基于IFOA-ELM的车载手势识别方法研究

车载手势识别作为一种人机交互方式是提高道路行驶安全性的有效途径.针对传统车载手势识别方法研究中识别准确率和效率较低以及性能不稳定的问题,提出一种改进的果蝇优化算法(IFOA)优化极限学习机(ELM)参数的车载手势识别新方法.首先利用IFOA优化ELM的初始权重w和偏置b;接着采用最佳初始权重和偏置来训练ELM;最后利用IFOA-ELM对提取的车载手势特征向量进行手势类型识别;实验结果表明,与SVM、动态贝叶斯网络、传统ELM、FOA-ELM等分类学习算法相比,方法在高效稳定的前提下取得更高的识别准确率,满足对准确性和实时性要求较高的车载环境中的手势识别.     

稀疏复杂网络的识别

本文研究了一种给定的复杂网络结构识别问题.利用网络结构的稀疏性质,提出了一个带有l¹正则化的最小二乘模型.数值仿真表明该算法对带噪声或不带噪声的较大型网络结构的识别是非常有效的.     

二元一般指数分布的识别性及其参数估计

讨论了一般二元指数分布的识别性问题及参数估计问题.本文证明了两个结论:其一、当只有最大值随机变量的分布已知时,仅一个参数可识别;其二、当可识别最大值的分布已知时,所有参数皆可识别.进一步根据上述结论得到了所有参数的最大似然估计.     

例说基于可识最小值之识别性与参数估计及特征的关系

讨论基于可识最小值之识别性与参数估计及特征的关系,以二元Marshall-Olkin型Weibull分布为例,存在全部参数可估计且可识别且有识别特征的情形;以二元McKay型伽马分布为例,存在全部参数可估计且部分参数可识别且无识别特征而有其它分离特征的情形,若是基于可识最小值及差值,则是全部参数可估计且全部参数可识别且有识别特征的情形;以二元极值二点分布为例,存在部分参数可估计且部分参数可识别且有识别特征的情形.     

Crofton定理拓广与图象特征提取——积分几何在图象分析与识别中的应用之一

<正> 和一切统计模式识别一样,图象的几何分析与识别也包括两个过程:提取几何特征,分类判决.而提取几何特征则根据不同场合的不同需要表现为运动不变量、仿射不变量或者拓扑不变量,以及几何特征函数等等.积分几何(又称整体几何学)的基本成果和方法为图象分析与识别提供了丰富多彩的几何特征.本文作为积分几何在图象分析识别中     

学生学习质量的模型识别

<正> 一、引言 本文首次把Fuzzy统计方法用于识别学生学习质量的模型中,首先用Fuzzy统计方法建立质量等级模型的隶属函数.其次,利用综合uzzy集给出多因素模式识别的一个直接方法.最后,将该方法用于学生学习质量的模型识别中.     

求一阶数值微分的L-广义解方法cTSVD

<正>1引言数值微分也就是给定一个函数在一个区间或某些离散点上的扰动数据来求函数的导数,它产生于很多实际问题当中,比如,图象处理中的边界识别问题;Abel积分方程的求解问题;化学中波谱的波峰识别问题.以及一些数学物理反问题当中.数值微     

图像识别在民机机体表面维修中的应用研究

在民机机体表面维修领域中,飞机蒙皮损伤检测是非常重要的环节.首先采集飞机蒙皮表面损伤图像,将采集到的图像分为裂纹和腐蚀损伤图像并完成图像预处理工作;为了获得有效准确的特征数据,采用一种结合主成分分析法和形状特征提取的特征提取方法;最后采用支持向量机分类模型进行分类识别,通过选择高斯径向基核函数和合适的惩罚因子,从而对蒙皮损伤类型进行精确分类识别.实验结果表明,该方法能够精确地完成分类识别工作,损伤识别准确率达到95%,满足飞机蒙皮损伤日常检测与维修的需求.     

