一种基于训练分类的协议识别方法

针对NMF(非负矩阵分解)算法基于局部特征提取的特点,提出了一种对NMF基矩阵的处理方法,以提高在局部遮挡环境下人脸识别系统的识别率。首先使用离散小波变换得到样本的低频信息,利用NMF得到基矩阵;然后通过阈值判断提取能够突出表现人脸特征的部分,得到优化后的特征子空间,并将样本在该子空间上投影;最后使用支持向量机对所得到的投影系数分类。实验结果表明,优化算法其运算时间

第3卷第 5 9期 21年 5 02月一

计

算

机

科

学

Vo . 9N o 5 13 .M a O1 y2 2

Co mpu e Sce e tr i nc

种改进的基于 NMF的人脸识别方法林庆李。佳雍建平廖定安。

(江苏大学计算机科学与通信工程学院镇江 2 2 1) ( 10 3南京大学计算机科学与技术学院南京 20 9) 10 4。(常州纺织服装职业技术学院信息技术系常州 2 3 6 ) 1 14。摘要针对 NMF非负矩阵分解)法基于局部特征提取的特点，出了一种对 N基矩阵的处理方法. (算提以提高

在局部遮挡环境下人脸识别系统的识别率。首先使用离散小波变换得到样本的低频信息，用 N得到基矩阵；利然

后通过阈值判断提取能够突出表现人脸特征的部分，得到优化后的特征子空间，并将样本在该子

一种基于sift算法的人脸识别方法

摘 要： 高独特性特征的选择以及合适匹配策略的选用是人脸识别技术的关键。讨论了基于仿射不变的几何特 征ＳＩＦＴ算子进行人脸识别的方法。ＳＩＦＴ算子的计算复杂度较高，并且不同的人脸表情和图像模糊会加大特征匹 配的难度。为克服上述缺点，提出了一种新的算法，将选择６个人脸上感兴趣子区域进行描述，并根据各自的独特 性赋予不同的权值，最后在匹配过程中使用相似度的平方来减小偏差数据造成的影响。实验结果表明，该方法能 有效减轻表情变化对于身份识别率急剧下降的影响，并可显著减少计算复杂度和特征匹配时间。

关键词： 独特性人脸识别 ＳＩＦＴ算子感兴趣子区域

1 引言

人脸识别是当今模式识别和人工智能领域的一 个活跃的研究方向。而人脸识别技术也已经被运用 到犯罪识别、视频监控、档案管理、视频会议和照片 检索等各个领域，如图１所示。人脸识别的研究内容主要包括以下几个方面 ： （１）人脸检测：在输入的图像中寻找人脸区域。 （２）人脸的规范化：校正人脸在尺度、光照和旋 转等方面的变化。 （３）特征提取：从人脸图像中映射提取一组反 映人脸特征的数值表示样本。 （４）特征匹配：将待识别人脸与已知人脸比较得出相关信息。 当人脸的光照、表情发生比

(19)中华人民共和国国家知识产权局

(12)发明专利申请

(10)申请公布号 (43)申请公布日 (21)申请号 201910352785.1

(22)申请日 2019.04.29

(71)申请人 北京科技大学

地址 100083 北京市海淀区学院路30号

(72)发明人 汪红兵　魏书琪　

(74)专利代理机构 北京市广友专利事务所有限

责任公司 11237

代理人 张仲波

(51)Int.Cl.

G06K 7/14(2006.01)

G06K 19/06(2006.01)

(54)发明名称

一种钢包包号识别方法

(57)摘要

本发明提供一种钢包包号识别方法，能够实现钢包包号的可靠、准确识别。所述方法包括：对钢包包号进行二进制编码，将所述二进制编码焊接在钢包表面；对含有包号二进制编码的钢包图像进行采集；使用均匀分布的多条像素扫描线对采集的钢包图像进行扫描，得到钢包包号二进制编码的左右上下四个边界，根据确定的四个边界，提取钢包包号二进制编码区域；采用多条列扫描线对提取到的编码区域中的二进制编码进行像素扫描，根据扫描到的编码像素跳变沿坐标，确定各位编码所表示的二进制数字；根据确定的各位编码所表示的二进制数字，确定钢包包号。

