基于小波变换和概率神经网络的焊接接头类型识别

为了实现机器人自动焊接过程中快速、精确地提取焊缝特征信息,提出了一种基于小波变换和概率神经网络的焊接接头类型识别方法。先采用小波变换对由激光视觉传感器采集的焊接接头图像进行降噪和增强,对重构后的图像进行二值化,然后提取图像的特征信息,组成图像特征向量,最后构建概率神经网络分类器并进行测试。结合视觉传感器中激光器与摄像机的位置关系,最终识别出4种焊接接头。实验结果表明,所提出的方法特征提取简单,识别率高,并具有较好的实时性。     

视频文字信息检查工具的设计与实现

针对某些特定视频中,画面文字信息经常包含较为敏感文字信息,导致信息泄露,设计实现了一种视频画面中的文字的检测识别系统,对视频画面中的文字标语、文字条幅,新闻画面中的文字导语等信息进行识别与比对。采用基于双阈值的视频镜头分割算法,根据颜色直方图信息提取关键帧,采用最大稳定极值区域算法提取图像中稳定区域,通过聚类和级联分类器实现文字区域提取,最后将文字区域分割后进行OCR识别,实验表明,设计的系统针对复杂背景中的文字能够达到较高的检测识别率。     

Combining clustering and classification for remote-sensing images using unlabeled data

A joint clustering and classification approach is proposed.This approach exploits unlabeled data for efficient clustering,which is applied in the classification with support vector machine(SVM) in the case of small-size training samples.The proposed method requires no prior information on data labels,and yields better cluster structures.Through cluster assumption and the notions of support vectors,the most confident k cluster centers and data points near the cluster boundaries are labeled and used to train a reliable SVM classifier.Our method gains better estimation of data distributions and mitigates the unrepresentative problem of small-size training samples.The data set collected from Landsat Thematic Mapper(Landsat TM-5) validates the effectiveness of the proposed approach.     

高维空间L1范数约束的一类数据稀疏距离测度学习算法与应用

现有一类分类算法通常采用经典欧氏测度描述样本间相似关系,然而欧氏测度不能较好地反映一些数据集样本的内在分布结构,从而影响这些方法对数据的描述能力.提出一种用于改善一类分类器描述性能的高维空间一类数据距离测度学习算法,与已有距离测度学习算法相比,该算法只需提供目标类数据,通过引入样本先验分布正则化项和L1范数惩罚的距离测度稀疏性约束,能有效解决高维空间小样本情况下的一类数据距离测度学习问题,并通过采用分块协调下降算法高效的解决距离测度学习的优化问题.学习的距离测度能容易的嵌入到一类分类器中,仿真实验结果表明采用学习的距离测度能有效改善一类分类器的描述性能,特别能够改善SVDD的描述能力,从而使得一类分类器具有更强的推广能力.     

基于ABC-NB的慢性病诊断分类研究

在医疗领域,医生做出有效正确的决策非常重要,为了提高医生诊断的准确性,避免诊断结果受到医生的直觉、潜意识和自身知识不全面等因素的干扰而造成误判。提出了将改进的ABC-NB算法应用于慢性病诊断领域,以提高诊断效率,减少误判几率。将基于改进尺度因子的人工蜂群算法应用于慢性病特征的选择,对数据进行降维,剔除冗余、无关的特征,提高收敛速度,增强算法搜索全局最优解的能力。接着将预处理后的数据各特征值进行训练和学习生成贝叶斯分类器,构建预测模型。预测模块将诊断结果显示出来供医护人员参考,辅助进行诊断和决策。实验表明该模型具有很好的柔性和鲁棒性,能够稳定的计算出慢性病的概率,有效的辅助医护人员进行诊断。     

基于激光雷达数据SVM分类的室内环境识别研究

语义地图构建对移动机器人导航与规划具有重要意义，而环境分类是语义地图构建的核心问题。目前所采用的环境分类方法匹配率较低，已成为语义地图构建所面临的主要问题。对此笔者提出了一种基于支持向量机的分类方法，该方法利用激光雷达数据提取环境几何特征，训练SVM分类器对机器人工作空间模式进行识别，并将所提算法用于室内环境的语义分类。实验结果表明，该分类方法具有较高的识别率，可有效地实现语义地图构建。     

基于人脸重要特征和SVM的人脸识别方法

提出了一种基于人脸重要特征的人脸识别方法,首先选取人脸的重要特征并将其具体化,对得到的重要特征进行主成分分析,然后用支持向量机(Support Vector Machine,SVM)设计重要特征分类器来确定测试人脸图像中重要特征,同时设计支持向量机(SVM)人脸分类器,确定人脸图像的所属类别.对ORL人脸图像数据库进行仿真实验,结果表明,该方法要优于一般的基于整体特征的人脸识别方法并有较强的鲁棒性.     

中高分辨力遥感图像中飞机目标自动识别算法研究

提出了一种中高分辨力的航空航天遥感图像中飞机目标快速自动识别的新算法。在分割和分类过程中充分利用飞机目标的先验知识,提出了一种改进区域分割方法,并应用树分类器对飞机目标进行自动识别。所提出的改进区域分割方法较好地实现了区域分割中阈值的准确自动选取,克服了复杂背景图像中小目标的全局阈值自动分割的失效问题。采用二叉树分类器,通过提取简单的目标几何特征,分层进行种类识别,提高了识别速度,降低了漏检率和虚警率。运用该方法进行了实验。结果表明,识别率达到了100%。     

运用反例基于识别的手写数字串分割

采用基于识别的分割方法进行手写数字串分割.在识别的过程中,运用反例样本估计分类器参数,实验数据表明,这种运用反例样本训练的分类器与没有经过反例样本训练的分类器相比,将提高拒识率到19%左右,从而保证了较高的识别率,验证了只有经过反例训练的分类器的输出结果才是可信赖的.     

基于BP网络分类器的交通标志识别

针对中国全部3大类116个交通标志,即禁令标志、指示标志、警告标志,用BP网络实现分类功能.实验中使用了3种测试集,即加高斯噪声、水平扭曲和日本交通标志实景图,对BP网络的分类性能进行了测试.实验结果表明:用BP网络实现交通标志粗分类功能的效果是比较理想的,对交通标志的颜色失真和形状失真均具有较好的容错性和鲁棒性.