最优的核判别分析用于雷达目标识别

特征提取是雷达目标识别研究中的重要问题,有效、稳健的特征是提高识别率的关键。核判别分析(KDA)是一种抽取非线性特征的有效方法,但它会因为奇异性问题而难以求解。基于子空间投影的思想,给出一种最优的核判别分析(OKDA)方法,用于对雷达目标的距离像进行特征提取,然后采用基于核的非线性分类器对所提取的特征进行分类,实现对雷达目标的识别。分别对仿真和实测距离像进行实验,结果表明该方法具有较好的识别效果。     

基于支撑矢量机的纸币序列号识别

在完整分割序列号的基础上,将所有字符图像分为训练数据和测试数据,以字符图像本身作为特征,利用支撑矢量机进行训练和识别。利用分类器对两种不同的策略进行了实验（即字母和数字混合识别;字母和数字分别识别）,结果表明,后者不但在时间上有所缩短,而且识别率更高,是更为可取的方法。     

基于DCT和KDA的人脸特征提取新方法

提出了一种新的人脸特征提取方法,该方法采用DCT对人脸图像进行降维和去噪,并通过KDA提取人脸特征。基于该特征,采用NN分类器,对ORL人脸库进行分类识别,仅用28个特征平均识别率就达到97.3%,“留一法”识别率为99.5%。仿真结果表明:该方法有效地滤除了人脸图像中的高频干扰信息,明显增强了特征的辨别能力,同时显著地降低了特征维数和计算复杂度。     

基于PCA和PSO-SVM的手写数字识别应用研究

针对当前手写数字识别正确率较低这一不足,提出了一种主成分分析(PCA)和粒子群算法优化支持向量机(PSO-SVM)的手写数字识别方法。首先,利用PCA降低输入数据的维数,然后把降维的数据作为SVM的输入,用PSO不断优化SVM中的核函数参数g和惩罚因子c,以提高分类精度。实验结果表明:同传统的SVM、GA-SVM、网格搜索算法、卷积神经网络(CNN)相比,PSO-SVM方法分类方法具有最高的识别准确率且运算效率也较高,达98.2%,性能上优于其他几种分类算法。     

采用非线性核支持向量机并基于基因表达数据的基因选择和分类

在基于微阵列的癌症分类中,由于变量(基因表达)较多,而实验条件较少,因此特征选择和分类方法非常重要。对于疾病诊断,分类器的性能直接影响到最终结果的准确性。本文提出一种新的基因选择和分类方法,这种方法使用基于递归特征排除(RFE)的非线性核支持向量机(SVM)。实验表明本文方法比其它线性分类方法具有更好的整体表现,如线性核支持向量机和Fisher线性判别分析方法;同样本文方法也比一些非线性分类方法更好,如采用非线性核的最小二乘支持向量机(LS-SVM)。实验除了使用测试集,还使用留一校验算法(leave-one-out)用于测试分类器的泛化性能。实验采用可通过互联网获得的AML/ALL数据集和遗传性乳腺癌数据集。     

基于EEMD穿墙雷达人的运动模式识别

根据穿墙雷达动目标探测中人的运动多普勒信号属于非线性、非平稳信号的特点,分别采用经验模式分解(EMD)和整体平均经验模式分解(EEMD)将人5种运动的多普勒信号分解为一系列本征模式函数(IMF)。采用支持向量机(SVM)学习算法,将两种方法分解后的各IMF能量占总能量的百分比作为支持向量机分类器的特征向量进行模式识别,分析了特征向量维数对识别率的影响,比较了EMD和EEMD的识别率。EEMD能够消除EMD存在的模式混合问题,识别率更高,达到94%以上。     

基于量子门神经网络的手写体数字识别

手写体数字识别作为模式识别研究热点之一已得到广泛应用,诸多应用对手写体数字的识别率要求也越来越高,同时对批量数据处理的速度也提出了更高的要求.本文针对改善手写体数字的识别正确率和批量数据处理速度,将基于量子门组的神经网络方法引入到手写体数字识别中,通过选取字符的粗网格特征作为识别特征进行仿真实验.实验结果表明,该方法能够有效提高手写体数字的正确识别率.     

