識別率
- 基于PCA-SSA-PNN 的齒輪故障診斷
型對故障診斷的識別率。因此，如何優(yōu)化PNN模型平滑因子，提高對齒輪故障的診斷效率，是PNN 應(yīng)用的關(guān)鍵問題。1 數(shù)學(xué)模型原理概述1.1 主成分分析與數(shù)據(jù)歸一化主成分分析（PCA）是一種常見的數(shù)據(jù)降維方法［19］，韓璞、張洪波等分別應(yīng)用該方法與貝葉斯網(wǎng)絡(luò)、PNN 網(wǎng)絡(luò)相結(jié)合，進(jìn)行汽輪機(jī)、模擬電路的故障診斷［20-21］。PCA 方法步驟如下：（1）輸入樣本集D={ x1, x2,… , xm}；（3）計(jì)算協(xié)方差矩陣XXT及所對應(yīng)的特征值和特征向量；（4）按照
長沙大學(xué)學(xué)報(bào) 2023年2期2023-06-03
- 基于LeapMotion 的手勢識別算法改進(jìn)與研究
[14]和有效識別率，S-KNN 算法流程如圖7 所示。圖7 S-KNN算法流程3 驗(yàn)證結(jié)果與分析3.1 S-KNN 算法與基于歐式距離的KNN 算法的平均識別率對比如圖8 所示，S-KNN 算法與基于歐式距離的KNN 算法[15]的平均識別率隨著K值變化的對比圖中，線S-KNN-Feature 代表S-KNN 算法的平均識別率，線KNN-EU-Feature 代表基于歐式距離的KNN算法的平均識別率，橫軸代表K的取值，縱軸為識別準(zhǔn)確率。隨著K值的變化二者
電子設(shè)計(jì)工程 2023年1期2023-01-08
- 基于主成分分析和支持向量機(jī)的魯棒稀疏線性判別分析方法
，既耗時(shí)又降低識別率。因此如何從高維圖像中提取具有代表性的特征成為當(dāng)下研究的熱點(diǎn)[3]。最近幾十年，中外學(xué)者針對特征提取提出了各種各樣的方法，其中線性判別分析(linear discriminant analysis，LDA)被廣泛使用。LDA的基本原理是通過建立最小化類內(nèi)散度矩陣同時(shí)最大化類間散度矩陣模型來獲得投影矩陣，基于LDA的模型多種多樣[3-5]。Li等[6]提出的魯棒線性判別分析(robust linear discriminant analy
科學(xué)技術(shù)與工程 2022年26期2022-11-01
- 肌音信號的采樣率與截止頻率對識別率影響研究
采樣率相近的識別率精度。對于信號的采樣頻率，學(xué)者們有著不同的結(jié)論。肌音信號的模式識別目前常用的采樣率為1 000 Hz，但高采樣頻率會導(dǎo)致計(jì)算的復(fù)雜性偏高，處理時(shí)間變長，難以實(shí)現(xiàn)實(shí)時(shí)處理，使得人機(jī)交互的發(fā)展受到限制。對于計(jì)算能力有限的處理器，更希望有著較少的計(jì)算量。文獻(xiàn)[11]所設(shè)計(jì)的基于肌音信號的啞語翻譯器采樣率為333 Hz，也達(dá)到了97.5%的識別率。所以，有必要探究肌音信號的采樣率對識別率的影響以及可以同時(shí)兼顧識別準(zhǔn)確性和成本效益的最優(yōu)采樣率。肌
現(xiàn)代電子技術(shù) 2022年17期2022-09-09
- 基于信息熵的局部二值模式手指靜脈識別
、能夠達(dá)到較高識別率等特點(diǎn)，在實(shí)際應(yīng)用上具備一定的優(yōu)勢。關(guān)鍵點(diǎn)的匹配是手指靜脈識別的有效手段，Meng等[9]結(jié)合感興趣區(qū)域與細(xì)節(jié)匹配，提出了基于區(qū)域的檢測方法，通過計(jì)算Hessian矩陣作為細(xì)節(jié)點(diǎn)特征，對于細(xì)節(jié)點(diǎn)的匹配采用鄰域匹配以減少計(jì)算量，取得了較好的識別率，但相應(yīng)地增加了匹配時(shí)間。Jin等[10]提出的基于二值圖像的算法，對感興趣區(qū)域提取特征點(diǎn)，利用梯度直方圖將特征點(diǎn)矢量化描述，有效縮小了圖像視野，為靜脈采集裝置的小型化提供思路，但算法的識別率仍有
科學(xué)技術(shù)與工程 2022年14期2022-06-14
- SSPO：一種部分遮擋單樣本人臉識別算法
人臉識別算法的識別率達(dá)到了瓶頸。如何提高部分遮擋人臉的識別率是當(dāng)前國內(nèi)外學(xué)者普遍關(guān)注的課題。作為人臉識別的一個(gè)分支，單樣本人臉識別在實(shí)際應(yīng)用中扮演著非常重要的作用。在機(jī)場，火車站等場合，身份證、護(hù)照、駕照等的識別屬于單樣本人臉識別的范疇。在樣本數(shù)比較多的情況下，傳統(tǒng)的人臉識別算法識別率很高。單樣本人臉識別場景下，由于樣本數(shù)不足，人臉識別算法識別率受到嚴(yán)重影響。部分遮擋的單樣本下人臉識別是當(dāng)前的一個(gè)挑戰(zhàn)，這是新時(shí)期的一個(gè)重要的研究課題?，F(xiàn)有的單樣本人臉識別方
- 心盤螺栓故障圖像自動識別應(yīng)用
心盤螺栓故障的識別率。[關(guān)鍵詞]心盤螺栓故障;圖像自動識別;識別率[中圖分類號]TP391.41 [文獻(xiàn)標(biāo)志碼]A [文章編號]2095–6487（2021）09–00–03[Abstract]The load capacity of railway freight cars is increasing， and due to the background of comprehensive speed increase， the running speed
今日自動化 2021年9期2021-12-08
- 基于單形進(jìn)化的多項(xiàng)式神經(jīng)網(wǎng)絡(luò)訓(xùn)練算法
不僅能有效提高識別率，而且能減小控制參數(shù)對學(xué)習(xí)性能的影響，提高算法的整體魯棒性。關(guān)鍵詞：多項(xiàng)式神經(jīng)網(wǎng)絡(luò);識別率;進(jìn)化策略;分類Abstract： In the polynomial neural network training algorithm， when the intelligent optimization algorithm is used for learning optimization， the control parameters of
