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.     

英文手写体字符、字词识别动态特征的研究现状

英文手写体字符、字词的动态特征对识别影响的研究是人类识别英文手写体字符、字词研究的一个重要方面。目前研究表明,(1)人们可以从已写好的手写体字符的静态轨迹中知觉到动态信息;(2)尽管还存在争议,但大多数研究表明,这种动态信息会影响人们对手写体字符的识别;(3)书写过程中动态过程的变化会产生手写体字符静态外形特征的变化。     

基于分数本征特征的手写数字识别

特征提取是手写体数字识别研究中的重要问题,有效、稳定的特征是提高识别率和识别精度的关键。该文提出了一种基于分数本征特征和核非线性分类器的手写数字识别方法,首先找到时频平面的一个轴进行分数傅里叶变换,使不同类别样本在这个轴上最大限度地分开,然后用主元分析进行降维,得到比较稳健的低维特征,再将常用分类器用于特征分类,实现对手写数字的识别。对实际数据进行实验,结果表明上述本征特征与核非线性分类器相结合有较高的识别率和训练、分类效率。     

关于限制性手写体汉字的一种识别方法

成功地提出了关于限制性手写体汉字的一种识别方法，并在４８６ＤＸ／６６ＰＣ机上进行了模拟实验，取得了一定的效果。对于经预处理后的手写体汉字，采用结构识别法、统计决策法和模糊数学法相结合的一种方法。另外，提出了对相似文字的识别方法     

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。     

一种低信噪比信号的调制盲识别方法

提出了一种利用包络高阶特征J进行调制方式识别的方法。该方法具有计算简单、无需知道信号的先验信息,同时具有较好的噪声抑制等特点,能在低信噪比情况下快速、有效地进行盲调制识别,易于实时应用和工程的实现。其仿真结果表明:该方法在0dB信噪比条件下能够识别信号的调制方式,性能优于传统的包络调制识别方法。     

基于压缩传感理论的数字调制信号识别方法

数字调制信号识别是认知无线电研究的一个热点，不同于传统的识别方法需要根据不同的信号类型研究不同的特征提取方法。本文利用压缩感知理论，首先利用标准的数字调制信号构建过完备字典，在此基础上重构待识别信号的稀疏表示，最后根据稀疏表示在不同区间的非零值得到待识别信号的类型。在实验中，以2ASK，2FSK和2PSK信号为例，利用基于压缩传感理论的数字调制信号识别方法实现了对其类型的识别，实现结果表明以2ASK，2FSK和2PSK构建过完备字典A，利用该算法对2FSK和2PSK信号具有完关的识别率，对2ASK信号信号具有完关的识别率。对2ASK信号亦有较高的识别率。     

日语假名-汉字的函数特征提取识别技术

为了简化日语中假名与汉字识别的计算，文章在分析手写体假名-汉字识别中归一化方法和弹性网络特征的基础上，提出了基于笔画密度的弹性网格构造方法，并应用于手写体假名-汉字的特征提取．该方法既兼顾了笔画密度对不同书写风格笔画不规则变形的适应能力，避免了进行非线性归一化产生笔画粗细不均匀，使计算量减少。     

基于视角不变的三维手势轨迹识别

提出了一种新颖的基于视角不变的三维手势轨迹识别方法,手势分割采用Kinect传感器获取图像深度信息,通过先定位起始点再定位结束点的方法定位手心点,使手势轨迹点定位有自动无延时的特性。采用改进的质心距离函数表示视角不变的三维轨迹特征,隐马尔可夫模型用于训练和识别有效的轨迹。实验结果表明,该方法具有光照及复杂背景鲁棒性,数字0～9的平均识别率可达97.7%。     

基于深度学习的车牌智能识别方法

针对传统的车牌识别算法对于复杂环境车牌定位效果不理想、车牌识别准确率低、实时性差等问题,提出了一种基于深度学习的车牌智能识别方法。首先使用Yolov3网络对图片中的车牌进行定位,然后采用空间变换网络对倾斜的车牌进行校正,并将校正后的车牌送入设计的改进卷积神经网络中提取车牌序列特征,最后通过双向递归神经网络和时序分类网络识别出车牌字符。与传统车牌识别方法相比,提出的方法能够有效克服天气等不良状况的影响,从Yolov3定位到识别完成的平均时间可以缩短至33 ms左右,平均识别准确率能够达到96.1%。     

