需格关系的语义选择限制。实验结果表明,对动词格关系识别的准确率达到了90．70％,在语义限制阶段,对必需格角色的语义类识别的准确率达到了98．00％。     

基于Multivariate BiLSTM-FCNs的机动实时识别方法

机动的实时、准确识别对飞行员意图识别、空战态势感知具有重要意义。提出了将完整机动划分为若干机动单元,采用基于Multivariate BiLSTM-FCNs的方法自动提取并分析机动单元数据内部的时序特征和依赖关系,实现对机动单元的精确识别。然后通过机动单元窗口过滤噪声机动单元,实时监测机动是否执行或发生变化,实现机动单元到完整机动的实时识别。通过仿真实验识别了筋斗、盘旋、俯冲、爬升和破S机动。实验结果表明,在平均识别延迟率仅为26.19%的情况下,机动识别准确率高达96.67%。     

基于遗传算法提高计算机连续语音识别率的研究

为提高计算机连续语音识别准确率,应用遗传算法人工智能控制技术具有的高效全局启发式搜索特点,探讨了提高计算机连续语音识别准确率的优化方法,通过提取语音特征参数,作为初始语音群体的生成,把语音识别内核程序中语言焦点作为遗传算法中操作算子,以高效全局启发式适配语音类型,连续语音识别准确率提高7％,为实现真正意义上计算机“人一机对话”进行了大胆的尝试。     

NNW-TopViz流场可视分析系统

流场可视化技术采用图形图像直观地表现CFD数值模拟的计算结果,使用户能够方便地对这些数据进行分析、比较和研究。然而,CFD数值模拟的流动复杂,其产生的流场数据规模巨大、数据类型复杂、特征提取困难,传统的串行可视化软件效率低、交互手段单一,难以满足数据分析的需求。国家数值风洞（NNW）工程研制了一套流场数据处理可视化软件系统（NNW-TopViz,简称TopViz）,具有对流场数据处理与特征提取、几何图形绘制等可视化与交互功能。根据可视分析效率需求,TopViz实现了线程并行,在多核计算环境下有效提高了可视化计算和交互效率;针对流场特征提取困难、常规方法效率低的问题,TopViz实现了基于卷积神经网络的流场旋涡特征提取方法,提升了特征提取准确率和效率;为提高软件交互效率并提供便捷的交互方式和体验,基于头戴式显示设备和体感控制器构建沉浸式虚拟显示与交互平台,TopViz实现了手势和眼球凝视2种交互方法,提供沉浸式环境下多视图、多角度流场探测方式。     

基于IRCMNDE和NNCHC的滚动轴承故障诊断

针对多尺度散布熵（MDE）在粗粒化过程中易发生信息丢失、产生虚假信息,难以全面提取轴承故障信息的问题,提出了基于改进的精细复合多尺度归一化散布熵（IRCMNDE）和最近邻凸包分类（NNCHC）的滚动轴承故障诊断方法。引入精细复合多尺度散布熵（RCMDE）,将其粗粒化过程中平均值替换为最大值来表示数据段信息,以克服传统粗粒化过程的不足并突出故障特征。通过归一化操作减弱熵值计算时不同参数选择导致的熵值波动幅度,得到IRCMNDE。将IRCMNDE作为故障特征,使用NNCHC分类器对故障特征进行分类。经实验验证,该方法可达到98.98%的故障识别准确率,相比基于MDE（故障识别准确率为95.99%）和RCMDE（故障识别准确率为97.60%）的方法,能够更准确地提取滚动轴承的故障特征信息,提高承故障分类的准确性。      

基于SVM算法的虚假航迹识别

针对云雨杂波和主被动干扰导致多雷达传感器产生虚假目标航迹的问题,利用支持向量机(SVM)算法的自主学习能力,通过构建基于数据驱动的判别模型进行虚假航迹识别。针对航迹起始得到的目标潜在航迹,利用人工智能数据驱动、自学习的特点,设计了SVM算法。通过对已标记真假的目标航迹样本进行离线学习,形成虚假航迹识别的SVM分类器,实现了基于数据驱动的判别模型代替先验知识规则约束的固定模型,并在工程应用中,利用SVM分类器在线识别虚假航迹,完成实时剔除。通过实测雷达数据实验验证,该算法的目标虚假航迹准确率高达95%以上,完全满足实际的工程应用需求。相比基于阈值或规则进行硬性判断的传统虚假航迹识别方法,所提出的算法不仅提高了准确率,还具有较高的实时性,能够适应复杂多变的杂波环境,在实际应用中具有更强的适应性和实用性。因此,提出的基于SVM算法的虚假航迹识别方法对于密集杂波场景下的虚假航迹剔除问题具有显著的实际应用价值。     