電腦知識與技術(shù) 2021年22期2021-09-14
- 平坦下降及全聾型突聾患者的純音和言語識別率分析
純音測聽和言語識別率測試發(fā)揮著越來越充分的作用，本研究重點(diǎn)對平坦下降及全聾型突聾患者的純音測聽和言語識別率結(jié)果進(jìn)行分析，旨在研究聽力損失、年齡與言語識別率的特點(diǎn)及關(guān)系，以便為臨床提供有效的診療支持。1 研究對象與方法1.1 研究對象從2014年5月至2018年7月收入解放軍總醫(yī)院耳內(nèi)科病房的突發(fā)性耳聾平坦下降及全聾型聽力損失患者1311例，收集聽力正常者601例（為聽力正常組言語識別率作對比），共1912例，男性1020例（53.35%）；女性892例（4
中華耳科學(xué)雜志 2021年4期2021-09-01
- 基于GFCC與CFC的低信噪比說話人識別
不同信噪比下的識別率做了比較，實(shí)驗(yàn)結(jié)果表明基于人耳聽覺特性的穩(wěn)健特征提取方式在高信噪比時(shí)識別率最高；本文針對低信噪比情況下說話人識別系統(tǒng)的識別率較低的問題，提出了基于多窗譜估計(jì)普減法的能熵比法用于語音的前端降噪處理，結(jié)果表明通過改進(jìn)的端點(diǎn)檢測法在低信噪比下明顯提高說話人識別的識別率。端點(diǎn)檢測；CFC；識別率說話人模型是說話人識別系統(tǒng)的核心，目前常見的說話人模型包括：隱馬爾科夫模型、高斯混合模型、矢量量化、人工神經(jīng)網(wǎng)絡(luò)等。這些方法的運(yùn)用只考慮了語音信號的時(shí)變
網(wǎng)絡(luò)安全技術(shù)與應(yīng)用 2021年1期2021-01-15
- 游樂設(shè)施焊接缺陷分析與檢測研究
三種缺陷的整體識別率可達(dá)92.86%，具有較好的識別率，有助于確保游樂設(shè)施焊接生產(chǎn)的質(zhì)量。關(guān)鍵詞： 焊接缺陷檢測; 游樂設(shè)施; 圖像處理; 特征提取; 缺陷識別模型; 識別率中圖分類號： TN911.73?34 ? ? ? ? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識碼： A ? ? ? ? ? ? ? ? ? ? ?文章編號： 1004?373X（2020）23?0039?05Abstract： The welding technology has an
現(xiàn)代電子技術(shù) 2020年23期2020-12-23
- 基于(2D)2-PCANet的種子圖像識別
的方法有更好的識別率。提取圖像高層特征的關(guān)鍵是特征提取網(wǎng)絡(luò)中的特征模板。常見的深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)有DNN[11]、CNN[12]、RNN[13]、GAN[14]等，而PCANet[15-19]是其中一種簡單的特征提取CNN網(wǎng)絡(luò)，其采用PCA算法計(jì)算特征模板，在雜草種子圖像識別上取得了較好的識別率。LDA算法和KPCA算法都是比較常見的降維方法，但是LDA方法是有監(jiān)督的降維方法，需要知道每一個(gè)訓(xùn)練樣本的類別，而特征提取網(wǎng)絡(luò)是將一個(gè)圖像分割為多個(gè)分片，提取每一個(gè)
計(jì)算機(jī)應(yīng)用與軟件 2020年10期2020-10-15
- 基于多參數(shù)融合優(yōu)化的隱馬爾科夫模型的設(shè)計(jì)
科夫模型對語音識別率的影響，設(shè)計(jì)多參數(shù)融合優(yōu)化的且有較高識別率的隱馬爾科夫模型。1 HTK簡介二十世紀(jì)七十年代，語音識別領(lǐng)域引入了隱馬爾可夫模型，它使得自然語音識別系統(tǒng)取得了突破性進(jìn)展，成為傳統(tǒng)語音識別的主流技術(shù)。目前大部分的語音識別系統(tǒng)還是基于HMM 的，雖然深度學(xué)習(xí)技術(shù)已引入到語音識別領(lǐng)域中。HTK 是由劍橋大學(xué)基于C 語言開發(fā)，專門用于創(chuàng)建和處理HMM 的工具，廣泛應(yīng)用在語音識別、語音合成、字符識別和DNA 排序等多個(gè)領(lǐng)域。經(jīng)過劍橋大學(xué)、Entrop
現(xiàn)代計(jì)算機(jī) 2020年18期2020-08-07
- 呼吸困難評級在呼吸系統(tǒng)疾病護(hù)理評估中的應(yīng)用效果分析
指標(biāo)對兩組病情識別率進(jìn)行比較，其中包括早期識別率以及準(zhǔn)確識別率；對患者進(jìn)行滿意度相關(guān)的調(diào)查問卷，總分100分，由患者進(jìn)行滿意度評分，90分及以上為非常滿意，60～90之間為滿意，60分以下則為不滿意。1.4 統(tǒng)計(jì)學(xué)方法2 結(jié) 果對兩組患者病情識別率以及護(hù)理滿意度進(jìn)行對比，研究組病情早期識別率、準(zhǔn)確識別率以及護(hù)理滿意度均明顯高參照組，數(shù)據(jù)具有統(tǒng)計(jì)學(xué)差異（P＜0.05）。具體情況見表1。表1 兩組患者病情識別率以及護(hù)理滿意度對比[n（%）]3 討 論呼吸系統(tǒng)疾
臨床醫(yī)藥文獻(xiàn)雜志(電子版) 2020年32期2020-07-23
- 完全判別信息Fisherfaces人臉識別算法
特征臉法更好的識別率.但在實(shí)際應(yīng)用的過程中，LDA經(jīng)常出現(xiàn)“小樣本問題”，即樣本數(shù)n遠(yuǎn)遠(yuǎn)小于維數(shù)m，從而導(dǎo)致類內(nèi)散度矩陣Sw為奇異陣，使得該方法失效.為了克服小樣本問題，許多學(xué)者提出了改進(jìn)方法，Belhumeur提出了Fisherfaces算法[2]，通過PCA降維，使得Sw可逆.但在對樣本數(shù)據(jù)降維的過程中，丟失了部分判別信息.Chen等提出了零空間法(NLDA)[3]，發(fā)現(xiàn)Sw的零空間內(nèi)存在大量的判別信息.但由于零空間的維數(shù)過高，從而不易計(jì)算.Yu提出了
- 基于“互聯(lián)網(wǎng)+”的聲紋識別技術(shù)在刑事案件偵破中的應(yīng)用研究
