基于工作电流信号的车床刀具故障分析

在车刀的故障分析中,选择机床加工时的工作电流作为故障检测的分析对象,分别利用傅里叶变换和小波包分析法提取刀具故障的傅里叶特征和小波包特征,联合采用提取的两种特征以实现刀具故障的诊断.研究表明,提取的车床刀具故障特征参数的波动特性与车刀故障的发生存在联系,从而为分析判断车床刀具故障的发生提供了一种新的思路和方法.     

计算机识别棉纱黑板特征参数的研究

采用计算机图像识别技术，从预先处理过的棉纱黑板图像中提取多个特征参数，为进一步建立棉纱黑板的分级模型奠定了基础。     

铜合金中金相组织特征参数的测量

：根据体视学和定量金相分析的基本原理，利用Image—Pro Plus(IPP)图像分析软件测定了铜合金金相组织的相体积分数、晶粒度大小、粒子间距等特征参数，并提出了一种测量粒子间距的近似算法。     

基于混沌加密的小波包盲水印算法

利用混沌系统的特点调制了两种不同的混沌序列,分别用于水印加密和子图像的抽取.对子图像进行小波包分解,通过修改小波包的系数来嵌入数字水印.水印的提取不需要原始图像,实现了盲提取.实验结果表明,该算法对于常见的JPEG压缩、高斯噪声,裁剪和缩放等攻击具有较好的鲁棒性.     

一种改进的基于小波变换的图像边缘提取算法

在对现有的基于小波变换的图像边缘提取方法进行简要分析的基础上,提出了图像边缘提取改进算法.该算法主要是对边缘点的判断准则进行了改进,通过将任一点的梯度方向与水平、垂直、45°、135°方向进行比较,将这4个方向中与该点梯度方向最接近的一个方向重新赋给该点的梯度方向,并检验二进小波变换的模在该点是否为新的梯度方向上的局部极大值,若是,该点就是边缘点,否则不是.最后通过模拟实验给出了该方法的实验结果,实验结果有力地证明了该方法的有效性.     

基于小波变换的真菌隐球酵母菌图像参数压缩

提出用小波Haar算法对真菌隐球酵母菌图像参数进行压缩.该方案首先按照行优先的原则,将每个酵母菌图像的特征参数由一维转换为二维;然后利用小波方法将二维参数进行压缩.实验利用机器学习工具WEKA,选取52个训练集图像以及26个新图像,采用"10舍1"及"10份10轮"交叉验证方法,建立多个预测模型.实验表明小波方案大大节约了运行时间,而在识别变异病原体形态的问题上,几乎与数据驱动特征参数选择方法同样有效.同时因为小波算法的可逆性,特征参数还可以恢复到初始特征参数集合.     

Curvelet变换结合(2D)~2PCA的人脸识别算法

作为一种新的多尺度多方向性的信号分析工具,Curvelet变换不但具有小波变换多尺度和多分辨率的特点,还具有很强的方向性,对包含大量面部轮廓和五官曲线信息的人脸图像能实现最优的稀疏表示。本文提出并实现了一种基于Curvelet变换结合双向二维主成分分析((2D)~2PCA)的人脸识别算法,以Yale人脸数据库进行人脸识别实验,结果表明,该算法相对于传统基于小波变换的人脸识别算法,能有效提高识别率,缩短识别时间。     

矩阵值小波包的分解与重构算法

对矩阵值函数空间L2(R,cs×s)的正交分解进行了更深一层的研究,得到了矩阵值正交小波包的一些性质,给出了L2(R,cs×s)的一组新的正交基,弥补了有关文献的不足.最后,给出了利用矩阵值小波包来进行分解与重构的一般公式.     

基于小波子带能量加权的人脸识别方法

针对人脸识别中小波变换后信息利用不充分和权系数选择困难的缺点,提出一种基于小波子带能量加权的人脸识别算法.首先应用二维离散小波变换（2D-DWT）对图像进行二层小波分解,然后将得到的第2层4个子带进行加权组合,并给出一种基于小波子带能量权系数求解法,无需进行人工实验选取.在此基础上,采用PCA＋LDA方法进行特征提取,并在ORL人脸库中进行实验,与传统的算法相比有较快的识别速度和较高的识别率.     

二进仿射小波包

自从小波包概念提出以来，关于这一方面的研究吸引了许多数学家的兴趣。到目前为止，在L^2(R^S）中关于正交与非正交小波包、可分与非可分小波包的研究已取得丰硕的成果，其中S是一给定的自然数。CHUI和LI在R上有界一致连续函数空间上引入了插值多分辨分析的概念并给出了这一空间函数的二进仿射小波分解。本文在这一空间引入并利用泛函小波变换研究了二进仿射小波包，对这一空间的任一函数，给出了逐步收敛的二进仿射小波包分解。     

改善含噪语音说话人辨认系统性能的方法

当对含噪语音进行说话人辨认时,系统的识别性能会明显变差,本文提出采用对倒谱参数非线性加权的方法,改善系统的噪声鲁棒性.通过对多种加权窗的正识率比较,发现对LPC倒谱低阶参数加权提升,对美尔倒谱高阶参数的加权提升,均提高了系统的识别性能.     

基于ICA的车牌牌照字符识别系统

介绍了基于ICA(独立分量分析法)的牌照识别系统的字符识别.为了提高字符特征提取的质量,首先通过车牌图像的预处理,然后采用了基于高阶统计信息的特征提取方法,即ICA对车牌灰度图像的字符进行识别.该系统避免了二值化对字符特征的影响,识别方法简单,结果理想.     

