一种加权核鉴别分析方法

基于Fisher准则的核鉴别分析法(KDA)是最常用的非线性特征提取方法之一,但对于多类识别问题,就分类率而言Fisher准则并不是最优.本文提出了一种加权核鉴别分析方法(KIDA).首先利用非线性映射将原始样本隐式地映射到高维隐特征空间;在此特征空间内使用权函数重新估计类间离散度矩阵得到优化的准则函数,最后采用同时对角化方案求解最优鉴别矢量.在ORL和Yale人脸数据库上的实验结果验证了本文方法的有效性.     

基于S变换的时频特征提取与目标识别

目标的时间-频率联合分布能够很好地反映目标物理结构特征,可以作为雷达目标识别的一个有效手段。针对现有时频分析方法存在的识别率低和抗噪性能差等问题,提出一种基于S变换的空间目标回波信号电磁特征提取与识别方法。首先对目标的雷达回波进行时频分析,得出在较大方位角变化范围内和不同信噪比情况下,目标S变换的时频分布具有相对不变性的结论;然后基于这种稳定的时频分布特征,采用最小贴近度的方法进行分类识别。针对不同目标模型的仿真结果表明,该方法的识别率高于其他时频分析方法并且具有很好的鲁棒性。     

基于小波包分析的转子振动信号故障特征提取研究

针对处理转子振动故障时,FFT等传统方法不能很好地分析同一频率下不同类型故障并发的复杂信号的情况,提出采用小波包分析的方法并分离故障特征向量。通过对比FFT与小波包分析方法,可以明显看出小波包分析的先进性和有效性。     

一种改进的ORB特征匹配算法

针对现有的ORB特征匹配算法在图像模糊、光照变化、图像压缩、噪声条件下,匹配准确率下降问题,提出了一种改进的ORB特征匹配算法。首先,在提取特征点过程中,对图像进行网格化处理,并引入四叉树结构,使提取的特征点在图像中均匀分布,解决传统的特征提取方法遇到的特征点集中问题。然后,利用暴力匹配进行初步匹配,并采用交叉验证的方式,剔除部分误匹配,改善暴力匹配的结果。最后,利用高斯核对网格运动统计的结果做加权处理,优化统计结果,进一步剔除误匹配,得到准确率更高的匹配集合。实验结果表明:改进后的算法在图像模糊、光照变化、图像压缩和噪声条件下,平均准确率分别提高了3.5%、4.2%、2.2%和6%。      

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.     

基于距离相关图的音频相似性度量方法

相似性度量是基于内容的音频分析中的关键环节之一,目前往往沿用传统的统计分析思想实现,缺乏有效的呈现手段和对语义层信息的准确表达.提出了一种基于图像分割技术的相似性度量方法,通过特征提取构造特征空间,进而绘制特征向量间的距离相关图,通过对该图的可视化分析判断最大相似方向,并分别计算出局部相似性和全局相似性.给出了实验验证过程,该方法适用于数字广播等音频流中的片段查找等应用.      

基于样例的祥云图案生成模型

祥云图案的创作目前主要依赖手工绘制,现有的大部分研究工作主要针对真实感云和烟的模拟和绘制,本文提出一个基于样例和交互式草图的祥云图案生成模型。首先对手绘的祥云图案样例进行特征线的提取并归一化后形成特征库;用户输入简单的二维草图来分别表示云头、云体和云尾的骨架曲线;算法对云体和云头的草图轨迹进行非均匀自动划分得到生成线段集,利用这些线段到特征库中寻找相应的特征曲线并安装来得到云体和云头部分;通过对云尾骨架曲线进行平移和缩放来过程化生成云尾部分。实验结果表明,通过该生成模型,用户通过很少的交互和参数控制就可以生成大量具有手绘风格特征的祥云图案。     

主成分分析和支持向量机在无刷直流电机故障诊断中的应用研究

针对无刷直流电机(BLDCM)故障诊断问题,提出一种基于主成分分析(PCA)和支持向量机(SVM)的故障诊断方法。首先对故障时刻无刷直流电机三相电流进行分析,提取故障特征值;再由PCA从提取的故障特征值中选取敏感特征;最后使用SVM对特征值集合进行训练和测试,实现故障诊断与识别。该方法在6种无刷直流电机典型故障中进行了验证,故障诊断准确率高达92%,证实了该方法的有效性。     

基于时程卷积自编码的机翼绕流特征识别方法

机翼周围的流动状态直接影响其受力特性,流动特征的识别与分析对保证机翼的气动力研究尤为关键。基于空间流场参数的流动特征识别结果受主观阈值影响大;基于流场快照数据的流动特征分析难以完整表征流场的时变特征,且大范围的流场快照获取难度大,因而其实用性受限。本文基于流场时程数据的低维表征模型提出了无监督自动编码的流场时程特征识别方法。采用深度学习技术充分挖掘时程信号中的隐含的流动特征,建立流场时程数据的低维表征模型;进一步对低维的表征编码进行分析,将包含不同时序特征的测点样本进行特征聚类,实现了基于空间点时程数据的流场特征提取与识别。通过对NACA0012翼型的流场进行特征提取与分析验证了所得流动特征低维表征的准确性,实现了基于流场时程数据的流动分离区自动识别。本文可为相关流场特征提取、特征分析和特征表征等问题的研究提供新的方法与参考。     

平稳随机载荷的信号特征提取与深度神经网络识别

针对线性时不变结构的平稳随机载荷识别问题,从结构的动力学响应求解原理出发,利用小波变换对于信号特征的提取能力与长短期记忆神经网络（LSTM）对于序列问题的强大建模与映射能力,提出了一种针对平稳随机载荷的特征信号识别方法,通过对作用于三自由度振动系统数值模型上的平稳随机动载荷识别,证明了方法的可行性。对一个受2点平稳随机载荷作用的加筋壁板结构模型进行动载荷识别实验,结果表明,用提出的方法识别的动载荷均方根相对误差均小于5%,该动载荷识别方法具有良好的识别能力。