基于头肩模型的人体识别方法

针对移动机器人跟踪特定人体的要求,提出了一种基于头肩模型的人体识别方法。首先从人体检后得到的图像中提取所有的人体头肩模型;接着提取各头肩模型的降维加权的Hu不变矩作为特征向量;然后根据一定的阈值将各头肩模型分类为正背面或侧面;最后采用正背面或侧面KNN分类器判断哪个头肩模型属于移动机器人需要跟踪的人体。实验结果表明本方法具有较高的识别准确率,且满足实时性的要求。     

基于小波包分析的玻璃破碎声音识别系统设计

针对传统家居安防监控系统中多采用声音振动传感器对玻璃破碎进行检测,不仅安装不便且不美观,因此提出了一种非接触式玻璃破碎声音识别系统。目前常用FFT（傅里叶变换）对声音信号进行分析处理的缺点是不能显示出声音频率出现的时刻,因此,提出一种基于小波包分析的玻璃破碎声音识别系统。通过对玻璃破碎声音信号采集、预处理;随后利用小波包分析代替FFT方法,提取小波包系数特征参数,并融合短时平均幅度和短时过零率,从时域和频域两个角度的特征参数来表征玻璃破碎声音;最后利用隐马尔科夫分类器（HMM）从提取到的特征参数中训练出玻璃破碎声音的HMM模型,对玻璃破碎声音进行识别。通过实验验证,该系统的识别率可达93%。     

基于AdaBoost与GABP的模拟电路软故障诊断方法

针对容差模拟电路软故障诊断精度较低的问题,提出了一种基于AdaBoost与GABP的组合分类器诊断方法;首先,在Pspice中对故障模式进行Monte-Carlo分析,并利用波形有效点提取法提取故障特征,在此基础上,做归一化处理构建神经网络的原始样本;其次,利用GA算法与L-M算法组合优化BP网络构建GABP分类器;最后,利用AdaBoost算法对GABP单分类器进行迭代提升,构建AdaBoost-GABP组合分类器;诊断实例的结果表明,该方法比传统的单分类器诊断方法具有更高的诊断精度、更低的绝对误差,能够克服单分类器容易陷入局部最优,诊断结论不可信的缺陷。     

园艺作物病害的多光谱组合分类

选取设施园艺作物黄瓜的主要病害为研究对象,利用窄带滤光片型多光谱成像系统,获取患病黄瓜叶面的14个可见光通道和近红外通道、全色通道的多光谱图像。采用多光谱图像分类技术中的距离分类器、相关系数分类器和BP人工神经网络分类器,将不同病害类型对应的16个波段的反射率看作线性波谱,对210个多光谱数据样本进行识别分类,目的是探讨一个能有效识别黄瓜植株常见病害的多光谱组合分类器。实验结果表明,将人工神经网络和距离分类器有效组合,不仅分类性能明显优于单个分类器的性能,而且能够充分发挥各个分类器的特性,对园艺作物病害进行快速、准确、实时的无损检测。     

基于分步相关成分分析的中药材质量鉴别神经元分类器

提出并构建了一种基于分步相关成分分析的神经元分类器(SCCA-HBP),并将其用于中药材质量模式分类.通过从色谱分析所得到的高维数据集中分步提取分类相关成分,获取化学模式特征向量,使神经元分类器输入模式向量的维数降低.此外,提出用带输出误差死区的混合BP算法训练神经元分类器,提高了网络学习训练速度和分类准确性.以32个当归样品质量等级分类鉴别为例考察本方法,分类正确率为100%,优于PCA-BP(84.4%)和SCCA-BP(90.6%)方法;且训练时间仅为BP算法的54.2%.     

分段线性光谱分类器的优化算法设计

快速准确地识别污染气体种类是光谱法环境监测技术对分类器的基本要求。分段线性分类器简单、计算量小,可以较好的逼近非线性分界面。文章根据最大化分类间隔的思想,结合分段线性分类器和线性支持向量机,设计了单边分段线性分类器优化算法。对某气体模拟剂光谱的分类实验表明,经过优化算法训练的分段线性分类器可以用较少的超平面逼近非线性分界面,而且得到更高的识别准确率。     

基于GBDT和Google Earth Engine的冬小麦种植结构提取

针对中国农田存在种植景观破碎化和复杂的种植结构这一现状,如何实现目标作物的高精度识别与制图对作物产量估算、粮食政策调整和国家粮食安全保障具有十分重要意义。基于Google Earth Engine(GEE)遥感数据处理云平台,提出一种冬小麦不同生育期的种植结构提取方法,该方法以2021年覆盖目标作物关键生育期的多时相Sentinel-2影像为数据源,综合考虑光谱波段特征、光谱指数特征、纹理特征和地形特征等多维特征变量,利用GBDT(gradient boosting decision tree)分类器对不同生育期田块尺度的冬小麦种植面积和空间分布信息进行快速精准提取,并探讨了冬小麦识别的最佳生育期。此外,对比分析了常见的不同分类模型在田块尺度条件下的作物识别性能。以河南陈固镇为研究区开展实验,实验结果显示,冬小麦在起身拔节期的地物识别准确率相对较高,总体分类准确率为94.61%, Kappa系数为92.68%;在抽穗扬花期的识别精度最高,总体分类准确率为97.01%, Kappa系数为95.52%;但在灌浆乳熟期的分类精度偏低,总体分类准确率为86.23%, Kappa系数为81.33...     

磨损微粒的模式识别系统的研究

提出了一个关于磨损微粒的模式识别系统．该系统先把磨粒从背景中分割出来，然后从3个方面对磨粒进行特征提取：用于辨别磨粒的材料的特征矢量，用于辨别磨粒的轮廓形状的特征矢量，用于辨别磨粒的表面纹理特征的矢量．系统最后由这3个特征对磨粒所属的类型进行了计算机分类．     

集成随机森林的交通拥堵检测模型

根据现有的城市交通网拥堵检测体系,针对现有方法处理交通网格监测数据流难以获得相对稳定的准确率的问题,提出了一种集成随机森林的交通拥堵检测模型。该模型通过将多个随机森林分类器进行集成实现了交通网分布式监测数据流的并行处理,设计了二级级联分类器对交通网状态进行判定,并可对各监控节点权重进行评估。模型实现主要分为特征提取、集成建模和结合分析三个步骤。在不同规模的交通状态监测网络下分析了模型的综合性能,并分别与其它主流方法进行了对比。实验表明：提出模型具有更好的交通网监测数据流的处理能力,且具备较好的扩展和裁剪性能。该模型提供了一种可应用的交通拥堵检测方法。