人脸识别中多目标最优不相关图像鉴别分析研究

考虑图像投影鉴别分析问题,为提高特征抽取的速度和识别率,利用图像矩阵直接构造图像散布矩阵,在具有统计不相关的条件下将Foley-Sammon鉴别分析(FSLDA)转化为两目标约束优化问题,并给出了有效投影向量的概念;根据多目标优化的最优性条件可将求取有效投影向量的问题归结为求广义特征方程的最大特征值对应的特征向量,并据此进行特征抽取,进而提出了两目标最优图像投影鉴别分析方法。与其他鉴别投影分析方法相比,该方法具有以下特点:(1)可直接由图像矩阵构建散布矩阵;(2)有效投影向量具有统计不相关性;(3)训练样本的类内散布矩阵不必为可逆的,也不需要求某种形式矩阵的逆。在ORL标准人脸库和NUST603人脸库上的试验结果表明,上述图像投影鉴别分析方法在识别性能上较以往的方法有一定的提高,尤其是特征抽取的速度有明显的提高。     

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。     

汉字字形加工的关键特征模型

现有的汉字识别模型对汉字的字形加工过程并没有达成共识。争论的焦点是汉字识别中的字形加工究竟是特征分析还是整字加工占优势。汉字字形加工中采用的是任务引导的识别策略,汉字字形加工的关键特征验证模型包括了汉字字形加工过程中的自上而下和自下而上两种信息加工,强调识别过程中根据字形的关键特征的验证。     

一种基于小波变换和PCA的人脸识别改进方法

针对主成分分析PCA算法中存在的问题,提出了利用小波变换对人脸图像进行预处理,PCA提取图像特征,最近邻法分类的人脸识别改进方法.基于ORL、YALE数据库的相关实验表明,这样的系统能够降低数据维数和克服角度、位移变化对算法的影响,能够取得比传统PCA更好的识别性能。     

基于支持向量机算法的人脸识别技术研究

在讨论人脸识别算法的基础上,提出了基于支持向量机算法的人脸识别技术,进而分析了其原理,确定了多项式的核,并利用人脸数据对多项式核的SVM进行训练,根据训练结果进行识别实验,结果表明：SVM与传统方法比较,对人脸具有较高的识别率。     

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     

基于LTP子模式的人脸识别研究

针对局部三元模式提取到的人脸特征通常具有较高的维数,导致特征的紧致度不高,提出一种新的局部人脸特征提取方法——LTP子模式,并结合线性鉴别分析获得最佳的人脸局部纹理紧致特征的分类投影轴.本文在ORL和AR两个标准人脸库上测试,LTP-SP提取到的人脸特征维数不到原LTP特征的30％,但是识别性能却优于原始算法,因此算法具有较好的应用前景.     

基于平面离散曲线序列的三维几何结构识别

提出了一种由分层离散曲线序列识别物体三维特征的方法 ,定义了一些能够表达平面曲线基本特性的特征 ,设计了用于识别物体三维结构的特征函数 ,基于这些特征函数 ,物体被分解为柱体、锥体和曲线体的组合。给出了一些具体应用实例。     

基于融合熵特征的辐射源信号识别

针对相近雷达辐射源信号难以识别的问题,一种新的雷达辐射源信号识别方法被提出.该方法基于小波包分解,用主成分分析法融合含有信号类别特性的小波包重构系数特征,并将融合特征的能量熵和概率熵构成特征向量,基于支持向量机实现信号的分类识别.在较大信噪比(SNR)范围内,使用该方法能获得满意的正确识别率,当SNR为5 dB时,十分近似的线性调频信号正确识别率达到了91%,实验结果证实了该方法的有效性.     

独立成分分析和支持向量机的虹膜识别方法

为了提高虹膜识别的性能,提出了一种新的虹膜识别方法。该方法采用独立成分分析获取虹膜高阶统计信息,并将输入模式空间映射到相应的独立成分空间,然后在该独立成分空间中,利用支持向量机的泛化特性构造最优分类超平面。通过CASIA虹膜数据库的仿真实验,该方法降低了特征空间维数,具有较高的正确识别率。特别是对高斯核,取得了98.61%的正确识别率,较相异度函数和最近特征线方法分别高6.48%和4.54%,同时也提高了算法的鲁棒性和灵活性。