基于CNN-SVM的地下目标形状识别

针对传统地下目标识别算法中特征提取方法的缺陷,鉴于深度学习中的卷积神经网络（CNN）能自动从数据中提取特征,但CNN自带的分类器不能很好的解决非线性分类问题,由于SVM具有良好的泛化分类能力,为此提出基于CNN-SVM的地下目标形状识别方法。本文首先在地表面光滑场景下,利用该方法对地下圆形和矩形目标识别,然后加大场景难度,在地表面粗糙场景下进行地下目标形状识别。实验结果表明,相比传统人工设计的特征分类方法,该算法利用CNN自动提取的特征联合SVM提高了CNN的分类准确率,并且在两种场景下都具有更高的地下目标识别精度。     

CdS薄膜及其光电化学电池阳离子识别特性的研究

半导体材料CdS薄膜具有优良的光电特性,一直受到人们的关注,广泛用于许多无机薄膜太阳电池的n型窗口层[1,2]。用CdS薄膜组装的光电化学电池也一度引起人们的极大兴趣。二十世纪七十年代以来,半导体光电化学在光能-电能转换、光能-化学能转换和太阳能的光电化学利用方面得到了蓬     

基于(C-H)+…X-氢键作用的阴离子识别与传感的研究进展

对基于(C—H)+…X-氢键类型的阴离子识别以及识别过程所引起的光化学传感和电化学传感的研究进展进行了评述.     

概率神经网络和FTIR光谱用于食道癌的辅助分析

利用正常与相应癌化食道组织的主要FTIR特征峰aυs,CH3、sυ,CH2、σCH2、aυs,po4-、υc-o、sυ,po2-及sυ,磷酸化蛋白作为概率神经网络的输入向量,对网络的主要参数(网络径向基函数分布spread(0~5))、输入向量和网络表现(m ean accurate rate of recogn ition)之间的关系进行了研究。主要结论如下:i)无论输入向量是哪种特征频率的组合,其平均识别正确率都高于71.40%;ii)当输入向量为特征频率sυ,po2、sυ,磷酸化蛋白或υc-0、sυ,po2、sυ,磷酸化蛋白时,网络表现较佳,平均识别正确率较好。当spread介于1.4~2.3时,两者均达到网络具有的最高平均识别正确率(85.71%);iii)大多数情况下,网络的平均识别正确率与spread之间呈现二个高峰的特征,即spread介于0.1~0.3和1.5~5.0之间时,网络均具有较高的平均识别正确率。研究表明,以傅里叶变换红外光谱的主要特征峰为概率神经网络的输入向量,用于食道组织样品的癌化识别分析是完全可能的,其平均识别正确率可达85.71%。     

氨基甲酸酯型α-猪去氧胆酸分子钳对分子的识别性能研究

用差紫外光谱滴定法考察了新型猪去氧胆酸分子钳1~6对苯胺、对甲氧基苯胺、对硝基苯胺等中性分子的识别性能,测定了主客体间的结合常数(Ka)和自由能变化(△G°)。结果表明,分子钳主体对所考察的客体分子显示良好的识别作用,主客体间形成1∶1型超分子配合物,最大结合常数可达3123.46L.mol-1,识别作用的主要推动力为氢键,范德华力等的协同作用。讨论了主体与客体的识别模式以及客体间形状、大小匹配和几何互补等因素对形成超分子配合物的影响,并利用核磁共振氢谱与计算分子模拟作为辅助手段对实验结果与现象进行了解释。     

基于视觉辐条图案识别方法的蓝宝石引晶机制研究

工业生产蓝宝石晶体过程中,引晶步骤有着至关重要的地位。引晶必须在温度梯度较小,温度分布趋于稳定的条件下进行。目前,工业生产蓝宝石主要依靠人工经验操控籽晶杆实现引晶操作,但是人工引晶操作的准确性不高会导致成品品质不佳、资源浪费。为此,本文提出一种基于蓝宝石视觉辐条图案识别方法来检测蓝宝石熔体状态自由液面状态,从而实现一种高效率引晶的机制。此方法利用经典骨架化算法细化辐条图案,Harris算子实现特征信息的提取,提取的特征信息放入运动轨迹模型中判断熔体稳定性,分析液面温度分布稳定性从而实现引晶。结果表明,此算法具有有效性,蓝宝石晶体引晶效率大大提高,生产出的成品良率也有提升,可有效指导蓝宝石的工业生产。     

时变偏微分方程的贝叶斯稀疏识别方法

在数据驱动的建模中,通过测量或模拟得到时空数据,我们发现基于拉普拉斯先验的贝叶斯稀疏识别方法能有效地恢复时变偏微分方程的稀疏系数.本文将贝叶斯稀疏识别方法运用于各种时变偏微分方程模型(KdV方程、Burgers方程、Kuramoto-Sivashinsky方程、反应-扩散方程、非线性薛定谔方程和纳维-斯托克斯方程)的方...     

基于中心-射线模型的印鉴识别方法及其应用

支票中的有效印鉴是支票流通有效性的重要体现。通过对支票印鉴有效性的识别来达到对支票流通有效性识别的目的。根据我国支票图像的特点提出了基于中心_射线模型的有效印鉴识别方法。该方法是通过对印鉴各成份区域之间拓扑关系的识别来达到对有效印鉴识别的目的。在将该方法用于我国支票印鉴识别的同时,还利用了印鉴的色彩特征。实验结果表明,该方法可有效地识别我国支票中的有效印鉴,有效印鉴识别的错误排除率为0%,错误接收率为23.8%。     

基于红外/毫米波双模融合的目标识别方法

在数据融合的基础上,以红外/毫米波双模传感器的智能融合结构为模型,将模糊神经网络与D-S证据理论相结合,提出了一种新的目标识别方法.该算法根据红外/毫米波传感器的性能及工作范围,构造模糊变量作为神经网络的输入,根据神经网络的不同输出判别目标的真伪,并利用D-S证据理论进行目标身份识别.仿真结果证明了该算法的可行性.     

基于神经网络的钞票真假识别研究

利用神经网络与光电检测的技术研制了钞票真假识别系统.介绍了系统的结构组成、工作原理、软件系统、神经网络的优化设计、实验及测试结果.经实践验证,其识别结果稳定可靠,可应用于金融智能防伪点钞机与ATM机中.