數(shù)的增加，系統(tǒng)識別率會有少許降低，但平均識別率較高，為89.6%;與GMM系統(tǒng)相比，GMM?UBM系統(tǒng)具有較高的識別率，隨著混合度的增加，GMM?UBM系統(tǒng)識別率隨之增大。關(guān)鍵詞： 刑事案件偵破; 聲紋識別; 互聯(lián)網(wǎng)+; GMM?UBM; 識別率; 參數(shù)訓(xùn)練中圖分類號： TN912?34; TP311 ? ? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識碼： A ? ? ? ? ? ? ? ? ? ?文章編號： 1004?373X（2020）07?0034?0
現(xiàn)代電子技術(shù) 2020年7期2020-06-15
- 改進(jìn)的全卷積神經(jīng)網(wǎng)絡(luò)在手寫數(shù)字識別上的應(yīng)用
提高手寫數(shù)字的識別率，論文提出了一種改進(jìn)的全卷積神經(jīng)網(wǎng)絡(luò)手寫圖像識別方法。首先通過傳統(tǒng)的卷積神經(jīng)網(wǎng)絡(luò)獲取手寫數(shù)字圖像的輪廓特征，其次在模型訓(xùn)練的初始階段，傳統(tǒng)的修正線性單元（RELU）激活函數(shù)被指數(shù)線性單元（ELU）激活函數(shù)所代替，然后應(yīng)用支持向量機(jī)（SVM）分類器替換原始卷積神經(jīng)網(wǎng)絡(luò)的多項(xiàng)邏輯回歸（Softmax）分類器，并對輸出的像素分類結(jié)果進(jìn)行反卷積操作，從而獲得分割結(jié)果。最后，使用提出的算法在MNIST數(shù)據(jù)集進(jìn)行驗(yàn)證，與其他算法比較具有較高的識別精
電腦知識與技術(shù) 2020年35期2020-06-07
- 基于唯密文數(shù)據(jù)的序列密碼識別*
以90%以上的識別率進(jìn)行區(qū)分，表明了不同算法下的密文數(shù)據(jù)中存在可區(qū)分的特征。機(jī)器學(xué)習(xí)方法在基于唯密文數(shù)據(jù)的密碼識別研究領(lǐng)域具有重要作用。Mishra等人將塊長度和流檢測法、熵重現(xiàn)分析法和決策樹算法相結(jié)合[2]，得到一種聯(lián)合方法用于分析AES、DES和Blowfish算法的密文模式。Chopra等分別采用樸素貝葉斯法和K近鄰法，對AES、3DES和Rijndael算法進(jìn)行識別[3]。分組密碼識別研究主要集中于ECB模式，但是很多密碼應(yīng)用場景更多地采用了CBC
通信技術(shù) 2020年1期2020-03-25
- 基于類圖像處理與向量化的大數(shù)據(jù)腳本攻擊智能檢測
s)具有更高的識別率、更強(qiáng)的魯棒性以及更好的泛化性能[6]。為此,本文設(shè)計(jì)多種DCNNs算法,構(gòu)建基于“輸入層+卷積層+卷積層+池化層+卷積層+卷積層+池化層+全連接層+全連接層+Softmax層”10層深度的結(jié)構(gòu),以實(shí)現(xiàn)大數(shù)據(jù)安全防護(hù)檢測,并通過模型訓(xùn)練進(jìn)行大數(shù)據(jù)智能檢測。為減輕梯度消失等問題[7-8],本文選擇Relu函數(shù)作為激活函數(shù),其定義為:f(x)=max(0,x)(12)通過式(13)可以求得卷積層的相應(yīng)輸出值,如下:(13)其中,xi,j表示
計(jì)算機(jī)工程 2020年3期2020-03-19
- 基于小波特征提取的氣體傳感器溫度調(diào)制模式研究*
得出被測氣體的識別率。本文選用的是具有正交性的db4小波,不僅可以將信號分解到無重疊的子頻帶上,而且可以高效進(jìn)行離散小波變換,同時(shí)具有較好的平滑性和數(shù)值穩(wěn)定性,有利于后續(xù)的小波分析[4]。圖2顯示了CH4,CO,清潔空氣以及乙醇4種氣體最后100 s樣本在0～300 ℃正弦波、三角波、方波、鋸齒波10 s周期溫度調(diào)制下4層db4小波分解的12個(gè)低頻系數(shù)?？梢钥闯?分解后其低頻小波系數(shù)在要區(qū)分的氣體之間差異明顯,因此只需要把這12個(gè)小波特征提取出來作為氣體的
傳感器與微系統(tǒng) 2019年12期2019-12-24
- 基于局部金字塔描述算子的雜草種子識別
和86.2%的識別率，與SIFT和SURF描述算子相比較識別率有了很大提高。實(shí)驗(yàn)結(jié)果表明，在傳統(tǒng)的局部描述算子基礎(chǔ)上，基于特征金字塔描述算子來提取特征和基于空間金字塔來合并特征可以提高分類性能。關(guān)鍵詞：種子識別;分類;多分辨率金字塔;編碼技術(shù);描述算子;識別率中圖分類號：TP391文獻(xiàn)標(biāo)識碼：A文章編號：2095-1302（2019）11-00-030 引 言由計(jì)算機(jī)代替專業(yè)人員對雜草種子進(jìn)行識別現(xiàn)在已經(jīng)成為熱門課題，這樣可以加快識別速率并減少人工識別中的
物聯(lián)網(wǎng)技術(shù) 2019年11期2019-12-11
- 基于二維雙向PCA的手寫數(shù)字識別算法研究
識別方法來解決識別率和識別速度的問題。數(shù)字識別主要分為2步：① 特征提取[2]；② 分類識別。其中，特征提取在數(shù)字識別系統(tǒng)中有著舉足輕重的地位。主分量分析(PCA)作為一種十分有效的方法，在特征提取中發(fā)揮著重大的作用。傳統(tǒng)的KNN算法識別率和識別速度均不高；學(xué)者胡君萍提出的PCA結(jié)合KNN的識別算法[3]，其識別率和識別速度均有提高，但二者相互矛盾，且需要將二維矩陣轉(zhuǎn)換為一維向量，不能精確計(jì)算協(xié)方差[4]；針對一維上PCA算法的不足，學(xué)者王軍平提出了2DP
無線電工程 2019年12期2019-11-18
- PCA-改進(jìn)RPROP方法的BP算法在音樂信號分類中的應(yīng)用
