期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
半监督条件下的CRC跳频电台指纹特征识别 被引量:7
1
作者 眭萍 郭英 +1 位作者 张坤峰 李红光 《系统工程与电子技术》 EI CSCD 北大核心 2019年第1期187-193,共7页
针对跳频电台指纹特征差异细微、对噪声影响敏感,同时非合作条件下跳频信号的识别训练标签数据不足问题,提出了一种基于合作表征分类器(collaborative representation classifier,CRC)的半监督条件下跳频电台指纹特征识别算法。以跳频... 针对跳频电台指纹特征差异细微、对噪声影响敏感,同时非合作条件下跳频信号的识别训练标签数据不足问题,提出了一种基于合作表征分类器(collaborative representation classifier,CRC)的半监督条件下跳频电台指纹特征识别算法。以跳频电台开机瞬态信号的包络特性作为电台个体的指纹特征,利用对噪声"不敏感"的高阶累积量估计来抑制噪声;通过构造半监督条件下的CRC实现对未标定训练数据的有效利用。实验表明,与传统有监督训练相比,该方法在抑制噪声的同时,能够充分利用未标定训练数据特征,对目标特征具有更高的识别率。 展开更多
关键词 跳频信号 指纹特征 合作表征分类器 半监督 特征识别
在线阅读 下载PDF
多层AR-LBP与WLD特征融合的SA-CRC人脸识别 被引量:1
2
作者 叶枫 叶学义 +1 位作者 罗宵晗 陈泽 《计算机工程与应用》 CSCD 北大核心 2019年第14期134-141,共8页
针对非对称局部二值模式(AR-LBP)提取的人脸特征有限,以及协同表示分类(CRC)人脸存在的类间干扰,提出以多层AR-LBP特征及联合韦伯局部描述子(WLD)特征进行补充,并以增加CRC中稀疏性来降低类间干扰。提取人脸图像的多层AR-LBP特征并级联... 针对非对称局部二值模式(AR-LBP)提取的人脸特征有限,以及协同表示分类(CRC)人脸存在的类间干扰,提出以多层AR-LBP特征及联合韦伯局部描述子(WLD)特征进行补充,并以增加CRC中稀疏性来降低类间干扰。提取人脸图像的多层AR-LBP特征并级联,与从原图像提取的WLD特征级联得到多层AR-LBP与WLD融合特征,采用稀疏增强的协同表示分类(SA-CRC)完成人脸分类。在ORL、Yale和GT公开人脸库上,提出的多层AR-LBP与WLD特征融合算法与AR-LBP特征提取算法、WLD特征提取算法以及多层LBP与HOG特征融合算法相比,识别正确率提高了0.7%~42.6%;当利用SA-CRC取代CRC后,识别正确率进一步得到提高。 展开更多
关键词 非对称局部二值模式(AR-LBP) 韦伯局部描述子(WLD) 协同表示分类(crc) 稀疏增强的协同表示分类(SA-crc) 特征提取
在线阅读 下载PDF
一种用于农作物叶部病害图像识别的双权重协同表示分类方法 被引量:4
3
作者 杜海顺 蒋曼曼 +1 位作者 王娟 王胜 《计算机科学》 CSCD 北大核心 2017年第10期302-306,311,共6页
农作物病害是我国主要的农业灾害之一,准确识别病害类型是防治农作物病害的关键。因此,首先采集了小麦、玉米、花生、棉花4种农作物的22种常见叶部病害的441张图像;然后,在对每张病害图像中的叶片和病斑进行分割的基础上,分别提取了描... 农作物病害是我国主要的农业灾害之一,准确识别病害类型是防治农作物病害的关键。因此,首先采集了小麦、玉米、花生、棉花4种农作物的22种常见叶部病害的441张图像;然后,在对每张病害图像中的叶片和病斑进行分割的基础上,分别提取了描述农作物种类的叶片特征参数和描述病害类型的病斑特征参数;其次,将这两类特征参数组合并作归一化处理,得到病害图像的数据特征向量;再次,采用所有病害图像的数据特征向量,构建了一个农作物叶部病害数据集;最后,在同时考虑数据特征重要性和数据空间局部性的基础上,提出了一种双权重协同表示分类(DWCRC)方法并将其用于农作物叶部病害识别。在农作物叶部病害数据集上的实验结果表明,提出的双权重协同表示分类方法在用于农作物叶部病害识别时具有较高的识别率。 展开更多
关键词 特征提取 协同表示 双权重协同表示分类 农作物叶部病害 图像识别
在线阅读 下载PDF
基于分块二维局部保持鉴别分析的二级人脸识别方法
4
作者 赵春晖 陈才扣 《计算机应用》 CSCD 北大核心 2015年第A02期254-257,共4页
在对二维局部保持鉴别分析(2DLPDA)研究的过程中,发现在将样本分块后,对相同位置的块组成的新的样本集独自使用2DLPDA方法,可以有效地将测试样本的类别锁定在一个很小的范围内。由此提出一种基于分块二维局部保持鉴别分析的二级人脸识... 在对二维局部保持鉴别分析(2DLPDA)研究的过程中,发现在将样本分块后,对相同位置的块组成的新的样本集独自使用2DLPDA方法,可以有效地将测试样本的类别锁定在一个很小的范围内。由此提出一种基于分块二维局部保持鉴别分析的二级人脸识别方法。在第一阶段首先对样本进行分块,然后独立对相同位置块所组成的新样本集进行2DLPDA,并以此提取出测试样本被锁定的类别范围;之后在该缩小的类别范围内,进行二级人脸识别过程。提出两种方案,一种是二级采用协同表示分类(CRC)算法,另一种是二级采用最近邻分类(NNC)算法来对测试样本的类别进行进一步的识别。在ORL人脸库上的实验结果表明,所提出的方法对于提高识别率有效。 展开更多
关键词 局部保持鉴别分析 协同表示分类 最近邻分类 二级人脸识别
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部