基于时变特征和核非线性分类器的飞机目标识别

1

作者 姚宏达 刘本永 +1 位作者 于雪莲 孟庆宇 《雷达科学与技术》 2006年第6期323-327,共5页

基于雷达目标距离像,研究时变特征提取和核分类器在雷达目标识别中的应用。由于距离像敏感于目标姿态角的变化,单纯的时域或频域方法难以完整刻画目标的散射特性,因此文中采用时频分析方法,首先提取出距离像时频分布的特征参量,再利用... 基于雷达目标距离像,研究时变特征提取和核分类器在雷达目标识别中的应用。由于距离像敏感于目标姿态角的变化,单纯的时域或频域方法难以完整刻画目标的散射特性,因此文中采用时频分析方法,首先提取出距离像时频分布的特征参量,再利用主元分析法降低维数,最后采用基于核的非线性分类器进行目标识别。仿真数据和实测数据表明,该方法具有较好的识别效果。 展开更多

关键词 目标识别 特征提取 时频分析 主元分析 核非线性分类器

在线阅读 下载PDF 职称材料

简单非线性神经网络分类器及其在签名认证中的应用 被引量：1

2

作者 邱德红 陈杲 +1 位作者 陈传波 欧阳星明 《计算机工程与应用》 CSCD 北大核心 2002年第19期88-89,92,共3页

该文分析了手写签名样本的特征值在特征空间上的分布。在此基础上,直接从神经元分类功能的物理意义出发,设计了具有非线性边界的,用于手写签名认证的神经网络分类器,妥善地解决了实际应用中,由于真实签名样本数量少和伪签名样本缺乏,不... 该文分析了手写签名样本的特征值在特征空间上的分布。在此基础上,直接从神经元分类功能的物理意义出发,设计了具有非线性边界的,用于手写签名认证的神经网络分类器,妥善地解决了实际应用中,由于真实签名样本数量少和伪签名样本缺乏,不能训练神经网络的问题,取得了较好的认证结果。 展开更多

关键词 简单非线性神经网络分类器 签名认证 非线性分类器

在线阅读 下载PDF 职称材料

一种新的非线性模式分类器方法

3

作者 施展 《上海理工大学学报》 CAS 北大核心 2002年第1期57-59,共3页

根据模糊推理理论,提出了建立模式分类模糊决策规则的方法,该方法可适于各种非线性决策面的模式分类. 通过仿真试验证明了该方法的有效性.

关键词 模式识别 模糊推理 非线性分类器

在线阅读 下载PDF 职称材料

非线性弱分类器的存在性

4

作者 郭立娟 《兰州理工大学学报》 CAS 北大核心 2012年第2期97-99,共3页

S.Mannor和R.Meir将分形几何中的几何差异性引入了弱分类器存在性的研究,最终将线性弱分类器的存在性归结为样本集上的某些几何性质,从而仅凭样本集的信息,就可以判断弱分类器是否存在.在S.Mannor和R.Meir对线性弱分类器研究结果的基础... S.Mannor和R.Meir将分形几何中的几何差异性引入了弱分类器存在性的研究,最终将线性弱分类器的存在性归结为样本集上的某些几何性质,从而仅凭样本集的信息,就可以判断弱分类器是否存在.在S.Mannor和R.Meir对线性弱分类器研究结果的基础上,利用核方法将输入空间上的非线性分类器与特征空间上的线性分类器联系在一起,得到非线性弱分类器的判定条件. 展开更多

关键词 BOOSTING算法 线性弱分类器 非线性弱分类器 核函数 几何差异

在线阅读 下载PDF 职称材料

非线性分类结合平面变换的雷达信号分选方法 被引量：2

5

作者 刘志鹏 张国毅 田润澜 《现代防御技术》 北大核心 2016年第3期127-133,160,共8页

现有的对已知雷达分选方法存在识别速度慢、效率低,脉冲丢失敏感以及脉冲序列提取不完整等问题,为此提出了一种非线性分类器结合平面变换的雷达信号分选方法。该方法首先提取载频、脉宽、脉內调制等单脉冲分类特征,利用非线性分类器实... 现有的对已知雷达分选方法存在识别速度慢、效率低,脉冲丢失敏感以及脉冲序列提取不完整等问题,为此提出了一种非线性分类器结合平面变换的雷达信号分选方法。该方法首先提取载频、脉宽、脉內调制等单脉冲分类特征,利用非线性分类器实现单脉冲识别,然后根据识别结果调取对应参数,通过平面变换完成对脉冲串的抽取。仿真实验表明,该方法具有速度快,准确率高,易于实现等优点。 展开更多

