三维人体运动数据提取的人机交互方法及实验

提出使用人机交互的方法,通过加工处理现场录像资料,并与计算机图形学技术相结合,整体提取人体的三维运动数据.针对提取过程中的关键环节--数据提取人员,进行了姿态识别精度实验.实验的样本采用计算机图形、图像以及动态画面,实验结果表明识别精度良好.最后介绍了对运动数据的加工转化过程.     

基于ICA和BP神经网络相结合的掌纹识别

提出了一种基于独立成分分析(ICA,Independent Comment Analysis)和多层前馈(BP,Back Propagation)神经网络相结合的方法对掌纹进行识别.首先采用一种新的方法检测角点,得到掌纹图像的不变特征点,根据这些点校正掌纹方向并得到掌纹的感兴趣区域.对该区域采用定点快速ICA算法(FastICA),得到掌纹特征子空间,然后构建BP神经网络,并采用训练样本得到的掌纹特征进行训练,得到合适的权值.对香港理工大学掌纹数据库进行测试,与主成分分析(PCA,Principal Components Analysis)提取特征的方法进行比较,取得了较高的识别率.      

采用多层感知器的润扬桥损伤分析与定位

将针对一座大跨斜拉桥的拉索损伤采用多层感知器（MLP）进行损伤定位研究。首先在动力计算基础上定义了损伤模式,通过分析损伤模式发现：由各个损伤位置引起的损伤模式具有本质的不同特征,而损伤程度只是对损伤模式曲线的线性放大;第4,6,7阶频率对拉索损伤不敏感,因而将这3阶从损伤模式中剔除。然后采用trail-error方法设计了一个MLP网络来描述损伤模式的7维映射空间。辨识结果证明：设计合理的MLP可以有效地描述结构的损伤模式,并能正确地进行损伤定位。     

一种基于序贯最小优化改进的支持向量机空间有形小目标识别方法

提出了一种基于序贯最小优化改进的支持向量机空间有形小目标识别方法。首先陈述了空间有形目标识别的意义并分析了其特点,进而提出了一种基于预分类的两级分类识别策略。在此基础上重点针对空间有形小目标识别所具有的小样本学习问题的本质和特点,采用基于序贯最小优化(Sequential Minimal Optimization :SMO)改进的支持向量机解决训练问题,从而提高了训练的效率和精度。最后,通过10类空间有形小目标共1360个成像尺度不大于30×30像素的仿真样本进行仿真检验,结果表明本文所提出的识别方法的正确率达到了98%(训练样本数454,测试样本数906),完全可以满足实际应用需要,而且具有良好的实时性。     

信息融合模型的神经网络描述

主要研究了信息融合模型的构造,分析了它的并行性、层次性及环路动态特性,并力图用神经网络结构对其进行描述;最后给出一个用于目标识别的简化模型。     

基于特征匹配的飞机外表面缺陷差异检测研究

针对光线差异、角度差异影响下,飞机外表面缺陷图像失真造成缺陷差异特征难以提取的问题,构建基于特征匹配的飞机外表面缺陷差异自动检测模型。使用融合Canny算子的改进SIFT算法构建飞机外表面缺陷图像异常特征匹配金字塔生成机体图像特征描述子,结合复合阈值约束与K-means聚类算法投影变换描述子并进行自适应阈值缺陷差异标定,实现自动检测标记不同光线及角度下的机体缺陷异常特征。实验结果表明,所提飞机外表面缺陷差异识别模型能自动检测实时拍摄的飞机外表面缺陷图像异常,具有较强抗变换性。     

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PR- ERNIE模型的航空安全风险量化分析

有效地利用实体识别技术识别出航空不安全信息中的风险要素,提升安全风险识别和评价能力,对于实现航空安全风险量化分析具有重要意义。为精准识别非结构化航空不安全信息中的风险要素,提出了一种融合先验规则和知识增强语义表示模型的实体识别模型,以大量航空不安全事件案例文本报告为分析对象,在自建标注语料上训练ERNIE模型,获取动态词向量,同时引入能够表达风险要素结构的规则进行优化。实验结果表明,模型在测试集上的精确率、召回率和F1值分别达到了92.5%、92.4%和92.4%,优于实验对比的其他模型。模型能够有效识别航空不安全信息中隐含的风险要素,为航空安全风险量化分析提供数据支持。