基于Small RTOS51的加速溶剂萃取仪器的研制与开发

在基于微阵列的癌症分类中,由于变量(基因表达)较多,而实验条件较少,因此特征选择和分类方法非常重要。对于疾病诊断,分类器的性能直接影响到最终结果的准确性。本文提出一种新的基因选择和分类方法,这种方法使用基于递归特征排除(RFE)的非线性核支持向量机(SVM)。实验表明本文方法比其它线性分类方法具有更好的整体表现,如线性核支持向量机和Fisher线性判别分析方法;同样本文方法也比一些非线性分类方法更好,如采用非线性核的最小二乘支持向量机(LS-SVM)。实验除了使用测试集,还使用留一校验算法(leave-one- out)用于测试分类器的泛化性能。实验采用可通过互联网获得的AML/ALL数据集和遗传性乳腺癌数据集。     

双谱特征提取在欺骗式干扰方式识别中的应用

为了识别出具体的欺骗干扰方式,从而使雷达有针对性地选择抗干扰方法,该文提出了基于双谱特征和模式识别技术的欺骗式干扰识别方法。该方法给出了欺骗式干扰的双谱分布和估计方法,在分析其分布特征和统计特性的基础上,定义两种特征因子;采用基于核聚类的支持向量机分类器,完成对不同欺骗干扰方式的识别;建立了完整的干扰模式识别模型。仿真实验表明,该方法对3种不同欺骗干扰方式的正确识别率高,而且基本不受干噪比影响。     

基于Gabor变换和灰度梯度共生矩阵的人耳识别研究

人耳识别作为一种新兴的生物特征识别技术,具有其自身独特的优势。提出一种基于Gabor变换和灰度梯度共生矩阵的人耳身份识别方法。首先,利用Gabor变换和灰度-梯度共生矩阵融合提取人耳图像的纹理特征,然后采用K-NN分类器对特征进行分类。该方法用USTB人耳图像库做测试。实验结果表明介绍的提取人耳图像的纹理融合特征的方法优于只采用Gabor变换提取特征或是只提取灰度梯度共生矩阵的二次统计特征的性能。在明氏距离测度及K=1时,交叉验证识别率达到81.77%。     

从认知视角看日语量词的使用特点

本稿通过对日语量词"本"所描述对象和日语中鱼类所用量词的考察,认为日语量词的使用具有两个鲜明的特点:(1)多个名词使用同一个量词;(2)同一名词使用多个量词。这反映了人类通过量词对外界的分类,既有极其抽象、概括的一面,也有详细描述的一面。它们相辅相成,共同构成了丰富多彩的语言表达。     

秦简中的量词及其历时演变

六批秦简共有量词47个,物量词系统完备,动量词系统已经萌芽。秦简量词研究改写了我们以前从传世文献量词研究中得出的诸多结论,具有历史词汇学价值。与甲金文相比,秦简量词在数量上有了进一步发展,语法化也更进了一步。但量词与名词的搭配还不确定,其内部发展也不平衡,尤其是"数.量.名"结构仅2见,反映了秦简量词发展的不成熟。     

凉山彝语类别量词的特点

凉山彝语(北部方言什乍话)的类别量词很丰富。量词主要来源于名词、动词和描摹词(有人将其归为形容词);抽象的量词由具体的量词引申而来。凉山彝语量词有自己独特的一套语义分类标准,名词所指事物都有不同的属性,从量词归类时所依据的属性可以看到该语言所侧重的事物属性。除了这些最显著的语义特点外,量词还有一些变调特点和句法特点。拷贝型量词也是凉山彝语类别量词的一个重要类型,正如其他的藏缅语族语言一样,它是量词发展的初级阶段。     