关键词 雷达 分选 非线性分类器 平面变换 矢量神经网络 识别率

在线阅读 下载PDF 职称材料

金属断口图像的非线性模式识别方法 被引量：5

6

作者 颜云辉 杨会林 王成明 《东北大学学报（自然科学版）》 EI CAS CSCD 北大核心 2004年第9期884-886,共3页

针对金属断口图像模式识别的特点,提出应用小波变换技术提取断口图像特征的方法,在此基础上,利用神经网络的基本原理设计了一种断口图像模式识别的非线性分类器·通过实验确定了分类器的网络结构,给出了相关参数选择的方法·对... 针对金属断口图像模式识别的特点,提出应用小波变换技术提取断口图像特征的方法,在此基础上,利用神经网络的基本原理设计了一种断口图像模式识别的非线性分类器·通过实验确定了分类器的网络结构,给出了相关参数选择的方法·对几种典型的金属断口图像进行了计算机实验研究·实验结果表明,其平均正确识别率达93 75%,单独以能量作为特征值,其平均正确识别率可达到95%·这说明采用非线性分类器进行断口模式识别比采用线性分类器能取得更高、更可靠的正确识别率·研究结果显示出,这种基于小波变换技术和神经网络原理的非线性模式识别方法能对纹理变化复杂、规律性不强的断口图像进行有效识别,具有更好的适应性· 展开更多

关键词 金属断口 小波变换 特征提取 神经网络 非线性分类器 非线性模式识别

在线阅读 下载PDF 职称材料

基于非线性势函数法的手写体数字识别

7

作者 段玉波 王秀芳 孙雪松 《东北林业大学学报》 CAS CSCD 北大核心 2007年第12期79-81,共3页

提出了基于非线性势函数的一种几何分类方法,设计了利用电势理论来改造决策面判别函数和利用非线性势函数对手写数字进行分类的算法。以该算法为核心构造的分类器可改善针对不同人写字习惯的分类效果。用VC++实现了该算法,结果表明该算... 提出了基于非线性势函数的一种几何分类方法,设计了利用电势理论来改造决策面判别函数和利用非线性势函数对手写数字进行分类的算法。以该算法为核心构造的分类器可改善针对不同人写字习惯的分类效果。用VC++实现了该算法,结果表明该算法能减小分类时的错误率,对手写体数字的识别有较好的效果,识别率能达到97%。 展开更多

关键词 模式识别 非线性分类器 势函数 手写数字

在线阅读 下载PDF 职称材料

基于高阶相关的稀疏化和径向基核分类法

8

作者 冯笑笑 刘本永 《雷达科学与技术》 2007年第3期199-203,共5页

非平稳信号处理理论中高阶统计量方法被广泛应用于模式识别以提取稳健特征,但算法本身需要解决计算量大的问题,加上训练样本具有冗余性,因而限制了模式特征提取和分类速度。该文将计算高阶统计量转化为求相关系数,研究高阶相关在样本稀... 非平稳信号处理理论中高阶统计量方法被广泛应用于模式识别以提取稳健特征,但算法本身需要解决计算量大的问题,加上训练样本具有冗余性,因而限制了模式特征提取和分类速度。该文将计算高阶统计量转化为求相关系数,研究高阶相关在样本稀疏化以及基于径向基核的非线性分类方面的应用。首先采用最大匹配系数法确定相关阶数,然后对训练样本稀疏化,最后将高阶相关应用于SVM、KNR两种核非线性分类器进行分类识别,避免了高阶统计量的直接计算,减少了训练和分类时间。对手写数字和8种飞机的仿真数据进行实验,结果表明该方法具有较好的稀疏效果和识别效果。 展开更多