-N)′,網(wǎng)絡(luò)識別率為(23)3 實(shí)驗(yàn)結(jié)果及分析為了驗(yàn)證算法的有效性，對音樂分類的問題進(jìn)行實(shí)驗(yàn)。采用所提出的PCA-改進(jìn)BP神經(jīng)網(wǎng)絡(luò)和附加動量法改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)及標(biāo)準(zhǔn)神經(jīng)網(wǎng)絡(luò)從最高識別率、達(dá)到最高識別率90%的用時(shí)和平均識別率3個(gè)方面進(jìn)行比較。實(shí)驗(yàn)環(huán)境是PC機(jī)，Intel Xeon E3-1230 v2 CPU，四核心八線程，主頻3.3 GHz。Windows 10操作系統(tǒng)，Matlab 7.1實(shí)驗(yàn)平臺。選擇的4類音樂為：重金屬樂，山歌，通俗歌曲，笛子。
測控技術(shù) 2019年7期2019-09-19
- 基于隱馬爾科夫模型集成學(xué)習(xí)的廣播關(guān)鍵詞檢測
型84.8%的識別率相比，集成的PocketSphinx系統(tǒng)識別率達(dá)到92%，并且具有更好的穩(wěn)定性。關(guān)鍵詞：關(guān)鍵詞識別;PocketSphinx;隱馬爾科夫模型;集成學(xué)習(xí)中圖分類號：TN912.34 文獻(xiàn)標(biāo)識碼：A 文章編號：1003-5168（2019）35-0008-04Application of Hidden Markov Model with Ensemble Learningin Broadcast Keyword Dete
河南科技 2019年35期2019-09-10
- 基于顏色特征的自適應(yīng)閾值林木樹干識別研究
進(jìn)行識別，樹干識別率分別達(dá)97%，91%和93%。實(shí)驗(yàn)結(jié)果表明，對于顏色存在較大差異的林木樹干，所提方法具有較高的樹干識別率。關(guān)鍵詞： 林木樹干識別; 顏色特征; 圖像分割; RANSAC; 精確擬合; 識別率中圖分類號： TN911.73?34; TP391? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識碼： A? ? ? ? ? ? ? ? ? ? 文章編號： 1004?373X（2019）16?0144?050? 引? 言林木樹干識別是林業(yè)領(lǐng)域的基礎(chǔ)性研究
現(xiàn)代電子技術(shù) 2019年16期2019-08-23
- 基于Cortex-A8的攝像直讀抄表裝置的設(shè)計(jì)
應(yīng)用表明，圖像識別率較高，設(shè)備運(yùn)行穩(wěn)定。關(guān)鍵詞：攝像直讀;V4L2;OpenCV;串口;識別率;Cortex-A8中圖分類號：TP274文獻(xiàn)標(biāo)識碼：A文章編號：2095-1302（2019）04-00-050 引 言隨著物聯(lián)網(wǎng)技術(shù)、電子技術(shù)、通信技術(shù)的發(fā)展，各式各樣的新型遠(yuǎn)傳抄表系統(tǒng)涌現(xiàn)。目前我國的水表抄收方式主要有傳統(tǒng)的人工抄表方式、現(xiàn)場自動抄表、預(yù)付費(fèi)抄表、遠(yuǎn)程有線抄表、遠(yuǎn)程無線自動抄表。自動抄表是利用物聯(lián)網(wǎng)技術(shù)處理表具數(shù)據(jù)，將采集到的水表字輪數(shù)據(jù)發(fā)送
物聯(lián)網(wǎng)技術(shù) 2019年4期2019-07-25
- OCR技術(shù)在報(bào)刊加工中的應(yīng)用分析
佳狀態(tài)，在文字識別率過程中，會受到圖像外在因素影響如掃描參數(shù)、圖像質(zhì)量等，降低識別率，未來對OCR技術(shù)的研究升級還有待完善和提高。關(guān)鍵詞 OCR技術(shù)；數(shù)字化；掃描參數(shù)；識別率中圖分類號 G2 文獻(xiàn)標(biāo)識碼 A 文章編號 1674-6708（2019）235-0159-02隨著數(shù)字化時(shí)代的趨勢，越來越多的圖書館致力于圖書的信息化建設(shè)來實(shí)現(xiàn)信息資源的整合，以保證圖書館的生存和發(fā)展。通過將館藏文獻(xiàn)如期刊、報(bào)紙、圖書等進(jìn)行數(shù)字化加工，形成電子資源數(shù)據(jù)庫，實(shí)現(xiàn)數(shù)字圖書
科技傳播 2019年10期2019-07-16
- 不同拍攝模式對福建四種常見林業(yè)蛾類標(biāo)本圖像識別的影響
機(jī)的快門速度對識別率有顯著影響（P0.05）;②拍照設(shè)備中以單反相機(jī)的平均識別率最高，達(dá)93.3%，但3種設(shè)備對識別率沒有顯著性影響（P>0.05）;③不同的拍攝角度對識別率有顯著影響（P關(guān)鍵詞：標(biāo)本;蛾類成蟲;自動識別系統(tǒng);識別率中圖分類號：S763;TP399? ? ? ? ?文獻(xiàn)標(biāo)識碼：A文章編號：0439-8114（2019）08-0136-05DOI：10.14088/j.cnki.issn0439-8114.2019.08.032? ? ? ?
湖北農(nóng)業(yè)科學(xué) 2019年8期2019-07-03
- 基于真耳分析的助聽器配戴者言語可懂度指數(shù)與言語識別率的關(guān)系
息占比，與言語識別率有一定關(guān)系，但受到多種因素影響。本文擬研究使用真耳分析調(diào)試助聽器，通過測量真耳助聽響應(yīng)得到調(diào)試前后的SII值，并分析其與言語識別率的關(guān)系。1 資料與方法1.1 研究對象選取27例25～88歲的感音神經(jīng)性聾受試者，男15例，女12例，平均聽力損失為40～80 dB HL，助聽器配戴經(jīng)驗(yàn)2個(gè)月及以上。所有受試者均知情并自愿參加本項(xiàng)研究。1.2 測試方法真耳測試儀器為Aurical真耳分析儀（爾聽美，丹麥），考慮到有一部分啟動自適應(yīng)特性的助聽
中國聽力語言康復(fù)科學(xué)雜志 2019年3期2019-06-24
- 人臉識別中AlexNet網(wǎng)絡(luò)設(shè)計(jì)和改進(jìn)方法研究*