基于网络拓扑的生物网络关键节点识别研究进展

与生物实验方法相比,基于网络拓扑的生物信息学方法在关键节点识别上有独特优势.基于网络拓扑的关键节点识别主要依赖节点在生物网络中的拓扑特性,通过观察节点网络拓扑参数的大小、所处的路径或模块的结构及其动力特性,在一定程度上可以对其关键性进行推断.从节点的中心性测度、网络的拓扑参数及层次结构等几方面总结了生物网络及其节点的主要拓扑特征;比较了蛋白质网络、代谢网络及基因调控网络关键节点识别的主要方法;分析了节点拓扑参数计算、路径求解及模块的划分及识别算法;指出生物网络关键节点识别上存在识别率不高、不同研究结论的不一致甚至相互矛盾、现有算法对网络规模日益增长的不适应等问题,并提出解决问题的思路及进一步研究的方向.     

多变点检测问题的Shape-based BS算法

BS算法是时间序列多变点检测中最经典的算法之一,但是基于全局CUSUM统计量的识别过程会带来过多误判和较高的时间复杂度.BS算法是一种离线的序贯方法,因此没有充分利用数据的时序信息;另一方面,BS算法识别变点的原则是CUSUM统计量最大化,也没有考虑统计量构成序列的形态特性.鉴于此,提出一种基于局部形态识别的BS改进算法,命名为Shape-based BS算法.基于局部形态识别统计量,不仅大大降低计算复杂度,且降低了因变点间的互相干扰而带来的误判率,进而提升变点识别的稳健性.最后,将此算法应用到了电力系统的"场景压缩"问题上,具有满意的实用效果.     

基于深度残差网络的水下海参自动识别研究

水下海参自动识别是水下机器人捕捞海参的关键技术,为解决水下海参识别,基于深度残差网络构建了水下海参识别自动识别算法.研究图像数据采集自山东省海阳市千岛湖海参养殖场,以海参图像为正样本,非海参图像为负样本构建数据集,分别以图像分辨率32×32像素、经过对比度受限自适应直方图均衡化(Contrast-Limited Adaptive Histogram Equalization,CLAHE)算法增强的图像、分辨率为64×64像素图像、分辨率为128×128像素图像进行模型训练与识别.结果显示:1)经过CLAHE增强的图像在训练时效果较好,收敛速度快,准确性较高,但是经过训练的模型泛化性能差;2)图像分辨率64×64像素时,在收敛速度、准确性方面更优,识别准确度、精确度、召回率分别为0.9037、0.9143、0.8889,AUC为0.95;3)图像分辨率为128×128像素时,识别效果最差,图像分辨率的提高没有提高模型的识别准确率.     

模式识别的数学方法

<正> 在过去二十来年,模式识別有了很大的发展,其应用范围遍及遥感、文字识别、生物医学图象和信号的分析、产品自动检测、语言理解、机器视觉等方面.为了能用计算机对模式进行有效的描述、分析和识别,提出了许多数学方法.概括起来,主要有统计法和语言结构法两大类.两类方法都要考虑模式表示、分类或结构分析等基本问题.     

二元寿命分布的识别性及参数估计

讨论二元寿命分布的识别性及参数估计,仅是最小值的分布已知时,只有一个参数可识别,当可识最小值的分布已知时,所有参数皆可识别;由此得到了所有参数的最大似然估计.     

超球体支持向量机在测井岩性识别中的应用

岩性识别是利用测井资料把储集岩石分类成不同岩性的过程,是多井评价、矿层描述中不可缺少的部分.在测井岩性识别过程中,聚类分析方法只有在样本趋于无穷大时,才能从理论上保证结果的精度;神经网络容易陷入局部最小,使用范围受到限制.提出一种新型的超球体支持向量机,并用粒子群优化算法进行参数寻优,建立测井岩性识别模型.应用结果表明,建立的模型可以准确地反映测井资料与地层岩性的非线性映射关系,且识别精度高,具有良好的学习和泛化能力,为相关领域的研究提供了新方法.     