关键词 模式识别 高阶相关 稀疏化 核非线性分类器

在线阅读 下载PDF 职称材料

基于改进区域提议网络和特征聚合小样本目标检测方法

9

作者 付可意 王高才 邬满 《计算机应用》 CSCD 北大核心 2024年第12期3790-3797,共8页

在现有的小样本目标检测中,区域提议网络(RPN)通常是在基类数据上训练以生成新类候选框;然而新类数据相较于基类更稀缺,在引入时可能产生与目标物不同的复杂背景,导致RPN将背景误认为前景,遗漏高交并比(IoU)值候选框。针对上述问题,提... 在现有的小样本目标检测中,区域提议网络(RPN)通常是在基类数据上训练以生成新类候选框;然而新类数据相较于基类更稀缺,在引入时可能产生与目标物不同的复杂背景,导致RPN将背景误认为前景,遗漏高交并比(IoU)值候选框。针对上述问题,提出一种基于改进RPN和特征聚合小样本目标检测方法(IFA-FSOD)。首先,基于RPN进行改进,即通过在RPN中设计一个基于度量的非线性分类器,计算骨干网络提取的特征和新类特征之间的相似度,以提高对新类候选框的召回率,从而筛选高IoU候选框;其次,在感兴趣区域对齐(RoI Align)中引入基于注意力机制的特征聚合模块(FAM),并通过设计不同尺度的网格,获取更全面的信息和特征表示,从而缓解因尺度不同引起的特征信息缺失。实验结果表明,相较于QA-FewDet(Query Adaptive Few-shot object Detection)方法,IFA-FSOD方法在PASCAL VOC数据集的新类上的Novel Set 3中的10-shot下的新类别平均精度(50%IoU)(nAP50)提升了4.5个百分点;相较于FsDetView(Few-shot object Detection and Viewpoint estimation)方法,在10-shot和30-shot设置下,IFA-FSOD方法在COCO数据集的新类上的平均精度均值(mAP)分别提升了0.2和0.8个百分点。可见改进RPN和特征聚合(IFA)能有效提高在小样本情况下对目标类别的检测性能,并解决高IoU值候选框遗漏和特征信息捕捉不全的问题。 展开更多

关键词 小样本目标检测 基于度量 区域提议网络 非线性分类器 特征聚合

在线阅读 下载PDF 职称材料

一种基于SVM特征选择的油气预测方法 被引量：16

10

作者 姚凯丰 陆文凯 +3 位作者 丁文龙 张善文 肖焕钦 李衍达 《天然气工业》 EI CAS CSCD 北大核心 2004年第7期36-38,共3页

支持向量机 (SVM)是近年来发展起来的一种通用的机器学习方法 ,在许多分类问题和函数拟合问题上都已获得了很好的效果。对于少量样本的分类问题 ,SVM具有调节参数较少 ,运算速度快等优点。通过地震、测井等信息进行油气预测是一种典型... 支持向量机 (SVM)是近年来发展起来的一种通用的机器学习方法 ,在许多分类问题和函数拟合问题上都已获得了很好的效果。对于少量样本的分类问题 ,SVM具有调节参数较少 ,运算速度快等优点。通过地震、测井等信息进行油气预测是一种典型的非线性分类器设计问题 ,它具有已知样本数较少、特征个数较少等特点 ,文章据此提出了一种基于特征扩展和特征选择的改进SVM方法。该方法将原始特征通过非线性变换到高维空间 ,然后应用线性SVM进行特征选择 ,并同时计算降维过程中各个特征子集对应的留一法错误率 ,最后选择错误率较小的特征子集来设计线性SVM分类器。在通用数据的实验中 ,这种方法仅仅用较为简单的多项式核函数就大大提高了分类器的泛化能力。与传统的模糊数学方法、神经网络方法和SVM方法相比 ,这种方法在四川观音场构造的碳酸岩盐储层数据的预测误差降低了 5 0 % ,是一种有效的油气预测方法。 展开更多

关键词 SVM 油气藏 预测方法 非线性分类器 向量计算机 地震数据处理 观音场气田 计算方法

在线阅读 下载PDF 职称材料

最优的核判别分析用于雷达目标识别 被引量：1

11

作者 于雪莲 刘本永 《电子科技大学学报》 EI CAS CSCD 北大核心 2008年第6期883-885,937,共4页

特征提取是雷达目标识别研究中的重要问题,有效、稳健的特征是提高识别率的关键。核判别分析(KDA)是一种抽取非线性特征的有效方法,但它会因为奇异性问题而难以求解。基于子空间投影的思想,给出一种最优的核判别分析(OKDA)方法,用于对... 特征提取是雷达目标识别研究中的重要问题,有效、稳健的特征是提高识别率的关键。核判别分析(KDA)是一种抽取非线性特征的有效方法,但它会因为奇异性问题而难以求解。基于子空间投影的思想,给出一种最优的核判别分析(OKDA)方法,用于对雷达目标的距离像进行特征提取,然后采用基于核的非线性分类器对所提取的特征进行分类,实现对雷达目标的识别。分别对仿真和实测距离像进行实验,结果表明该方法具有较好的识别效果。 展开更多