吞水音信号的数字特征提取与识别

本文介绍了提取吞水音信号的数字特征,利用统计模式识别的方法对数字特征进行分析选择。获得分类能力较强的特征。用这些特征形成训练集,设计了多级二分类的Ficher线性分类器和最小错误概率Bayes分类器,并对这两种分类器进行比较。用Baycs分类器对正常人(N类)、炎症病人(I类)、     

基于图像特征检测和匹配的无人船航行姿态角提取方法

计算机视觉的飞速发展, 使得采用视觉技术辅助无人船航行成为可能. 在无人船巡航过程中, 获取船体航向是航行控制的必备基础. 特征匹配是无人船相关视觉技术中的重要部分, 是目标识别和定位等功能的关键步骤. 获取无人船运动姿态的基本步骤是对图像前后帧进行有效的特征提取和匹配. 针对水域环境中的图像静态特征提取速度慢、精度低的问题, 本文提出一种图像匹配方法以求取无人船的航行姿态角. 首先对图像预处理, 并对有效区域进行特征提取. 其次, 设计一种基于描述子相似度的初始特征匹配策略. 再其次, 筛选特征匹配对, 优化模型参数. 最后, 通过前后帧旋转矩阵计算航行姿态角. 实验表明, 该方法能有效提取无人船的航行姿态角.     

细化参数的对数极坐标变换图像纹理特征提取算法

提出一种细化参数的对数极坐标变换图像纹理特征提取算法,可以有效地消除旋转、缩放和平移等几何形变的影响．在特征提取过程中,通过自相关图像消除平移的影响,引入细化参数的对数极坐标变换消除旋转和伸缩的影响．在图像检索过程中,将不完全树型小波变换所得的特征矢量,通过欧式距离来度量图像之间的相似度．实验表明,本算法对发生几何形变的纹理图像检索平均正确率达81．05％左右,较之传统算法能取得更好的检索效果。     

面向并行设计的局部特征识别技术研究

为支持在并行设计过程中设计特征模型到加工特征模型的逐步转换，提出了局部特征识别的方法．在并行设计中，设计特征模型和加工特征模型通过面名历史图共享零件的实体模型，设计特征的变动通过局部特征识别自动地转换为相应的加工特征．局部特征识别是由基于最小条件子图特征识别方法改进来的，它以零件的局部区域为识别对象，通过搜索匹配局部区域构成的边界模式，识别出该局部区域中所包含的加工特征．局部特征识别方法的特点是只对设计中发生变动的区域进行识别．     

癌前细胞诊断的特征选择

指出了目前基于DNA－Index的定量细胞学诊断系统中对于癌前非典型增生细胞诊断的不足,提出了运用模式识别的方法对癌前非典型增生细胞是否存在恶变倾向进行有效识别,针对分类识别过程中,细胞特征参量过多,分类器设计困难的具体情况,采有了基于Tabu Search的搜索策略来解决识别特征的选取问题,实验表明：通过选择适当的搜索参数,基于Tabu Search的搜索方法无论是在搜索效率还是在结果的优化程度上都明显地优于其它传统的方法,搜索得到的特征参量能够有效地描述癌前增生细胞的不同性状,这在癌前的早期诊断方面具有良好的实用性。     

基于联合神经网络学习的中文电力计量命名实体识别

随着电力计量业务的不断扩展,迫切需要由业务信息、技术知识、行业标准及其内在联系所组成的电力计量知识图谱,为电网的决策和发展提供更为全面有效的支持。命名实体识别是构建知识图谱的基础。针对电力计量领域需要,结合中文分词技术特点,基于联合学习思想,提出了一种基于联合学习的中文电力计量命名实体识别技术。该技术联合CNN-BLSTM-CRF模型与整合词典知识的分词模型,使其共享实体类别和置信度;同时将2个模型的先后计算顺序改为并行计算,减少了识别误差累积。结果表明,在不需要人工构建特征的情况下,方法的正确率、召回率、F值等均显著优于以往方法。     

基于工作电流分析的回转副摩擦状态识别实验研究

回转副摩擦状态的变化对机械设备的运行有着重要影响. 针对回转副摩擦状态的识别问题, 设计了以回转副工作电流为摩擦特征来源的实验方案. 通过采集摩擦过程的回转副驱动电机工作电流信号, 分析实验信号的频域和时频域特征, 建立工作电流的摩擦特征库, 用于训练多分类支持向量机分类器, 并在分类器上完成摩擦状态的识别. 实验结果表明, 经特征提取与降维处理后建立的多分类支持向量机分类器具有近90%的识别正确率, 所提出的实验方案有利于实现远距离信号的采集, 适用实际生产加工.     

基于多尺度特征提取网络的图像美学量化评分方法

提出了一种基于多尺度特征提取网络的图像美学客观量化评分方法,该模型主要由多个多尺度特征提取单元级联组成,每个单元包含由3个不同卷积核组成的特征提取层、融合层和映射层。特征提取层通过联合图像的全局视图和局部视图组成网络输入端,在输出端以EMD函数为损失函数,输出分布为1~10分的概率密度质量函数,并以分布均值作为图像美学量化值。实验证明,本文方法具有可行性和有效性,解决了传统方法只进行美感二进制等级分类的问题,给出了（模拟人类思维对）图像的客观量化评分;同时在AVA数据集上获得了优于几种主流算法的分类准确度。