設(shè)計(jì)的測試集的識別率只是通過網(wǎng)絡(luò)模型測試人臉數(shù)據(jù)的優(yōu)劣性，最終的識別率是全部樣本的識別率。同時(shí)通過比較各個(gè)集合的損失值得出網(wǎng)絡(luò)模型在保留盡可能多的人臉信息的前提下保證其識別率的準(zhǔn)確性。3.1 卷積神經(jīng)網(wǎng)絡(luò)的人臉識別AlexNet網(wǎng)絡(luò)的迭代次數(shù)取為1 000～10 000),本文網(wǎng)絡(luò)的迭代次數(shù)取為(1 000～10 000）用這些模型進(jìn)行人臉識別的測試來比較它們的損失值和識別率。圖5表示出對應(yīng)于ORL中的原網(wǎng)絡(luò)和本文網(wǎng)絡(luò)的迭代次數(shù)的訓(xùn)練集成本函數(shù)損失。圖5
通信技術(shù) 2019年3期2019-05-31
- 聽力正常青年人的低通濾波言語測試研究*
信息，得出言語識別率并分析其言語能力。言語具有一定的冗余度，冗余度是指在語音信息識別和理解過程中未起作用的多余信息[1]；LPFS測試過濾了言語材料中的一些信息，降低了言語冗余度，考察在冗余度減少的情況下受試者還原和聽清言語的能力，以反映聽覺中樞對語音信息的處理能力。1954年，Bocca等[2]首次發(fā)現(xiàn)使用濾波言語增加測試難度后，更容易發(fā)現(xiàn)聽中樞的聽覺處理障礙，隨后濾波言語材料開始被應(yīng)用于中樞病變的診斷。多年來LPFS測試在國外取得了較大進(jìn)步，已廣泛應(yīng)用
聽力學(xué)及言語疾病雜志 2019年3期2019-05-24
- 復(fù)雜光照下人臉預(yù)處理的算法研究
識別系統(tǒng)中，其識別率有較好的提升。關(guān)鍵詞：Retinex理論；小波變換；非均勻光照；識別率隨著人臉識別技術(shù)的迅速發(fā)展，在國家及公共安全等領(lǐng)域，人臉識別技術(shù)已顯示出較大的應(yīng)用前景。當(dāng)前，人臉識別技術(shù)已經(jīng)成為當(dāng)前機(jī)器視覺中的一個(gè)重要部分[1]。雖然人臉識別技術(shù)已在多個(gè)領(lǐng)域得到了較大的應(yīng)用，但是在人臉識別的研究中還存在較大的問題。在人臉識別的技術(shù)發(fā)展中，受到的影響因素有很多，其中光照就是影響因素之一。本文針對人臉識別技術(shù)的研究中，利用公開人臉庫重點(diǎn)分析復(fù)雜光照下
無線互聯(lián)科技 2019年3期2019-05-22
- 基于多模態(tài)融合的RGB—D物體識別
態(tài)的特征對物體識別率的貢獻(xiàn)進(jìn)行特征級融合得到多模態(tài)融合特征，最后送入SVM分類器進(jìn)行分類識別，并調(diào)整融合參數(shù)尋求最優(yōu)識別率。在RGB-D數(shù)據(jù)集上進(jìn)行分類識別實(shí)驗(yàn)，結(jié)果表明該方法的物體分類識別率能夠達(dá)到83.6%，比其他方法提高了1%-2%。關(guān)鍵詞：分層匹配追蹤；特征級融合；多模態(tài)融合；SVM分類器；識別率中圖分類號：TP391 文獻(xiàn)標(biāo)識碼：A 文章編號：1009-3044（2018）18-0180-03RGB-D Object recognition ba
電腦知識與技術(shù) 2018年18期2018-11-01
- 卷積網(wǎng)絡(luò)樣本數(shù)和迭代數(shù)與識別結(jié)果關(guān)系研究
對卷積神經(jīng)網(wǎng)絡(luò)識別率的影響，本文以經(jīng)典LeNet卷積神經(jīng)網(wǎng)絡(luò)為研究對象，以Mnist樣本集為樣本，利用Matlab軟件研究了樣本數(shù)量和迭代次數(shù)與網(wǎng)絡(luò)識別率的關(guān)系。通過調(diào)整訓(xùn)練樣本數(shù)量和迭代次數(shù)，對比不同訓(xùn)練結(jié)果對網(wǎng)絡(luò)錯(cuò)誤率的影響，得出在迭代次數(shù)、學(xué)習(xí)率及批數(shù)據(jù)大小不變的情況下，訓(xùn)練樣本數(shù)目對網(wǎng)絡(luò)識別錯(cuò)誤率的影響存在閾值，當(dāng)訓(xùn)練樣本數(shù)目大于閾值時(shí)，樣本數(shù)目增加，錯(cuò)誤率降低很??；在訓(xùn)練樣本數(shù)目、學(xué)習(xí)率及批數(shù)據(jù)大小不變的情況下，隨著迭代次數(shù)的逐漸增加，網(wǎng)絡(luò)識別的
- 信道相關(guān)情況下UHF RFID識別性能分析
RFID系統(tǒng)識別率受電波多徑傳播制約的問題，研究了前向與反向相關(guān)信道對系統(tǒng)識別性能的影響。將信道分為獨(dú)立、相關(guān)和完全相關(guān)3種情形，基于廣義萊斯衰落信道模型，推導(dǎo)了識別率的解析計(jì)算式。與現(xiàn)有分析相比，此分析給出了任意相關(guān)系數(shù)和多種信道條件下識別率統(tǒng)一的計(jì)算式。仿真實(shí)驗(yàn)表明，不同相關(guān)系數(shù)、信道條件、靈敏度和距離對識別率有影響。射頻識別技術(shù)；識別率；相關(guān)信道；廣義萊斯衰落模型1 引言超高頻射頻識別（UHF RFID）系統(tǒng)具有無源、識別距離遠(yuǎn)、多標(biāo)簽識別和成本低
通信學(xué)報(bào) 2018年7期2018-08-03
- 雷達(dá)輻射源信號識別特征參數(shù)集的構(gòu)建方法
二相編碼信號的識別率卻并不高。另一個(gè)局限性是單個(gè)特征的識別率隨仿真條件的變優(yōu)而有趨于“邊緣效應(yīng)”的現(xiàn)象,不能突破自身識別率的“瓶頸”[23-24]。在特征提取仿真試驗(yàn)中,當(dāng)特征維數(shù)達(dá)到一定值后,增加特征維數(shù)并沒有帶來明顯的識別率收益,相反,提取較高維數(shù)的特征會顯著提高識別時(shí)間成本。針對上述問題,本文擬通過組合不同種類的特征,構(gòu)建特征參數(shù)集,集聚各特征參數(shù)在不同調(diào)制類型RES中的識別優(yōu)勢,提升基于特征參數(shù)集的識別方法的通用性和準(zhǔn)確性。1 特征組合及性能分析特
系統(tǒng)工程與電子技術(shù) 2018年8期2018-07-27
- 基于Kaldi的普米語語音識別