基于PCA与自适应BP算法的侵犯性驾驶行为识别

从机动车安全预警的角度,以有效识别侵犯性驾驶行为为目的,针对传统BP算法学习效率低、收敛速度慢等缺点,提出一种基于PCA与自适应学习速率的BP网络改进识别算法.首先借助人因系统及汽车驾驶平台进行仿真实验,获取驾驶人生理-心理及车辆运行数据集,然后利用主成分分析提取其特征指标,继而应用自适应学习速率BP网络改进算法对驾驶行为进行识别.结果表明:驾驶员呼吸、肌电、速度、油门、车道线偏距以及发动机转速受驾驶行为的影响较大;识别精度为96.17%,对比自适应学习速率BP网络算法、BP网络算法,算法能明显减小训练迭代次数、提高识别精度.     

基因识别及其算法研究

针对基因识别问题,基于DNA序列的3周期这一性质,首先给出了DNA序列功率和信噪比的快速算法并讨论了不同物种基因类型的阈值确定方法;在此基础上,建立了基于背景噪声抑制和频谱平滑的SNR频谱预处理模型,经过预处理后的频谱不仅大幅度抑制了背景噪声,同时保留了SNR频谱的模式特征.在编码序列识别上,对经典的EPND预测算法进行了改进,使用改进的EPND算法对经过预处理后频谱进行基因识别,实验结果显示这种基因识别模型具有优异的基因识别性能,比传统直接使用基于滑动窗口DFT的EPND识别算法在敏感度、特异性等评价指标上提高了2%-12%左右.     

软计算与硬计算融合的含油性属性与样本约简

随着石油勘探领域的不断扩大,含油性识别的研究对象也越来越复杂,传统的基于单一硬计算或软计算的方法在含油性识别中面临着严峻挑战.首先提出了软计算与硬计算融合的4种模式,然后运用GA-FCM对含油性的测井属性进行约简,将约简后的测井属性结合软计算与硬计算融合的分离模式对某油田Oilsk81,Oilsk83,Oilsk85三口井进行含油性模式识别,去掉出错率较高的样本,达到样本约简的目的;最后利用判别分析法对约简后的样本集进行检验分析.实验表明:第一,在这几个油区可以用声波时差和含油饱和度两个测井属性进行含油性识别;第二,将出错率高的样本进行约简可以提高样本集识别的正确率.     

基于矩阵逻辑方程的识别对象状态转化研究

进行错误识别,首先我们需要研究识别的对象.因此,研究首先将错误识别对象分为识别状态、真是状态、应该状态和目标状态等四种状态,并且讨论了几种类型之间的关系.最后运用矩阵逻辑方程求解了识别状态转化为目标状态的转化方式.     

基于改进节点重要度引力模型的航路网拥堵节点识别

航路网络存在一些关键航路点对系统整体具有重要控制作用,而有效辨识这些重要节点对缓解空中交通拥堵,提高航路运行效率具有极大意义.以复杂网络理论为基础,从网络视角结合中心度及节点服务能力通过改进传统引力模型进行节点重要度评估;然后基于改进节点重要度引力模型进行航路网络拥堵节点识别仿真,并将结果与传统介数法进行对比验证.研究表明:改进的引力模型识别的重要节点,不仅具有较大的中心度,且较多位于航路网络流量较大位置;基于引力模型识别航路网络节点重要度的准确率更高,在提高网络通行率基础上更及时地识别航路网络易拥堵节点,对预防节点失效、减少航路网络拥堵具有积极作用.     

基于模板匹配的车牌数字与字母识别

车牌的字符识别是车牌识别的重要组成部分.我国的车牌由7个字符组成,除第一位为汉字外,其余均为字母和数字字符,所以提高数字与字母识别率在车牌字符识别中占很重要的地位.通过模板匹配的方法对车牌的数字与字母字符进行识别.选择了两个判别函数,一个是求取模板、待识别字符与运算结果的标准差的最小值,另一个是求取运算结果与模板比值的最大值.并对两个判别函数的识别结果进行了比较,求标准差最小值在总体识别结果上比求比值最大值的识别结果要好,但在个别字符的识别上,求取比值最大值的识别结果要高于求取标准差最小值的识别结果.