汉语量词"把"的意义、分类及用法--面向第二语言教学的认知解释与功能研究

根据意义和功能,现代汉语的量词"把"分为两类3种:个体量词"把1",集合量词"把2",动量词"把3"。研究发现,量词的使用是一种范畴确认或语法归类,最初使用量词的对象的认知原型,在相当程度上制约着同类对象的量词选取;围绕动词"把"及其有关项所形成的意义,是制约量词"把"的类型和使用的重要因素。     

一类优化的BP网络分类器的设计

从实用、经济和高效的角度出发 ,提出了一种优化BP神经网络分类器的设计与实现方案 ,它具有较好的模块性 ,可移植性以及透明性。对于各种模式识别的情况 ,它具有一定的实用和参考价值     

二维小波变换在虹膜特征提取中的应用研究

本文提出了一种采用canny变换来提取虹膜特征,并用小波神经网络来进行分类的虹膜检测识别的新方法。该方法结合了小波神经网络作为一种新的分类方法,它很好地改进了识别精度,同时提高了系统的性能。一个简洁并且能快速训练的算子Adaboost也将在小波神经网络中给出介绍。实验结果表明,应用该算子进行分类识别时,识别率为100%,该方法具有很高效的可行性。     

Fisher大间距线性分类器

作为一种著名的特征抽取方法,Fisher线性鉴别分析的基本思想是选择使得Fisher准则函数达到最大值的向量(称为最优鉴别向量)作为最优投影方向,以便使得高维输入空间中的模式样本在该向量投影后,在类间散度达到最大的同时,类内散度最小。大间距线性分类器是寻找一个最优投影矢量(最优分隔超平面的法向量),它可使得投影后的两类样本之间的分类间距(Margin)最大。为了获得更佳的识别效果,结合Fisher线性鉴别分析和大间距分类器的优点,提出了一种新的线性投影分类算法——Fisher大间距线性分类器。该分类器的主要思想就是寻找最优投影矢量wbest(最优超平面的法向量),使得高维输入空间中的样本模式在wbest上投影后,在使类间间距达到最大的同时,使类内离散度尽可能地小。并从理论上讨论了与其他线性分类器的联系。在ORL人脸库和FERET人脸数据库上的实验结果表明,该线性投影分类算法的识别率优于其他分类器。     

汉英名量异常搭配的认知解读

运用概念整合理论对汉英名量异常搭配的认知解读进行共性考察。通过对汉英异常搭配表量结构的分析发现,根据名词和量词所代表两个输入空间之间的空间冲突,汉英名量异常搭配主要有两种：篡位型搭配（基于词性范畴的不兼容）和错位型搭配（基于语义范畴的错位）;汉英名量异常搭配的认知解读并不是一次简单的四空间概念整合过程,而是更为错综复杂的心理认知程序,有可能涉及到多个输入空间,其中有的输入空间并非存在于显性的语言表述中,而是隐匿于量词背后该量词范畴中的原型名词。汉英异常搭配表量结构中的量词具有激活并突显名词所代表心理空间某种属性的作用。     

基于二维主分量分析的人耳身份识别研究

有效的特征提取方法是解决人耳身份识别任务的关键之一。以主分量分析(PCA)为代表的线性子空间方法在特征提取工作中得到了广泛应用。为了更有效地提取人耳图像特征并减少运算量,将基于二维图像矩阵的2D PCA方法应用于人耳身份识别。针对三个USTB人耳图像库,采用最近邻分类器,研究了选用不同的特征维数、贡献率,及不同的相似性测度时,2D PCA方法与传统的PCA方法的识别性能。交叉验证的实验结果表明:2D PCA方法较PCA方法获得了更短的训练时间和更高的识别率,说明基于图像矩阵的2D PCA方法是一种效率更高