本发明涉及钢铁生产过程信息化领域。权利要求书2页

从信息论的角度,以平时侦察所得各种雷达参数的信息量作为分类依据,得出一种基于决策树算法的雷达型号识别方法。计算机仿真试验表明,在目标种类不是太多的情况下,即使仅能侦察少量的雷达特征参数,通过侦察次数的积累,本算法仍能得到不断改善的识别结果,具有一定的实际意义。

维普资讯

第 3期20年 6 08月

雷达科学与技术R ad ar S ci ence and T echno f ogy

Vo _ . l 6 NO 3

J n 0 8 u e2 0

基于决策树的雷达型号识别方法胡源，马鑫。王旭赢，(.子工程学院，徽合肥 2 0 3;2 6 5 1队，京 10 9 ) 1电安 30 7 . 14部北 0 0 4摘要：信息论的角度，从以平时侦察所得各种雷达参数的信息量作为分类依据，出一种基于决策得树算法的雷达型号识别方法。计算机仿真试验表明，目标种类不是太多的情况下，在即使仅能侦察少量的雷达特征参数，过侦察次数的积累，算法仍能得到不断改善的识别结果，有一定的实际意义。通本具

关键词：决策树；雷达；型号识别 中图分类号： TN9 1。1 7 .。文献标识码： A文章编号：6 22 3 (0 80— 110 17—3 7 2 0 ) 30 6—4

S u y o

第4 1卷第 2期2 2 2 0 1 4年 4月 2 5日

数

字

通

信

Vo l 41.No . 2 Apr .2 5 2 01 4

Di g i t a l Co m mu ni c a t i o n

DOI: 1 0 . 3 9 6 9/ j . i s s n . 1 0 0 1— 3 8 2 4 . 2 0 1 4 . 0 2 . 0 0 6

一

种基于深度图像的手势识别算法孟上，高陈强，杨璐毓(重庆邮电大学信号与信息处理重庆市重点实验室，苇庆 4 0 0 0 6 5)

摘

要：利用K i n e c t捕捉深度图像，使用有效的手势分割手段将手势区域截取并运用相关算法对手势进行轮廓、凸

包及其最小外接圆提取；然后构建了4种手势特性参数并给出了4种参数的计算方法；最后综合手势特性参数构建分类决策树以实现手势识别。实验针对 9种常见手势在复杂背景条件下进行测试，单个手势识别率在 8 9%一1 0 0%之间，综合识别率达到 9 6%。

关键词：手势识别； K i n e c t传感器；人机交互中图分类号： T P 3 9 1 . 4 文献标识码： A 文章编号： 1 0 0 5 . 3 8 2 4 ( 2 0 1 4 ) 0 2 - 0 0 2 2

贴片电阻的识别方法

贴片元件具有体积小、重量轻、安装密度高，抗震性强．抗干扰能力强，高频特性好等优点，广泛应用于计算机、手机、电子辞典、医疗电子产品、摄录机、电子电度表及VCD机等。贴片元件按其形状可分为矩形、圆柱形和异形三类。按种类分有电阻器、电容器，电感器、晶体管及小型集成电路等。贴片元件与一般元器件的标称方法有所不同。下面主要谈谈片状电阻器的阻值标称法。

片状电阻器的阻值和一般电阻器一样，在电阻体上标明．共有三种阻值标称法，但标称方法与一般电阻器不完全一样。

1．数字索位标称法(一般矩形片状电阻采用这种标称法)

数字索位标称法就是在电阻体上用三位数字来标明其阻值。它的第一位和第二位为有效数字，第三位表示在有效数字后面所加“0”的个数．这一位不会出现字母。

例如：“472′’表示“4700Ω”；“151”表示“1500”。

如果是小数．则用“R”表示“小数点”．并占用一位有效数字，其余两位是有效数字。

例如：“2R4″表示“2．4Ω”；“R15”表示“0．15Ω”。

2．色环标称法(一般圆柱形固定电阻器采用这种标称法)

贴片电阻与一般电阻一样，大多采用四环(有时三环)标明其阻值。第一环和第二环是有效数字，第三环是倍率(色环代码如表1)。例如：

“棕绿黑”表示

色环电阻识别方法

色环电阻识别方法：是因为电阻上面用了四道色环或者五道色环来表示电阻值。可以从任意角度一次性的读取代表电阻值的颜色信息。

目录

识别顺序

色环电阻识别方法图

色环电阻是应用于各种电子设备的最多的电阻类型，无论怎样安装，维修者都能方便的读出其阻值，便于检测和更换。但在实践中发现，有些色环电阻的排列顺序不甚分明，往往容易读错，在识别时，可运用如下技巧加以判断