這對普米語語音識別率的提高意義重大。文獻(xiàn)[8]提出深度學(xué)習(xí)的概念,激起了深度學(xué)習(xí)的研究熱潮。自2009年以來,將深度學(xué)習(xí)技術(shù)應(yīng)用到語音識別領(lǐng)域取得巨大成功。百度研發(fā)的新技術(shù):深度語音識別(Deep Speech),通過使用一種叫做疊加的物理學(xué)原理,在干凈的語音語料中加入各種不同的背景噪聲來擴(kuò)大語音語料量,用得到的語音語料進(jìn)行深度語音識別實(shí)驗(yàn),同時(shí)使用百度強(qiáng)大的新計(jì)算機(jī)系統(tǒng)的GPU進(jìn)行加速支撐,運(yùn)算效率得到重大提升,詞錯(cuò)誤率降低了10%[9]。微軟公司人工智
計(jì)算機(jī)工程 2018年1期2018-01-19
- 影響突發(fā)性聾患者言語識別率恢復(fù)的因素的研究進(jìn)展
要的方面，言語識別率是指受試者能聽懂并正確反饋所測詞匯或語句的百分比，不僅反映聽覺中樞系統(tǒng)功能狀態(tài)，還可以評價(jià)外周聽覺通路的功能狀態(tài)[5]。目前，言語測聽除了用于人工耳蝸與助聽器的效果評定及聽神經(jīng)瘤術(shù)后功能的評價(jià)外[6]，還能輔助純音測聽判斷突發(fā)性聾的療效及預(yù)后[7-9]。突聾除造成患者純音測聽閾值升高，還可能導(dǎo)致言語識別率降低。言語測聽與純音測聽雖然都是主觀測聽，但純音測聽是測試受試者對簡單聲音的反應(yīng)，言語測聽則是檢測受試者對復(fù)雜聲音信號的反應(yīng)，兩者的反
中華耳科學(xué)雜志 2017年6期2017-08-15
- 基于改進(jìn)的LBP和PCA算法的人臉識別
P算法相比，在識別率上有所提高。關(guān)鍵詞：局部二值模式；特征提??；主成分分析；降維；識別率中圖分類號：TP391 文獻(xiàn)標(biāo)識碼：A 文章編號：1009-3044（2017）17-0173-021概述人臉識別，是對人的臉部特征信息進(jìn)行身份識別的一種生物識別技術(shù)，它的應(yīng)用前景十分廣泛。如視頻監(jiān)控、公安、司法和刑偵等安全領(lǐng)域。人臉識別的關(guān)鍵是如何提取出合適的信息來識別人臉。在過去的幾十年里，相關(guān)的研究者們提出了許多有關(guān)于特征提取的算法?；趲缀翁卣鞯姆椒?、線性鑒別分
電腦知識與技術(shù) 2017年17期2017-07-14
- 檔案數(shù)字化過程中OCR技術(shù)的應(yīng)用分析
美的，尤其是在識別率方面，很有可能受到圖像質(zhì)量、軟件質(zhì)量、掃描參數(shù)等因素的影響而導(dǎo)致其識別率下降。文章對檔案數(shù)字化過程中OCR技術(shù)的應(yīng)用進(jìn)行了分析。關(guān)鍵詞：OCR技術(shù)；檔案數(shù)字化；檔案管理；檔案信息；識別率 文獻(xiàn)標(biāo)識碼：A中圖分類號：G271 文章編號：1009-2374（2017）05-0055-02 DOI：10.13535/j.cnki.11-4406/n.2017.05.0261 OCR技術(shù)的解析OCR技術(shù)的中文全稱為光學(xué)字符識別技術(shù)，是通過光學(xué)輸
中國高新技術(shù)企業(yè) 2017年5期2017-05-05
- 科技文檔中數(shù)學(xué)表達(dá)式的結(jié)構(gòu)分析與識別
，數(shù)學(xué)表達(dá)式的識別率得到了顯著提高。關(guān)鍵詞：數(shù)學(xué)表達(dá)式；識別；基準(zhǔn)線；識別率中圖分類號：TP391 文獻(xiàn)標(biāo)識碼：A 文章編號：2095-1302（2016）11-00-030 引 言數(shù)學(xué)作為自然科學(xué)的通用語言，在科技的發(fā)展中有著舉足輕重的地位。而數(shù)學(xué)表達(dá)式作為重要的數(shù)學(xué)載體，在科學(xué)技術(shù)相關(guān)文檔中有著廣泛的應(yīng)用。光學(xué)字符識別（Optical Character Recognition，OCR）系統(tǒng)能夠高效準(zhǔn)確地識別文檔中的文字，但對數(shù)學(xué)表達(dá)式卻一直無法取得較
物聯(lián)網(wǎng)技術(shù) 2016年11期2017-01-12
- 人工智能現(xiàn)狀和發(fā)展
人工智能發(fā)展；識別率；人臉識別；遺傳算法中圖分類號：TP18 文獻(xiàn)標(biāo)識碼：A 文章編號：1009-3044（2016）24-0183-021 智能計(jì)算機(jī)的發(fā)展1.1人工智能簡述人工智能[1]（Artificial Intelligence，簡稱AI）是計(jì)算機(jī)學(xué)科的一個(gè)分支，屬于為世界三大尖端技術(shù)空間技術(shù)、能源技術(shù)、人工智能其中之一，最近幾十年來，人工智能的發(fā)展非常的迅速， 在很多的地方都得到了應(yīng)用，尤其是在科學(xué)領(lǐng)域。人工智能源自于對人的模仿，其最終目的是服
電腦知識與技術(shù) 2016年24期2016-11-14
- 非線性分類結(jié)合平面變換的雷達(dá)信號分選方法*
矢量神經(jīng)網(wǎng)絡(luò)；識別率0引言現(xiàn)代電磁環(huán)境日趨復(fù)雜，脈沖數(shù)量急劇增多，未來可能達(dá)到120萬脈沖/s的量級[1]。如此高脈沖密度的環(huán)境對算法的準(zhǔn)確性和實(shí)時(shí)性提出嚴(yán)峻考驗(yàn)；另一方面，如果能充分利用數(shù)據(jù)庫中的雷達(dá)數(shù)據(jù)，對環(huán)境中的已知雷達(dá)脈沖進(jìn)行預(yù)先分選，將極大提高分選的速度和準(zhǔn)確度，同時(shí)降低脈沖流密度，進(jìn)而大大減小對未知輻射源信號的分選難度[2]。目前對已知雷達(dá)信號分選的方法主要有：PRI關(guān)聯(lián)法、多參數(shù)匹配法，脈沖樣本圖法。PRI關(guān)聯(lián)法需多次選擇PRI進(jìn)行試探性匹配
現(xiàn)代防御技術(shù) 2016年3期2016-07-21
- 基于發(fā)育網(wǎng)絡(luò)的復(fù)雜背景下人臉識別