关键词 特征提取 核非线性分类器 核判别分析 雷达目标识别

在线阅读 下载PDF 职称材料

基于核方法的雷达目标一维距离像识别

12

作者 于雪莲 汪学刚 刘本永 《计算机研究与发展》 EI CSCD 北大核心 2007年第11期1927-1931,共5页

由于雷达目标及其所处环境的复杂性,导致不同目标之间的关系往往是非线性的.研究基于核的非线性方法,并将其应用于雷达目标一维距离像识别.核Fisher判别分析(KFDA)是一种抽取非线性特征的最有效方法之一,但它往往会面临小样本问题.针对... 由于雷达目标及其所处环境的复杂性,导致不同目标之间的关系往往是非线性的.研究基于核的非线性方法,并将其应用于雷达目标一维距离像识别.核Fisher判别分析(KFDA)是一种抽取非线性特征的最有效方法之一,但它往往会面临小样本问题.针对此问题,给出一种null-KFDA方法,对距离像进行特征提取.然后,采用一种新的核非线性分类器——KNR(kernel-based nonlinear representor),对所提取的特征进行分类.对3种飞机的实测距离像进行实验,结果验证了null-KFDA的有效性.此外,与非线性支持向量机(SVM)和径向基函数神经网络(RBFNN)相比,KNR分类器具有更优的识别性能. 展开更多

关键词 雷达目标识别 核方法 核FISHER判别分析 小样本问题 核非线性分类器 KNR

在线阅读 下载PDF 职称材料

基于分数本征特征的手写数字识别 被引量：2

13

作者 孟庆宇 刘本永 姚宏达 《电子科技大学学报》 EI CAS CSCD 北大核心 2006年第3期289-291,共3页

特征提取是手写体数字识别研究中的重要问题,有效、稳定的特征是提高识别率和识别精度的关键。该文提出了一种基于分数本征特征和核非线性分类器的手写数字识别方法,首先找到时频平面的一个轴进行分数傅里叶变换,使不同类别样本在这个... 特征提取是手写体数字识别研究中的重要问题,有效、稳定的特征是提高识别率和识别精度的关键。该文提出了一种基于分数本征特征和核非线性分类器的手写数字识别方法,首先找到时频平面的一个轴进行分数傅里叶变换,使不同类别样本在这个轴上最大限度地分开,然后用主元分析进行降维,得到比较稳健的低维特征,再将常用分类器用于特征分类,实现对手写数字的识别。对实际数据进行实验,结果表明上述本征特征与核非线性分类器相结合有较高的识别率和训练、分类效率。 展开更多

关键词 分数傅里叶变换 主元分析 特征提取 手写数字识别 核非线性分类器

在线阅读 下载PDF 职称材料

基于CBLRE模型的轴向柱塞泵空化状态检测研究 被引量：4

14

作者 李志杰 兰媛 +4 位作者 黄家海 牛蔺楷 袁科研 范佳祺 武兵 《机电工程》 CAS 北大核心 2022年第5期634-640,共7页

空化现象的产生严重制约了轴向柱塞泵向高速高压方向发展,需要对柱塞泵的空化状态检测与智能故障诊断展开研究,因此,结合深度学习网络与非线性分类器的优点,提出了一种基于CBLRE(CNN+BiLSTM+RELM)模型的柱塞泵空化状态识别方法(检测模型... 空化现象的产生严重制约了轴向柱塞泵向高速高压方向发展,需要对柱塞泵的空化状态检测与智能故障诊断展开研究,因此,结合深度学习网络与非线性分类器的优点,提出了一种基于CBLRE(CNN+BiLSTM+RELM)模型的柱塞泵空化状态识别方法(检测模型)。首先,对不同空化状态下柱塞泵的一维原始振动信号进行了数据增强,并对其进行了标准化处理;然后,利用卷积神经网络(CNN)自动提取信号的特征,并对其进行了特征降维处理;利用双向长短期记忆(Bi-LSTM)网络学习特征序列的时间依赖性,利用正则化极限学习机(RELM)的非线性分类器对特征进行了分类,实现了对柱塞泵的空化状态检测与智能故障诊断;最后,为测试CBLRE模型的性能,搭建了实验平台,在此之上将CBLRE模型与其他模型进行了对比,分析了该模型在不同工况下的性能表现。研究结果表明:该模型的结构稳定、训练时间短,且在不同负载下均可保持良好的泛化性能,空化状态识别率均达到99%以上,该结果验证了柱塞泵空化状态识别方法的有效性;此外,该模型还可有效识别空化现象与柱塞泵的其他故障。 展开更多

关键词 容积泵 轴向柱塞泵 空化现象 卷积神经网络 双向长短期记忆网络 正则化极限学习机 深度学习网络 非线性分类器

在线阅读 下载PDF 职称材料