技巧1：先找标志误差的色环，从而排定色环顺序。最常用的表示电阻误差的颜色是：金、银、棕，尤其是金环和银环，一般绝少用做电阻色环的第一环，所以在电阻上只要有金环和银环，就可以基本认定这是色环电阻的最末一环。

技巧2：棕色环是否是误差标志的判别。棕色环既常用做误差环，又常作为有效数字环，且常常在第一环和最末一环中同时出现，使人很难识别谁是第一环。在实践中，可以按照色环之间的间隔加以判别：比如对于一个五道色环的电阻而言，第五环和第四环之间的间隔比第

一环和第二环之间的间隔要宽一些，据此可判定色环的排列顺序。

技巧3：在仅靠色环间距还无法判定色环顺序的情况下，还可以利用电阻的生产序列值来加以判别。比如有一个电阻的色环读序是：棕、黑、黑、黄、棕，其值为：100×10000=1MΩ误差为1%，属

提出一种基于R—TPBSS算法的结构模态参数识别方法,即通过对响应信号进行稳健性白化处理,提高了算法的抗噪性。该方法将模态坐标和模态振型分别视为独立源信号和混合矩阵,以模态坐标的时间预测性大于响应信号的时间预测性为前提构造目标函数,通过优化目标函数,直接从结构自由响应中分离出各个模态,配合单点模态参数识别方法,提取出结构的模态参数。仿真结果表明,此方法具

振第3 1卷第 1 O期

动

与

冲

击

J OURNAL OF VI BRAT ON I AND H0C S K

基于 R T B S的结构模态参数识别方法 -P S杨彦龙，程伟10 9 ) 0 1 1

(北京航空航天大学航空科学与工程学院，北京

摘要：提出一种基于 R— P S算法的结构模态参数识别方法， TBS即通过对响应信号进行稳健性白化处理，提高了算法的抗噪性。该方法将模态坐标和模态振型分别视为独立源信号和混合矩阵，以模态坐标的时间预测性大于响应信号的时间预测性为前提构造目标函数，通过优化目标函数，直接从结构自由响应中分离出各个模态，配合单点模态参数识别方法，提取出结构的模态参数。仿真结果表明，方法具有很高的识别精度，噪声具有很好的鲁棒性，此对密集模态下，同样能够准确地识别出结构的模态参数。 关

基于BP神经网络语音识别方法研究

摘要： 神经网络是近年来信息科学、脑科学、神经心理学等诸多学科共同关注和研究的热点。由于其具有良好的抽象分类特性,现已应用于语音识别系统的研究和开发，并成为解决识别相关问题的有效工具。文章在讲述语音识别过程的基础上重点讨论利用BP神经网络对语音进行识别,用MATLAB完成对神经网络的训练和测试,并获得满意的结果。

关键词：语音识别；模式识别；BP神经网络，

1 绪论

计算机的飞速发展，使人们的生活方式发生了根本性的改变，鼠标、键盘，这些传统的人机接口使人们体会到了生活的便利。科学技术日新月异，假如让“机器”能够听懂人的语言，并根据其信息去执行人的意图，那么这无疑是最理想的人机智能接口方式，因此语音识别作为一门极具吸引力的学科应运而生，很多专家都指出语音识别技术将是未来十年信息技术领域十大重要的科技发展技术之一。

1.1 研究背景及意义

语言在人类的智能组成中充当着很重要的角色，人与人之间的交流和沟通大部分是通过语言的方式有效的完成。作为人与人之问交流最方便、自然、快捷的手段，人们自然希望它成为人与计算机交流的媒介。随着数字信号处理及计算机科学的飞速发展，人们对实现人机对话产生越来越迫切的要求，使得语音识别技术近年来得到

忻 州 师 范 学 院

计算机系本科毕业（设计）论文

课题名称 基 于 神 经 网 络 的 图

像 识 别 方 法 研 究

专 业 计 算 机 科 学 与 技 术

姓 名 杨 旭 东

学 号 2 0 1 1 0 8 1 1 2 0 1 3

指导教师 曹 建 芳

二零一三年六月

目 录

1 引 言.......................................................................................................................... 1

1.1 图像识别及人工神经网络 .............................................................................. 2 1.2 人工神经网络的研究背景和意义 .................................................................. 4 1.3 神经网络的发展与研究现状 ...........