更好的效果，其識別率可達(dá)96%以上.關(guān)鍵詞：發(fā)育網(wǎng)絡(luò)；人臉識別；復(fù)雜背景；突觸維護(hù)；識別率0引言人臉識別作為計(jì)算機(jī)視覺及模式識別研究的一個(gè)重要子領(lǐng)域，具有重要的理論研究意義和實(shí)際應(yīng)用價(jià)值.復(fù)雜背景下的人臉識別是一個(gè)非常復(fù)雜和極具挑戰(zhàn)性的課題，它與指紋、視網(wǎng)膜、基因、聲音等其他人體生物特征識別相比，具有友好、簡單、易于被接受等特點(diǎn)，近年已被廣泛用于國家安全、銀行密碼系統(tǒng)、公安刑偵破案等領(lǐng)域[1].在復(fù)雜背景人臉識別的研究中，國內(nèi)較有代表性的研究有：王波等[2
鄭州大學(xué)學(xué)報(bào)（工學(xué)版） 2016年1期2016-06-16
- 基于多傳感器的人體行為識別系統(tǒng)*
系統(tǒng)人體行為的識別率，又能降低系統(tǒng)能耗,提出了基于多傳感器的人體行為識別系統(tǒng)。通過對滑動時(shí)間窗內(nèi)傳感器數(shù)據(jù)信息進(jìn)行數(shù)學(xué)統(tǒng)計(jì)，提取數(shù)據(jù)特征；并通過用weka軟件對數(shù)據(jù)的這些特征進(jìn)行分析，設(shè)計(jì)出基于決策樹的兩層分類識別算法,來對8種常見人體行為進(jìn)行識別。實(shí)驗(yàn)結(jié)果表明：該系統(tǒng)在降低了系統(tǒng)能耗同時(shí)系統(tǒng)識別率較高，平均識別率達(dá)到93.12 %，系統(tǒng)便于攜帶且具有很強(qiáng)的實(shí)用性。關(guān)鍵詞:識別率; 系統(tǒng)能耗; 數(shù)據(jù)特征; 決策樹0引言近年來，隨著人機(jī)交互和無線體域網(wǎng)關(guān)鍵技
傳感器與微系統(tǒng) 2016年3期2016-06-13
- 機(jī)號號牌字符分割算法設(shè)計(jì)的應(yīng)用研究
，這樣就會導(dǎo)致識別率極低，所以十分有必要在分割之前進(jìn)行傾斜校正。【關(guān)鍵詞】 斜率校正 識別率 字符分割一、機(jī)號號牌傾斜校正飛機(jī)在跑道滑行過程中，機(jī)號圖像和監(jiān)控探頭的鏡頭基本無法成為平行關(guān)系，這個(gè)原因就造成了機(jī)號的傾斜變形。在此次的研究實(shí)際情況中，機(jī)號存在兩種傾斜情況：水平傾斜和垂直傾斜。當(dāng)機(jī)號號牌傾斜度不大于5°的時(shí)候，因?yàn)椴粫绊懙胶竺娴?span id="syggg00" class="hl">識別率，所以沒必要校正，而且機(jī)號字符像素變化不大，校正的效果也就不理想；可是在傾斜度較大的時(shí)候，就會引起整個(gè)字符變形，
中國新通信 2016年5期2016-04-12
- 基于稀疏表示的葡萄干品質(zhì)分級
的分級方法平均識別率達(dá)到96.7%，具有較好的識別率和魯棒性。這為葡萄干等級識別提供了一種新的有效方法。關(guān)鍵詞：葡萄干；分級；BP神經(jīng)網(wǎng)絡(luò)；稀疏表示；識別率；支持向量機(jī)（SVM）中圖分類號：TP391 文獻(xiàn)標(biāo)志碼：文章編號：1002-1302（2016）08-0421-03綠色葡萄干是我國新疆地區(qū)的重要特產(chǎn)之一，研究葡萄干品質(zhì)快速檢測技術(shù)，對新疆葡萄產(chǎn)業(yè)的穩(wěn)定發(fā)展有重要的推動作用。葡萄干品質(zhì)分為外在品質(zhì)和內(nèi)在品質(zhì)2個(gè)部分[1]，內(nèi)在品質(zhì)檢測主要通過抽樣檢驗(yàn)
江蘇農(nóng)業(yè)科學(xué) 2016年8期2016-02-15
- 基于RFID技術(shù)的白酒物聯(lián)網(wǎng)數(shù)據(jù)采集系統(tǒng)可靠性研究
重影響了標(biāo)簽的識別率；同時(shí)閱讀器在讀取多個(gè)標(biāo)簽時(shí)，識別時(shí)間增加。因此文章從標(biāo)簽的閱讀距離及標(biāo)簽的碰撞二者出發(fā)，運(yùn)用MATLAB實(shí)驗(yàn)仿真，得出距離和碰撞對數(shù)據(jù)采集系統(tǒng)可靠性的影響。從而，為進(jìn)一步的理論研究奠定基礎(chǔ)。1 RFID數(shù)據(jù)采集系統(tǒng)1.1 RFID數(shù)據(jù)采集系統(tǒng)組成及工作原理RFID數(shù)據(jù)采集系統(tǒng)是由閱讀器、電子標(biāo)簽、天線、數(shù)據(jù)管理系統(tǒng)組成。標(biāo)簽一般是由線圈、天線、存儲器、控制器組成的低壓電路，數(shù)據(jù)管理系統(tǒng)主要完成數(shù)據(jù)采集、存儲及處理，如圖1所示。RFID
制造業(yè)自動化 2015年8期2015-10-30
- 關(guān)于果蔬采摘機(jī)器人的研究探討
蔬采摘機(jī)器人；識別率；定位；末端執(zhí)行器在農(nóng)業(yè)生產(chǎn)中，果蔬的栽培和生長需要用較長的時(shí)間來進(jìn)行，當(dāng)果蔬成熟之后，又需要耗費(fèi)大量的經(jīng)歷來對其進(jìn)行采摘，如果采摘不恰當(dāng)，對果蔬造成了損害，就會造成一定的經(jīng)濟(jì)損失。果蔬的采摘工作是一項(xiàng)需要耗費(fèi)很多勞動力的過程，而且在工業(yè)生產(chǎn)快速發(fā)展的今天，從事農(nóng)業(yè)活動的人已經(jīng)越來越少，如果人力不足的話，對于果蔬的采摘是一個(gè)嚴(yán)重的問題，但是僅僅依靠人力也已經(jīng)滿足不了現(xiàn)代生產(chǎn)的需求。在計(jì)算機(jī)技術(shù)和相關(guān)信息技術(shù)的快速發(fā)展帶動下，由機(jī)器代替人
科技致富向?qū)?2015年9期2015-10-21
- 生物運(yùn)動的人際交互辨識研究
1)對交流行為識別率方面女性和男性點(diǎn)光源視頻識別率做對比后發(fā)現(xiàn)“靠近點(diǎn)”這一動作識別率差異有統(tǒng)計(jì)學(xué)意義(χ2=21.52，P=0.001)；(2)對社會動機(jī)識別率方面女性和男性點(diǎn)光源視頻識別率做對比后發(fā)現(xiàn)，“不要”這一動作識別率存在顯著性差異(χ2=8.66，P=0.003)?！澳囊粋€(gè)？”這一動作存在顯著性差異(χ2=8.37，P=0.004)；(3)對具體姿勢的識別率差異有統(tǒng)計(jì)學(xué)意義的是：“我很生氣”(χ2=5.44，P=0.020)、“不要”(χ2=8
