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

针对传统最小二乘多项式板形模式识别方法鲁棒性差、各分项物理意义不明确,以及普通BP(back propagation)识别法精度低等问题,选用勒让德多项式作为板形基本模式,提出一种基于二叉树型分层BP的板形模式识别并行计算模型.该模型通过逐层细化预测范围并选用多个神经网络进行递推.实验结果表明,采用此方法不仅增强了系统的抗干扰能力,而且提高了系统的识别精度

模式识别的三大核心问题： •特征数据采集与预处理 •分类识别 •特征选择与提取 分类识别的正确率取决于对象的表示、训练学习和分类识别算法，我们在前面各章的介绍中详细讨论了第二方面的内容。本章介绍的特征提取与选择问题则是对象表示的一个关键问题

为了解决传统的图像识别算法无法准确识别铸坯表面缺陷的问题,提出一种考虑图像相邻像素影响的改进的多块局部二进制算法(MB-LBP).该算法将原始图像分成多个小区域,每个小区域再做等分,并计算平均灰度值,再运用局部二进制模式算法进行计算.对现场采集到的连铸坯表面裂纹、划伤、压痕、凹坑和无缺陷共五类1697个样本进行实验,整体识别率达到94.9%,而传统局部二进制模式算法的识别率为89.1%,说明本文算法具有更好的鲁棒性和抗噪能力

一、模式识别的概念 模式：泛指一切客观事物的存在形式。从工程 角度讲是指客观事物存在形式的数学表达。 识别：人的识别过程是一个非常复杂的心理和 生理过程。从工程的角度讲，识别可以看作是 一个分类问题

针对2180 mm冷连轧机振纹现象的随机性和隐蔽性的特点,基于小波分析和分形理论,系统地研究了能够准确地识别轧机振动的方法.对典型工况下轧机振动信号的分析结果显示,两种方法均能有效地识别轧机振动的现象,为在复杂振动环境下识别振纹振动提供了有效途径,这对于实时监测轧机的运行状况,避免恶性生产事故的发生,进而实现预知轧机振动具有积极的现实意义