机器感知与模式识别：改进高斯核函数的人体姿态分析与识别

机器感知与模式识别：一种局部加权的二维主成分分析算法及其在人脸识别中的应用

2.1 自动识别技术 2.2 RFID的历史和现状 2.3 RFID技术分析 2.4 RFID标签冲突* 2.5 RFID和物联网

7.1 模糊数学概述 7.2 模糊集合 7.3 模糊关系与模糊矩阵 7.4 模糊模式分类的直接方法和间接方法 7.5 模糊聚类分析法

机器感知与模式识别：线性插值框架下矩阵步态识别的性能分析

机器感知与模式识别：SPCA参数对单样本人脸识别效果影响分析

【机器感知与模式识别】对偶树复小波与空域信息的手势识别分类研究

机器感知与模式识别：基于非线性降维多项式逻辑斯蒂回归的图像非图像数据的分类与识别

根据连铸坯表面图像的特点,提出了一种基于Contourlet变换的连铸坯表面缺陷识别方法.通过Contourlet变换将样本图像分解成不同尺度和方向的子带,提取子带的Contourlet系数特征,并结合样本图像的纹理特征,得到一个高维的特征向量.利用监督核保局投影算法对高维特征向量进行降维,将降维后的低维特征向量输入支持向量机,对连铸坯表面图像进行分类识别.对现场采集到的裂纹、氧化铁皮、光照不均和渣痕四类样本图像进行实验,本文提出的识别方法对样本图像的识别率可达94.35%,优于基于Gabor小波的识别方法

选用在生理位置上具有一定关联性的人耳和人脸作为研究对象,针对剧烈的姿态变化会造成融合信息大量缺损的问题,提出了一种基于核典型相关分析的多模态识别方法,利用标准化和中心化两种方法对原始数据集进行预处理,并用最近邻方法进行分类识别.实验结果表明,核典型相关分析方法可以有效地克服剧烈的姿态变化对人耳和人脸识别的影响,且与单生物特征相比,识别率显著提高