海南醫(yī)學(xué) 2015年12期2015-04-14
- 基于HHOOGG特征和SSVVMM的絕緣子識別與定位
場工況。表中誤識別率、漏識別率、識別率分別由誤識別圖片數(shù)、漏識別圖片數(shù)、識別圖片數(shù)分別除以簡單背景、復(fù)雜背景、綜合背景圖片總數(shù)求得。值得提出的是，由于在漏識別的情況下依然可能出現(xiàn)誤識別，所以識別率并不等于 100%與誤識別、漏識別率的差值。圖 4為γ=0.03時(shí)誤識別率和漏識別率隨C的變化趨勢。表1γ=0.03時(shí)改變誤差懲罰因子C在不同背景下的識別結(jié)果Tab.1 Recognition results in different backgrounds wi
交通運(yùn)輸工程與信息學(xué)報(bào) 2015年4期2015-03-11
- 車牌識別中的圖像預(yù)處理研究
識別;對比度;識別率1.引言自1990 年美國智能交通學(xué)會提出智能交通系統(tǒng)（ITS）以來，智能交通系統(tǒng)得到了不斷研究和發(fā)展。伴隨著我國汽車業(yè)和交通運(yùn)輸業(yè)的快速發(fā)展，車輛數(shù)目迅速增長，交通擁堵和交通事故已成為我國道路交通運(yùn)輸中的突出問題，發(fā)展智能交通系統(tǒng)是解決問題的有效辦法。車牌識別（LPR）作為智能交通系統(tǒng)的核心環(huán)節(jié)，是交通系統(tǒng)能否實(shí)現(xiàn)智能化、現(xiàn)代化的關(guān)鍵。車牌識別主要是綜合利用通信技術(shù)、電子信息、圖像處理、模式識別、自動化或人工智能等技術(shù)，實(shí)現(xiàn)車牌的自動
電子世界 2014年18期2014-10-21
- 泛化改進(jìn)的局部切空間排列算法
算法具有更好的識別率。流形學(xué)習(xí);局部切空間排列;泛化;特征提取;人臉識別1 概述人臉識別技術(shù)是生物特征鑒別技術(shù)的一個(gè)主要方向,在安全保衛(wèi)、信息安全和司法檢驗(yàn)等領(lǐng)域具有十分重要的意義,多年來一直是一個(gè)研究熱點(diǎn)。由于人臉是易變的、非剛性的,很難用固定的模型進(jìn)行描述,因此特征提取是人臉識別技術(shù)中一個(gè)基本而又十分重要的環(huán)節(jié)。目前提出的特征提取方法總體上可以分為線性和非線性2類,其中經(jīng)典的線性特征提取算法包括主成分分析(Principal Component Ana
計(jì)算機(jī)工程 2014年11期2014-06-07
- 基于LBP的人臉識別
算子；直方圖；識別率中圖分類號：TP301 文獻(xiàn)標(biāo)識碼：A 文章編號：1009-2374（2013）11-0158-021 概述為了在人臉識別領(lǐng)域得到更好的應(yīng)用，Ahonen等根據(jù)心理學(xué)上的研究將人臉進(jìn)一步劃分成不同的區(qū)域并賦予不同的權(quán)值加以區(qū)分，最終取得了良好的識別結(jié)果。在這基礎(chǔ)上，后續(xù)的研究和改進(jìn)不斷出現(xiàn)。文中提出了多尺度區(qū)域LBP（MB-LBP）的概念，該方法通過統(tǒng)計(jì)區(qū)域內(nèi)的像素均值而非單個(gè)像素值得到LBP模式，從而比原有的LBP方法更精確且考慮了更
中國高新技術(shù)企業(yè)·綜合版 2013年4期2013-05-27
- 基于2D-FrFT多階次特征融合的人臉表情識別方法
表情識別，平均識別率為49.29%.但是這種方法的計(jì)算復(fù)雜度較高，且識別率不高.分?jǐn)?shù)階傅里葉變換(FrFT)是近年發(fā)展起來的一種新型時(shí)頻分析工具，類似于傳統(tǒng)的二維傅里葉變換，2D-FrFT的相位函數(shù)包含了圖像的紋理信息，變換階次不同，相位函數(shù)所含的圖像邊緣信息也不同，這使得分?jǐn)?shù)階傅里葉變換可以更加靈活的用于圖像的邊緣提取和識別［2］.文獻(xiàn)［2］首次將2D-FrFT應(yīng)用于人類表情識別，其思想是將2D-Fr-FT若干階次下提取到的圖像相位信息進(jìn)行分類識別，平均
鄭州大學(xué)學(xué)報(bào)（工學(xué)版） 2012年1期2012-09-13
- 半監(jiān)督系數(shù)選擇法的人臉識別
集用分類器計(jì)算識別率，文中采用的是最小歐式測度分類器.2 離散余弦變換與半監(jiān)督約束K-Means聚類2.1 DCT系數(shù)陣以及掩模DCT特征提取由2個(gè)階段組成.在第1階段，應(yīng)用DCT到整個(gè)圖像以獲取DCT系數(shù).然后，在第2階段選擇一些系數(shù)構(gòu)建特征向量.DCT系數(shù)陣的維數(shù)與輸入圖像的維數(shù)相同.實(shí)際上，DCT自身并不能降低數(shù)據(jù)維數(shù)，它將大多數(shù)信號信息壓縮在一個(gè)比較小的百分比中.一張M×N圖像對應(yīng)一個(gè)二維矩陣，其DCT系數(shù)陣可進(jìn)行如下計(jì)算:其中:式中:A(m，n)
哈爾濱工程大學(xué)學(xué)報(bào) 2012年7期2012-03-23
- 白熾燈下T5熒光燈視功效、識別率對比實(shí)驗(yàn)研究*
熒光燈光色配比識別率對比實(shí)驗(yàn)研究”)將視標(biāo)光源更改為熒光燈(模擬黑板照明)，背景光源仍為熒光燈 (模擬教室一般照明)，光色兩兩配比，比較在不同光色搭配條件下的視功效差異，尋找最佳光色搭配方案。2 實(shí)驗(yàn)一 白熾燈——熒光燈視功效對比實(shí)驗(yàn)2.1 實(shí)驗(yàn)?zāi)康膶Ρ炔煌珳責(zé)晒鉄艄庠醋鳛楸尘肮庠?，在視?biāo)光源統(tǒng)一為白熾燈的條件下受試人的視功效表現(xiàn)，以了解背景光源的光譜光色對受試人視功效的影響，尋找出在同等亮度條件下，可有效提高受試人識別率的背景光源。2.2 實(shí)驗(yàn)對象實(shí)驗(yàn)
照明工程學(xué)報(bào) 2010年3期2010-08-08