一种自动化并行重叠网格隐式装配方法

重叠网格装配是处理计算流体力学领域多体相对运动问题的关键技术之一。针对常见重叠网格隐式装配方法中几何分析过程复杂、节点无差别并行查找操作影响并行装配效率等问题,提出一种高度自动化的重叠网格隐式装配方法。首先,基于协方差分析、切割盒子等快速算法,将壁面距离计算与贡献单元存在性判断解耦,实现网格组动态重叠关系的自动化识别;其次,结合集合分析,设计出并行化的自动挖洞算法;最后,通过快速查询方法建立重叠单元与贡献单元的插值关系。针对所实现的并行重叠网格隐式装配工具库,采用某五球体部件验证了自动挖洞逻辑的准确性,并通过机翼-挂架-外挂物（WPFS）模型检验了重叠单元与贡献单元插值关系的准确性。     

基于脑电和眼动信号的人机交互意图识别

意图识别在人机交互（HCI）领域受到广泛关注,传统人机交互意图识别方法单纯依靠脑电（EEG）或眼动数据,不能很好地利用2种方法优点。为此,提出了一种融合脑电和眼动数据的人机交互意图识别方法,通过采集脑电和眼动信号,进行特征提取,输入机器学习模式识别网络进行意图识别,并基于Dempster-Shafer （D-S）证据理论进行决策层融合得出最终识别结果。招募了20名有效受试者进行交互意图识别实验,结果表明,基于脑电和眼动信号的人机交互意图识别方法识别准确率高于单纯依靠脑电和眼动数据的方法,可为下一步飞行器和武器系统人机交互系统自适应设计提供理论依据和技术支持。     

基于PDM的航空CIMS集成框架的研究与实现

讨论了基于PDM集成中存在的问题 ;提出了采用CORBA中间件构造基于PDM的集成框架、实现CIMS应用集成的方法 ;阐述了集成框架体系的功能和实现技术     

一种求解D-S诊断识别框架方法

利用D-S证据理论进行故障诊断时,首先需准确地确定出诊断识别框架,这是D-S故障诊断的先决条件.在导弹武器等复杂系统中,存在着故障原因与故障征兆之间关联关系不确定的现象,增加了求取诊断识别框架的困难.为此,提出了一种求取复杂系统的D-S诊断识别框架方法.首先,基于基本诊断模型,给出了诊断贝叶斯网络模型.以及求解诊断贝叶斯网络模型的方法;然后,给出了征兆集合等概念以及求解故障识别框架的方法;最后,通过示例验证了方法的正确性.     

一种基于Deep-GBM的航空发动机中介轴承故障诊断方法

针对航空发动机中介轴承故障信号难于识别的特点，提出了一种深度梯度提升模型（Deep-GBM）对振动信号特征进行逐层学习以提高分类模型的准确率。开展某型航空发动机中介轴承故障模拟实验，并采用经验模式分解(EMD)方法对采集的振动信号进行分解，提取内蕴模式函数(IMF)分量非线性动力学参数样本熵作为原始故障特征。采用Deep-GBM对中介轴承内环故障、内环和滚动体综合故障、正常、滚棒剥落、滚棒划伤五种不同状态进行识别。实验结果表明，所提出的Deep-GBM故障诊断准确率达到87%，相对于传统的机器学习模型准确率最高提升了28%，并具有良好的泛化能力。      

基于频带相关性Deep Learning的无线通信干扰智能识别

近年来,随着无线通信技术在军事领域的发展及各类无线通信装备数量的增加,战场电磁环境变得越来越复杂,其要求通信系统具有更强的抗干扰能力,而智能干扰识别是抗干扰的前提.基于传统机器学习的各类干扰识别算法存在干扰前期特征提取繁杂、低干噪比(JNR)下识别正确识别率低的问题.本文针对上述问题,引入了并行多路多尺度卷积,通过增加...     

复杂产品系统的风险管理实现研究

提出了一套跨研制单位持续项目风险管理机制.在其风险因素识别阶段.提出了以核对表和鱼刺图为基础的基于特征一因子法的风险因素识别法;在风险量化阶段,提出了先基于模糊综合评判进行单个风险量化、后基于改进PERT方法进行风险整体量化的实现方法:在风险应对阶段,提出了基于人工神经网络和框架知识表示及推理相结合的风险应对方法,建立了混合型专家系统.以实现风险应对智能化.最后,以具体实例说明了该项技术的可行性.