·详细说明： 这是一个完整的指纹识别程序，它包括了直方图均衡，Gabor滤波图像增强，方向图过滤，纹理细化，特征提取及特征匹配。其中，特征匹配包含了3种匹配方法，另外还附有PPT，非常值得研究。
上传时间： 2013-06-27
上传用户：66666
文中建立不同类型目标的模型匹配数据库；采用最小周长多边形构造目标主体轮廓的近似多边形，以简化目标主体轮廓减少算法处理的数据量；提取具有仿射不变性的多边形顶点个数、最长线段两侧顶点个数、同底三角形面积比向量特征不变量对待识别目标进行描述，应用3个特征量在模型匹配数据库中逐一进行分层遍历搜索匹配。实验表明，基于模型匹配的目标识别算法能够快速的识别目标，提高了目标识别的实时性，同时能够判定目标所处的姿态状况。
上传时间： 2013-10-20
上传用户：q3290766
局部保持映射（Locality Preserving Projection，LPP）算法是一种有效的特征提取方法。提出了利用巴氏距离和LPP相合算法对特征进行提取。当特征维数过高时，首先对样本用LPP进行特征提取和降维处理，然后采用巴氏距离特征的迭代算法，得到最小错误率上界。在ORL上实验，实验结果表明了提出算法在人脸识别中的有效性。
上传时间： 2014-01-25
上传用户：shus521
空中交通管制指令标准用语的训练是空管模拟训练中的重要内容。本文对空管模拟训练中指令的自动语音识别及自动语音合成应答问题进行了分析研究，包括：指令标准用语基本特征的分析，语言模型的文法设计，指令特殊发音的处理，多次应答的处理等，并基于开源语音识别引擎及语音合成引擎，设计并实现了一个语音指令识别及合成系统AIRSS. 系统实验数据分析表明，应答响应时间及语音合成的效果可以满足空管模拟训练的需求。
上传时间： 2013-10-15
上传用户：hzht
对脉搏波的完全分析是建立在含有少量噪声且较为清晰的脉搏波信号中，然而在采集脉搏波信号时容易受到多种干扰的影响，使其提取出来的脉搏波含有大量的噪声，因此降噪处理显得尤为必要。同时，脉搏波中含有人体生理病理信息，不同的人将表现为不同的特征，可以看出确定脉搏波特征点对于分析人体生理健康很有意义。针对信号去噪问题采用小波变换和多分辨率分析的方法，该方法在时域和频域都能表征信号局部信息的能力，且具有对信号具有自适应性。运用极值法确定出脉搏波的峰值点，然后再根据峰值点确定出其他特征点的位置，实验证明该方法能够增加特征点的检出率。
上传时间： 2013-10-12
上传用户：shirleyYim
探地雷达回波信号是一种非平稳非线性信号，其中不仅包含地下埋藏物的目标信号，还包含有可能掩藏目标信号的直达波信号，给目标的识别带来困难。文中采用HHT方法对探地雷达回波信号进行特征分析，提取回波信号的IMF分量的瞬时频率作为特征向量。实验结果表明，用HHT方法提取特征可较好的避免直达波影响，该方法是可行而有效的，为进一步鉴别地下埋藏物提供了新的思想和方法。
上传时间： 2013-10-22
上传用户：hjkhjk
为了使计算机能更好的识别人脸表情，对基于Gabor小波变换的人脸表情识别方法进行了研究。首先对包含表情区域的静态灰度图像进行预处理，包括对确定的人脸表情区域进行尺寸和灰度归一化，然后利用二维Gabor小波变换提取脸部表情特征，使用快速PCA方法对提取的Gabor小波特征初步降维。再在低维的空间中，利用Fisher准则提取那些有利于分类的特征，最后用SVM分类器进行分类。实验结果表明，上述提出的方法比传统的方法识别速度更快，能达到实时性的要求，并且具有很好的鲁棒性，识别率高。
上传时间： 2013-11-08
上传用户：小眼睛LSL
提出了一种基于相关分析的飞机目标识别方法。该方法利用飞机图像低频和高频部分合成滤波器模板，能达到很高识别率与很低的等错率。该研究旨在提高飞机识别的准确率和降低出错率，采用一种基于相关分析的飞机目标识别方法。该方法通过对采集的飞机图像做去除背景、降噪、图像增强、二值化和归一化处理，将飞机图像低频和高频部分合成滤波器模板，通过特征比对达到识别飞机的目的。利用Matlab 7.0做10种飞机的识别实验，得出了95.47%识别率和0.04%等错率的结论，识别率和等错率均优于不变矩法、三维识别方法、基于小波分析和矩不变量的方法，印证了笔者提出的基于相关分析的飞机目标识别方法的优越性。在飞机图像数据库上的实验结果表明，该方法是可行的。
上传时间： 2013-11-03
上传用户：manlian
针对电能质量扰动的在线识别，提出一种基于dq变换和S变换的电能质量扰动识别方法。首先根据扰动信号电压有效值的分布特性将扰动分为两类：第一类为电压暂降、暂升和中断；第二类为振荡暂态、电压尖峰、电压缺口和谐波。利用dq变换有效值波形特征对第一类扰动进行识别；然后对第二类扰动进行S变换，通过变换后S矩阵的频谱标准差和工频幅值变化进行识别。仿真结果表明：该方法正确率高、响应速度快、结构简单且抗噪声能力强。
上传时间： 2014-01-12
上传用户：sdq_123
提出了一种改进的LSM-ALSM子空间模式识别方法，将LSM的旋转策略引入ALSM，使子空间之间互不关联的情况得到改善，提高了ALSM对相似样本的区分能力。讨论中以性能函数代替经验函数来确定拒识规则的参数，实现了识别率、误识率与拒识率之间的最佳平衡；通过对有限字符集的实验结果表明，LSM-ALSM算法有效地改善了分类器的识别率和可靠性。关 键 词 学习子空间; 性能函数; 散布矩阵; 最小描述长度在子空间模式识别方法中，一个线性子空间代表一个模式类别，该子空间由反映类别本质的一组特征矢量张成，分类器根据输入样本在各子空间上的投影长度将其归为相应的类别。典型的子空间算法有以下三种[1, 2]：CLAFIC(Class-feature Information Compression)算法以相关矩阵的部分特征向量来构造子空间，实现了特征信息的压缩，但对样本的利用为一次性，不能根据分类结果进行调整和学习，对样本信息的利用不充分；学习子空间方法(Leaning Subspace Method, LSM)通过旋转子空间来拉大样本所属类别与最近邻类别的距离，以此提高分类能力，但对样本的训练顺序敏感，同一样本训练的顺序不同对子空间构造的影响就不同；平均学习子空间算法(Averaged Learning Subspace Method, ALSM)是在迭代训练过程中，用错误分类的样本去调整散布矩阵，训练结果与样本输入顺序无关，所有样本平均参与训练，其不足之处是各模式的子空间之间相互独立。针对以上问题，本文提出一种改进的子空间模式识别方法。子空间模式识别的基本原理1.1 子空间的分类规则子空间模式识别方法的每一类别由一个子空间表示，子空间分类器的基本分类规则是按矢量在各子空间上的投影长度大小，将样本归类到最大长度所对应的类别，在类x()iω的子空间上投影长度的平方为()211,2,,()argmax()jMTkkjpg===Σx (1)式中 函数称为分类函数；为子空间基矢量。两类的分类情况如图1所示。
上传时间： 2013-12-25
上传用户：熊少锋
